面向机器创造力的人在回路方法
人机交互
2023-03-21 v1 人工智能
摘要
人工智能（AI）正日益被用于合成视觉、文本与音频内容。这些基于 AI 的作品通常源自神经网络，正作为数字绘画、歌曲、书籍等形式进入主流市场。我们对现有及未来面向创意应用的人在回路（HITL）方法进行概念化，以开发更具表现力、更细腻且多模态的模型。具体而言，我们作为策展人与协作者的专长如何以交互方式编码进 AI 模型？我们考察并推测了这些方法对模型、界面与机器创造力的长期影响。我们对 AI 艺术的选择、创作与解读 inherently 包含我们的情感反应、文化与语境。因此，所提出的 HITL 或可帮助算法学习那些难以形式化或量化的创造过程。我们设想多模态 HITL 流程，其中文本、视觉、声音及其他信息相互耦合，并辅以对人类与环境信息的自动分析。总体而言，这些 HITL 方法将增进人与 AI 的交互，从而助力未来 AI 系统更好地理解我们自身的创造与情感过程。
引用
@article{arxiv.2110.03569,
title = {Human in the Loop for Machine Creativity},
author = {Neo Christopher Chung},
journal= {arXiv preprint arXiv:2110.03569},
year = {2023}
}
备注
9th AAAI Conference on Human Computation and Crowdsourcing (HCOMP 2021), Blue Sky Ideas track