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なります。
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、人間の作成者が生成したデータに適切に適合できるという条件下では、AI が人間と同じくらい創造的であることを理論的に証明します。
したがって、AI の創造性に関する議論は、AI が十分な量のデータを適合させる能力の問題に帰着します。
この結論に達するために、この論文ではまず、相対的創造性と呼ばれる新しい概念を導入することによって、創造性を定義する際の複雑さに対処します。
私たちは、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。
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 (統計的創造性という用語) が可能になります。
AI の創造的能力を特定の人間グループの創造的能力と統計的に比較するこの概念は、AI の創造的可能性の理論的探求を容易にします。
私たちの分析により、生成条件を疎外することなく広範な条件データを当てはめることによって、AI が仮説上の新しい創造者として出現できることが明らかになりました。
創造者は、訓練を受けた人間の創造者と同等の創造的能力を持っています。
理論的発見に基づいて、大規模言語モデル (LLM) などの生成 AI モデルの創造的能力を評価するための実用的な手段を提供する、プロンプト条件付き自己回帰モデルでの応用について説明します。
さらに、この研究は、創造性の理論的な定量化と実践的なモデルのトレーニングを橋渡しする、実用的なトレーニング ガイドラインを提供します。

要約(オリジナル)

Creativity serves as a cornerstone for societal progress and innovation. 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. In this paper, we prove in theory that AI can be as creative as humans under the condition that it can properly fit the data generated by human creators. Therefore, the debate on AI’s creativity is reduced into the question of its ability to fit a sufficient amount of data. To arrive at this conclusion, this paper first addresses the complexities in defining creativity by introducing a new concept called Relative Creativity. Rather than attempting to define creativity universally, we shift the focus to whether AI can match the creative abilities of a hypothetical human. The methodological shift leads to a statistically quantifiable assessment of AI’s creativity, term Statistical Creativity. This concept, statistically comparing the creative abilities of AI with those of specific human groups, facilitates theoretical exploration of AI’s creative potential. Our analysis reveals that by fitting extensive conditional data without marginalizing out the generative conditions, AI can emerge as a hypothetical new creator. The creator possesses the same creative abilities on par with the human creators it was trained on. Building on theoretical findings, we discuss the application in prompt-conditioned autoregressive models, providing a practical means for evaluating creative abilities of generative AI models, such as Large Language Models (LLMs). Additionally, this study provides an actionable training guideline, bridging the theoretical quantification of creativity with practical model training.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google