Hispanopedia Wiki
Articulo de referencia

Creatividad computacional

Edmond de Belamy , una obra de arte generada por una red generativa antagónica y vendida en 2018 por 432.500 dólares. [ 1 ] La creatividad computacional (también conocida como c...

Hispanopedia WikiContenido en espanolLectura gratuita
Edmond de Belamy , una obra de arte generada por una red generativa antagónica y vendida en 2018 por 432.500 dólares. [ 1 ]

La creatividad computacional (también conocida como creatividad artificial , creatividad mecánica , computación creativa o computación creativa ) es un esfuerzo multidisciplinario que se ubica en la intersección de los campos de la inteligencia artificial , la psicología cognitiva , la filosofía y las artes (por ejemplo, el arte computacional como parte de la cultura computacional [ 2 ] ).

Se trata de la aplicación de sistemas informáticos para emular procesos creativos similares a los humanos, facilitando la generación de resultados artísticos y de diseño que imitan la innovación y la originalidad.

El objetivo de la creatividad computacional es modelar, simular o replicar la creatividad utilizando una computadora, para lograr uno de varios fines: [ 3 ]

  • Construir un programa o una computadora capaz de tener un nivel de creatividad similar al humano .
  • Para comprender mejor la creatividad humana y formular una perspectiva algorítmica sobre el comportamiento creativo en los seres humanos.
  • Diseñar programas que puedan potenciar la creatividad humana sin necesidad de ser creativos ellos mismos.

El campo de la creatividad computacional se ocupa de cuestiones teóricas y prácticas relacionadas con el estudio de la creatividad. El trabajo teórico sobre la naturaleza y la definición adecuada de la creatividad se realiza en paralelo con el trabajo práctico sobre la implementación de sistemas que exhiben creatividad, de manera que una línea de investigación influye en la otra.

La forma aplicada de creatividad computacional se conoce como síntesis de medios .

Cuestiones teóricas

Los enfoques teóricos se centran en la esencia de la creatividad. En particular, ¿en qué circunstancias se puede calificar de "creativo" un modelo si la creatividad eminente implica romper reglas o rechazar convenciones? Esta es una variante de la objeción de Ada Lovelace a la inteligencia artificial, retomada por teóricas modernas como Teresa Amabile . [ 4 ] Si una máquina solo puede hacer aquello para lo que fue programada, ¿cómo puede considerarse creativo su comportamiento ?

De hecho, no todos los teóricos de la computación estarían de acuerdo con la premisa de que las computadoras solo pueden hacer lo que están programadas para hacer [ 5 ] —un punto clave a favor de la creatividad computacional.

Definir la creatividad en términos computacionales

Dado que ninguna perspectiva o definición por sí sola parece ofrecer una imagen completa de la creatividad, los investigadores de IA Newell, Shaw y Simon [ 6 ] desarrollaron la combinación de novedad y utilidad como la piedra angular de una visión multifacética de la creatividad, que utiliza los siguientes cuatro criterios para categorizar una respuesta o solución dada como creativa:

  1. La respuesta es novedosa y útil (tanto para el individuo como para la sociedad).
  2. La respuesta exige que rechacemos ideas que habíamos aceptado previamente.
  3. La respuesta surge de una intensa motivación y persistencia.
  4. La respuesta surge de aclarar un problema que originalmente era vago.

Margaret Boden se centró en los dos primeros de estos criterios, argumentando en cambio que la creatividad (al menos cuando se pregunta si las computadoras podrían ser creativas) debería definirse como "la capacidad de generar ideas o artefactos que sean nuevos, sorprendentes y valiosos ". [ 7 ]

Mihaly Csikszentmihalyi argumentó que la creatividad debía considerarse en un contexto social, y su marco DIFI (Interacción Dominio-Individuo-Campo) ha influido notablemente en el campo. [ 8 ] En DIFI, un individuo produce obras cuya novedad y valor son evaluados por el campo —otras personas en la sociedad—, quienes brindan retroalimentación y, en última instancia, agregan la obra, ahora considerada creativa, al dominio de las obras sociales de las cuales un individuo podría verse influenciado posteriormente.

