在受认知启发的神经网络中探寻视觉表象与创造力的基本构件
神经元与认知
2021-12-14 v1
摘要
我们如何想象视觉对象并将其组合以创造新形式？为回答此问题，我们需要探索表象与创造力背后的认知、计算与神经机制。关于具有创造性行为的深度学习模型的研究正在增多。然而，本文我们认为，此类模型及其训练集的复杂性，阻碍了将它们用作理解人类创造力方面的工具。我们建议使用受神经与认知机制启发的、以较小数据集训练的更简单模型。我们展示了一个标准深度学习架构仅以符号编码作为输入，即可通过生成形状/颜色组合来表现表象。然而，生成模型未经验过的新组合是不可能的。我们讨论了此类模型的局限性，并解释如何通过纳入记忆机制将网络输出组合为新组合并用作新训练数据，从而嵌入创造力。
引用
@article{arxiv.2112.06832,
title = {Seeking the Building Blocks of Visual Imagery and Creativity in a Cognitively Inspired Neural Network},
author = {Shekoofeh Hedayati and Roger Beaty and Brad Wyble},
journal= {arXiv preprint arXiv:2112.06832},
year = {2021}
}