深度学习的创造性：概念化与评估
人工智能
2024-02-13 v3 机器学习
摘要
尽管深度学习（DL）在自动化简单任务方面的潜力已被充分探索，近期研究已开始调查深度学习在创意设计中的使用，既包括完整制品的创造，也包括在创造过程中对人类的支持。在本文中，我们利用计算创造性（computational creativity）的洞见，对文献综述中确定的创意领域内生成式深度学习的当前应用进行概念化与评估。我们强调了当前系统与不同人类创造性模型之间的相似之处及其缺陷。尽管深度学习产生了高价值的结果，例如高质量图像，但由于多种原因（如受训练数据所定义的概念空间束缚），其新颖性通常有限。当前 DL 方法也不允许内部问题表示的改变，且缺乏跨高度不同领域识别关联的能力，而这两者被视为人类创造性的主要驱动因素。
引用
@article{arxiv.2012.02282,
title = {Creativity of Deep Learning: Conceptualization and Assessment},
author = {Marcus Basalla and Johannes Schneider and Jan vom Brocke},
journal= {arXiv preprint arXiv:2012.02282},
year = {2024}
}