Si bien lo anterior refleja un enfoque descendente de la creatividad computacional, se ha desarrollado una línea alternativa entre los psicólogos computacionales ascendentes involucrados en la investigación de redes neuronales artificiales. Durante finales de la década de 1980 y principios de la de 1990, por ejemplo, dichos sistemas neuronales generativos fueron impulsados ​​por algoritmos genéticos . [ 9 ] Los experimentos que involucraron redes recurrentes [ 10 ] lograron hibridar melodías musicales simples y predecir las expectativas del oyente.

Evolución histórica de la creatividad computacional

El uso de procesos computacionales para generar artefactos creativos ha estado presente desde los albores de la historia. A finales del siglo XIX, se exploraron métodos para componer música de forma combinatoria, con la participación de figuras prominentes como Mozart, Bach, Haydn y Kiernberger. [ 11 ] Este enfoque se extendió a esfuerzos analíticos ya en 1934, cuando se construyeron modelos mecánicos simples para explorar la resolución de problemas matemáticos. [ 12 ] El interés profesional en el aspecto creativo de la computación también se abordó comúnmente en los primeros debates sobre inteligencia artificial. La Conferencia de Dartmouth de 1956 enumeró la creatividad, la invención y el descubrimiento como objetivos clave para la inteligencia artificial. [ 13 ]

A medida que el desarrollo de las computadoras permitió sistemas de mayor complejidad, en las décadas de 1970 y 1980 se inventaron los primeros sistemas que modelaban la creatividad mediante enfoques simbólicos o basados ​​en reglas. El campo de la narración creativa investigó varios de estos modelos. TALE-SPIN (1977) de Meehan generaba narrativas mediante la simulación de objetivos de personajes y árboles de decisión. AUTHOR (1981) de Dehn abordaba la generación simulando el proceso de un autor para crear una historia. [ 14 ] Más allá de la generación de narrativas, la creatividad computacional se expandió a los ámbitos artístico y científico.

La generación de imágenes artísticas fue una de las disciplinas que vislumbró el potencial de los artefactos generados mediante la creatividad computacional. Uno de los ejemplos más destacados fue AARON, de Harold Cohen, que producía arte a través de la composición y adaptación de figuras basadas en un amplio conjunto de reglas simbólicas y heurísticas para la composición visual. Algunos sistemas también abordaron la creatividad en la investigación científica. Se dice que BACON redescubrió leyes naturales como la Ley de Boyle y la Ley de Kepler mediante la comprobación de hipótesis en espacios confinados.

En la década de 1990, las técnicas de modelado se volvieron más adaptativas, intentando implementar reglas cognitivas creativas para la generación. MINSTREL (1993) de Turner introdujo los TRAM (Métodos de Transformación, Recuperación y Adaptación) para simular la reutilización creativa de material previo para la narración generativa. Mientras tanto, MEXICA (1999) de Pérez y Pérez modeló el proceso de escritura creativa utilizando ciclos de compromiso y reflexión. A medida que los sistemas incorporaban cada vez más modelos de evaluación interna, surgió otro enfoque que combinaba la generación simbólica con métricas de evaluación específicas del dominio, modelando pasos generativos y selectivos hacia la creatividad.

En el campo del humor generacional, el sistema JAPE (1994) generó adivinanzas basadas en juegos de palabras utilizando Prolog y WordNet, aplicando reglas de coincidencia de patrones simbólicos y una gran base de datos léxica (WordNet) para componer adivinanzas que involucran juegos de palabras. [ 15 ] WordNet es un sistema desarrollado por George Miller y su equipo en Princeton, su plataforma y las estructuras de mapeo de palabras inspiradas se han utilizado como la columna vertebral de varios programas de IA sintácticos y semánticos. Un sistema notable para la generación de música fue EMI (Experiments in Musical Intelligence) o Emmy de David Cope, que fue entrenado en los estilos de artistas como Bach, Beethoven o Chopin y generó piezas novedosas en su estilo a través de la abstracción y recomposición de patrones.

