深度神经网络中艺术创造力的机制
机器学习
2019-07-02 v1 计算与语言
摘要
深度学习神经网络（DNNs）的生成能力正因它们所产生的非凡产物，也因它们的编程方式与其所作所为之间的巨大概念差异而吸引越来越多的关注。DNNs 是“黑箱”，其中高层行为未被显式编程，而是由数千或数百万简单计算元素的复杂交互中涌现。它们的行为常被以拟人化术语描述，这可能具误导性、看似神奇，或激起对机器变得“超越”人类的迫近奇点的恐惧。在本文中，我们考察与创造力相关的 5 种不同行为特征，并给出生成式深度学习架构中产生每种特征的机制实例。这 5 种特征均涌现自为其他目的（主要是分类）而构建的机制，而非为其所展现的创造性特征而建。这些创造性生成能力的机制因而展示出与计算感知过程的深刻亲缘性。通过理解这些不同行为如何产生，我们希望一方面去除拟人化描述中的神秘性，另一方面，从机器自身角度建立对机器式创造力的更深欣赏，以助其进一步发展。
引用
@article{arxiv.1907.00321,
title = {Mechanisms of Artistic Creativity in Deep Learning Neural Networks},
author = {Lonce Wyse},
journal= {arXiv preprint arXiv:1907.00321},
year = {2019}
}
备注
8 pages, International Conference on Computational Creativity, Charlotte, NC, USA. June, 2019