人工智能系統如何學會創造性地思考

將一個AI系統 不斷創造藝術，可以相當于一人創作的作品?研究人員和藝術家們已經嘗試通過將創造力轉化為算法來找到答案。要回答這些嘗試是否可能產生藝術作品 - 音樂，詩歌，小說，視覺藝術 - 可以通過人類創造的作品，首先要了解人類創造力如何發揮作用。

雖然人類出現了理性思考和數學能力的潛力，但我們仍然需要教育才能充分發揮這些能力。因此，我們研究自然規律，邏輯謎題，道德困境等。然而，即使我們中最好的人做出奇怪的非理性決定，也屈服于我們的許多偏見之一。

另一方面，人類的情感，直覺和創造力只需要一點正式的訓練。每個孩子都會在沒有任何提示的情況下笑，哭，畫，創造，摧毀，質疑和探索，更不用說教育了。教育被用來塑造這些沖動，教導孩子控制他們的情緒，引導他們的創造力，并且更加精確和考慮地摧毀或創造。

計算機系統是完全不同的。他們擅長算法任務，但缺乏我們認為天生就是人類的大多數能力。他們當然可以毫秒來計算一個對于滿堂的數學家來說過于復雜的任務，但只是試著告訴電腦一個笑話或者播放一首情歌。

即使在人工智能正在快速發展的情況下，人工智能系統是否可以學習創造藝術仍是一個懸而未決的問題。然而，與創造力沒有直接關系的領域的進步表明它可能會發生。算法已經完成了人類設計的一些最困難的邏輯難題。人工智能系統正在接受理解語言的挑戰; 其他人打游戲是最好的人類玩家去和撲克 ; 現在他們走上街頭，證明他們作為司機有多安全。

其中許多技能距離創意本身只有很短的距離。特別是語言遵循規定的組織規則，同時也允許空間進行藝術追求，如講故事和詩歌。然而，雖然我們可能將音樂稱為“有組織的聲音”，將視覺藝術稱為“有組織的色彩”，但任何舊的組織都不會為人工智能產生的藝術作品實現最永恒的標準：藝術與資本“A”。

人類創造力的機制

鑒于這些心理過程的根本不同，人類大腦的邏輯和創造力都是有線的，這很有意思。邏輯以有序的方式運行在一系列規則和程序上。另一方面，創造力和直覺可能是混亂的，不過是直截了當的。

首先，我們應該承認至少有兩種形式的創造力。我們可以將激動人心的想法稱為“a-ha”創造力的一個例子。然后，當我們“在區域中”時，有創造力流動，讓我們的思維伸展和測試規則和規范，就像鋼琴家在即興獨奏時所做的那樣。在這兩種情況下，焦點和認知都站在一邊，讓情緒表達和潛意識自由得到掌控。

思緒飄遠，即放棄意識思維，讓心靈去的地方它選擇這樣做的精神狀態，一直掛到創作過程就不止一次。隨著流經它的圖像和想法觸及豐富和意想不到的東西，思緒在腦海中徘徊。與數學公式或邏輯結構不同，這些過程不容易以計算機形式重建。

早在對創造力進行正式的心理學研究之前，藝術家就已經開始了解思維游蕩的力量。當他坐在椅子上時，超現實主義畫家薩爾瓦多·達利曾經把鑰匙放在盤子上方的手中，意識到在睡覺前的那些幸福時刻，當奇怪的想法進入時，鑰匙會掉下來，叫醒他，然后離開他有了這些想法，他就可以使用了。

不是每個淋浴都值得被稱為創意。一些想法在第二天看起來很荒謬，一些音樂轉換只是簡單的不和諧。要獲得創造力，藝術狀態需要更微妙的東西。創作者必須先了解規則，才能有效地打破規則; 他們必須了解能夠創造他們所尋求的感覺，感覺或效果的方法。通過這種方式，他們在某種程度上將舊觀念引入新思想。藝術家以新的方式結合事物并從新的角度看待它們，但是使用我們已經熟悉的材料(顏色，短語，旋律)這樣做。

這支持了史蒂夫·喬布斯簡潔地說出的共同概念，即“創造力只是連接事物” - 盡管“正義”使它看起來比實際上容易得多。我們不能隨意連接任何東西并將其標記為創造性。它需要一個目的，一個點，無論是解決問題還是描繪一個想法。我們可以教AI系統將各種東西混合在一起(圖像，色調，單詞)，但我們能否以有意義，巧妙的方式讓它們這樣做?