En la década de 2000 y posteriormente, el aprendizaje automático comenzó a influir en el diseño de sistemas creativos. Investigadores como Mihalcea y Strapparava entrenaron clasificadores para distinguir textos humorísticos de textos no humorísticos, utilizando características estilísticas y semánticas. Mientras tanto, enfoques computacionales personalizados llevaron a que sistemas de ajedrez como Deep Blue generaran estrategias de juego cuasi creativas mediante algoritmos de búsqueda y procesamiento paralelo restringido por reglas y patrones específicos para la evaluación. [ 16 ]

El desarrollo institucional de la creatividad computacional creció a la par de sus avances técnicos. Talleres especializados como el IJWCC surgieron en la década de 1990, a partir de conferencias interdisciplinarias centradas en la IA y la creatividad. A principios de la década de 2000, el campo se consolidó en torno a conferencias anuales como la Conferencia Internacional sobre Creatividad Computacional (ICCC). [ 17 ] Recientemente, con la llegada del aprendizaje profundo, los transformadores y el perfeccionamiento de las estructuras de aprendizaje automático, el ámbito de implementación de la creatividad computacional cuenta con nuevas herramientas para su desarrollo.

Aprendizaje automático para la creatividad computacional

Una imagen generada por un modelo de texto a imagen con la indicaciónphotograph of an astronaut riding a horse on moon

Mientras que los enfoques computacionales tradicionales de la creatividad se basan en la formulación explícita de prescripciones por parte de los desarrolladores y un cierto grado de aleatoriedad en los programas informáticos, los métodos de aprendizaje automático permiten que los programas informáticos aprendan sobre heurísticas a partir de datos de entrada, lo que posibilita capacidades creativas dentro de los programas informáticos. [ 18 ] En particular, las redes neuronales artificiales profundas permiten aprender patrones a partir de datos de entrada que permiten la generación no lineal de artefactos creativos. Antes de 1989, las redes neuronales artificiales se habían utilizado para modelar ciertos aspectos de la creatividad. Peter Todd (1989) primero entrenó una red neuronal para reproducir melodías musicales a partir de un conjunto de entrenamiento de piezas musicales. Luego utilizó un algoritmo de cambio para modificar los parámetros de entrada de la red. La red fue capaz de generar música nueva aleatoriamente de una manera altamente incontrolada. [ 10 ] [ 19 ] [ 20 ] En 1992, Todd [ 21 ] extendió este trabajo, utilizando el llamado enfoque del maestro distal que había sido desarrollado por Paul Munro, [ 22 ] Paul Werbos , [ 23 ] D. Nguyen y Bernard Widrow , [ 24 ] Michael I. Jordan y David Rumelhart . [ 25 ] En el nuevo enfoque, hay dos redes neuronales, una de las cuales proporciona patrones de entrenamiento a la otra. En trabajos posteriores de Todd, un compositor seleccionaría un conjunto de melodías que definen el espacio melódico, las posicionaría en un plano 2d con una interfaz gráfica basada en el ratón y entrenaría una red conexionista para producir esas melodías, y escucharía las nuevas melodías "interpoladas" que la red genera correspondientes a puntos intermedios en el plano 2d.

Modelos lingüísticos y alucinaciones

Los modelos de lenguaje como GPT y LSTM se utilizan para generar textos con fines creativos, como novelas y guiones. Estos modelos muestran alucinaciones de vez en cuando, donde materiales erróneos se presentan como hechos. Los creadores utilizan su tendencia alucinante para capturar resultados no intencionados. 1 the Road de Ross Goodwin , por ejemplo, utiliza un modelo LSTM entrenado con corpus literarios para generar una novela que hace referencia a En el camino de Jack Kerouac basándose en la entrada multimodal capturada por una cámara, un micrófono, el reloj interno de una computadora portátil y un GPS durante el viaje por carretera. [ 26 ] [ 27 ] Brian Merchant comentó sobre la novela como "poesía pixelada en su ensamblaje heterogéneo de imágenes estadounidenses modernas". [ 27 ] Oscar Sharp y Ross Goodwin crearon el cortometraje experimental de ciencia ficción Sunspring en 2016, escrito con un modelo LSTM, entrenado con sus guiones y películas de ciencia ficción de 1980-1990. [ 26 ] [ 28 ] Rodica Gotca criticó su falta general de enfoque en la narrativa y la intención de crear basándose en el trasfondo de la cultura humana. [ 26 ]

