Can AI Be as Creative as Humans?

要約

創造性は社会の進歩と革新の基礎として機能しますが、その評価は依然として複雑で、多くの場合主観的な取り組みです。
かつては人間の創造性のために取られていたタスクを実行できる高度な生成 AI モデルの台頭により、AI の責任ある開発と応用のためには、AI の創造的可能性の研究が不可欠になっています。
この論文では、相対的創造性と呼ばれる新しい概念を導入することで、創造性の定義と評価における複雑さに対処します。
創造性を普遍的に定義しようとするのではなく、AI が仮想の人間の創造的能力に匹敵するかどうかに焦点を移します。
この視点はチューリング テストからインスピレーションを得て、それを拡張して創造性の評価に固有の課題と主観性に対処します。
この方法論の変化により、AI の創造性を統計的に定量化できる評価が容易になります。これを統計的創造性と呼びます。
このアプローチにより、AI の創造的能力と特定の人間グループの創造的能力を直接比較することが可能になります。
この基盤に基づいて、現代のプロンプト条件付き自己回帰モデルにおける統計的創造性の応用について説明します。
創造性の尺度を定義して分析することに加えて、創造性の理論的な定量化と実践的なモデル トレーニングの間のギャップを効果的に埋める、実用的なトレーニング ガイドラインを導入します。
これらの多面的な貢献を通じて、この論文は、AI モデルにおける統計的創造性を評価および促進するための、一貫性があり、継続的に進化し、変革的なフレームワークを確立します。

要約(オリジナル)

Creativity serves as a cornerstone for societal progress and innovation, but its assessment remains a complex and often subjective endeavor. With the rise of advanced generative AI models capable of tasks once reserved for human creativity, the study of AI’s creative potential becomes imperative for its responsible development and application. This paper addresses the complexities in defining and evaluating creativity by introducing a new concept called Relative Creativity. Instead of trying to define creativity universally, we shift the focus to whether AI can match the creative abilities of a hypothetical human. This perspective draws inspiration from the Turing Test, expanding upon it to address the challenges and subjectivities inherent in evaluating creativity. This methodological shift facilitates a statistically quantifiable evaluation of AI’s creativity, which we term Statistical Creativity. This approach allows for direct comparisons of AI’s creative abilities with those of specific human groups. Building on this foundation, we discuss the application of statistical creativity in contemporary prompt-conditioned autoregressive models. In addition to defining and analyzing a measure of creativity, we introduce an actionable training guideline, effectively bridging the gap between theoretical quantification of creativity and practical model training. Through these multifaceted contributions, the paper establishes a cohesive, continuously evolving, and transformative framework for assessing and fostering statistical creativity in AI models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google