嘗試人工創造力

不僅要弄清楚創造力是如何運作而是將其教授給智能機器的極端挑戰還沒有阻止研究人員嘗試。有許多AI系統的例子可以組成音樂，寫文章和創造視覺藝術。其中一些很難與人造藝術區分開來。

來自巴黎索尼計算機科學實驗室的Gaetan Hadjeres和Francois Pachet在Johann Sebastian Bach的合唱大合唱音樂中訓練他們的AI系統。正如麻省理工學院技術評論指出的那樣，選擇這些成分，“因為制作它們的過程是步驟式和算法的。”AI系統使用352個巴赫的合唱訓練，這些合唱被轉換成不同的鍵，共計2,503個成分。在制作自己的巴赫融合的合唱時，人工智能系統成功說服了1,600名聽眾中的一半以上 - 包括專業音樂家和音樂學生 - 和聲來自巴赫本人。

巴赫似乎沒有像詩歌那樣挑戰人工智能。在達特茅斯(Dartmouth)舉辦的一項競賽中，法官的任務是閱讀10首十四行詩，14行詩歌，并附有規定的押韻計劃。有些是由人寫的，有些是由機器寫的。在這種情況下，所有評委都能夠識別出人造組合物。

如何嘗試AI創作的小說?一位機器學習愛好者分享了關于在Medium上發布一個深度書寫神經網絡的介紹。他使用這種方法在哈利波特系列的前四本書中訓練深度學習算法并分享結果。雖然AI生成的小說是一個有趣的閱讀，JK羅琳幾乎不用擔心：

“馬爾福!”赫敏說。

哈利正在看著他。他看起來像馬克西姆夫人。當她走錯了樓梯去探望自己。

“我擔心我肯定會被停職，沒有機會 - 確實?”斯內普說。他把頭放回到他們后面，當他們越過一個角落，然后匆匆走到他們的墨水燈上，然后拿起他的勺子時，他們會看到他們。門鈴響了。倫敦的情況比較清潔。

在視覺藝術方面，AARON已經存在了一段時間。AARON的藝術家Harold Cohen的孩子出生于1973年，因為Cohen對計算機越來越感興趣并且他們不得不為自己畫畫。

在英國廣播公司關于智能機器的采訪中，科恩說AARON“已經變得足夠自主，可以打擾那個編寫該節目的人。”然而科恩否認AARON真的很有創意，相信該系統真正的創造力已經存在很多年了：“我不知道”否認有可能在未來的某個時刻，一臺機器可以制造接近藝術的東西 - 但它比在一個沒有司機的城市周圍駕駛汽車要復雜得多，而且它不會將于下周三甚至本世紀左右發生。“在AARON創作以來的幾年里，該系統已經制作了許多充滿活力的抽象畫作。

欣賞機器制造的藝術

一個重要問題仍然存在 我們如何看待智能機器生產的藝術?我們會欣賞創意和設計嗎?或者它看起來冷酷而遙遠，否認我們與它的情感聯系?

一派思想認為藝術的價值和意義獨立于其創造者而存在。另一方面，許多人認為藝術品背后的故事和藝術家的信息可以影響我們對藝術品的看法。您可以通過思考實驗來測試自己的視圖：想象一下，一位值得注意的藝術家站在一幅畫的前面。現在想象一下，這幅畫是偽造的，是原版的副本。你還能在其中找到樂趣嗎?如果每個畫筆筆劃，色調和細節都完全相同，你會同樣重視它嗎?

心理學家保羅·布魯姆在接受采訪時注意到人們最看重什么，當我們看到一個物體或一個人的臉時，“人們對它的評價......深受你告訴他們的事情的影響。”這個想法在一個實驗中得到證實。其中一位小提琴手在DC地鐵站播放一段音樂，并收集32美元的捐款。沒有被告知的是，小提琴家是約書亞貝爾，他已經錄制了30多張專輯并在白宮演出。貝爾正在演奏被認為是有史以來最具挑戰性的巴赫作品。就在幾天前，貝爾曾在波士頓的交響樂大廳里演奏這首曲子，票價超過100美元。如果他們知道所有這些，會有更多人停下來聽他演奏嗎?幾乎可以確定。然而音樂本來是一樣的。

創造力在一段時間內仍將是人類領域

就目前而言，創造力仍然是人類的事情。雖然這些人工智能嘗試在他們的藝術追求中是高尚的，但每個人仍然沒有達到我們自己的藝術家所設定的基準。音樂作品是最具說服力的文物，但卻是專門為他們的算法風格而選擇的。在大多數其他領域，算法顯示無法以有目的的方式破壞規則，通常堅持規范或組成不連貫的東西。沒有人知道數字畢加索何時會出現讓藝術界知名觀眾驚嘆不已。但有一件事是肯定的：隨著機器變得更聰明，更有能力，它們越來越接近實現真正的創造力。