No obstante, los investigadores resaltan el lado positivo de la alucinación de los modelos de lenguaje para generar soluciones novedosas, dado que la corrección y la coherencia de la respuesta podrían controlarse. Jiang et al. proponen el modelo de flujo de divergencia-convergencia para aprovechar los efectos alucinatorios. Resumen los tipos de tales efectos en la investigación actual sobre alucinaciones de factualidad y alucinaciones de fidelidad, que pueden dividirse en clases más pequeñas como la fabricación de hechos y la inconsistencia de instrucciones. Mientras que la etapa de divergencia implica la generación de contenido potencialmente alucinatorio, la etapa de convergencia se centra en filtrar las alucinaciones que son útiles para el usuario con reconocimiento de intenciones y métricas de evaluación. [ 29 ]

Conceptos clave de la literatura

Algunos temas filosóficos y de alto nivel se repiten en todo el campo de la creatividad computacional, por ejemplo, los siguientes.

Categorías importantes de creatividad

Margaret Boden [ 7 ] [ 30 ] se refiere a la creatividad que es novedosa únicamente para el agente que la produce como "creatividad P" (o "creatividad psicológica"), y se refiere a la creatividad que es reconocida como novedosa por la sociedad en general como "creatividad H" (o "creatividad histórica").

Creatividad exploratoria y transformadora

Boden también distingue entre la creatividad que surge de la exploración dentro de un espacio conceptual establecido y la que surge de la transformación o trascendencia deliberada de dicho espacio. Denomina a la primera creatividad exploratoria y a la segunda creatividad transformacional , considerando esta última una forma de creatividad mucho más radical, desafiante y menos frecuente que la primera. Siguiendo los criterios de Newell y Simon, elaborados anteriormente, podemos observar que ambas formas de creatividad deberían producir resultados notablemente novedosos y útiles (criterio 1), pero la creatividad exploratoria tiene más probabilidades de surgir de una búsqueda exhaustiva y persistente en un espacio bien conocido (criterio 3), mientras que la creatividad transformacional debería implicar el rechazo de algunas de las limitaciones que definen este espacio (criterio 2) o de algunos de los supuestos que definen el problema en sí (criterio 4). Las ideas de Boden han guiado el trabajo en creatividad computacional a un nivel muy general, proporcionando más una referencia inspiradora para el desarrollo que un marco técnico de contenido algorítmico. Sin embargo, las ideas de Boden también son objeto de formalización, sobre todo en la obra de Geraint Wiggins. [ 31 ]

Generación y evaluación

El criterio de que los productos creativos deben ser novedosos y útiles implica que los sistemas computacionales creativos suelen estructurarse en dos fases: generación y evaluación. En la primera fase, se generan constructos novedosos (para el propio sistema, es decir, P-Creativos); los constructos no originales que ya conoce el sistema se filtran en esta etapa. Este conjunto de constructos potencialmente creativos se evalúa para determinar cuáles son significativos y útiles y cuáles no. Esta estructura de dos fases se ajusta al modelo Geneplore de Finke, Ward y Smith [ 32 ] , un modelo psicológico de generación creativa basado en la observación empírica de la creatividad humana.

Jordanous y Keller enfatizan la necesidad de un «modelo de creatividad manejable y bien articulado». Extrajeron 694 palabras relacionadas con la creatividad de un corpus de estudios empíricos en psicología e investigación sobre la creatividad que abarca 60 años y las agruparon según su similitud léxica. Como resultado, identificaron 14 componentes clave de la creatividad, que forman la base del marco «Procedimiento estandarizado para evaluar sistemas creativos» (SPECS). Estos componentes incluyen aspectos como «manejar la incertidumbre», «independencia y libertad», «interacción social y comunicación» y «espontaneidad y procesamiento subconsciente». [ 33 ]

Cocreación

Si bien gran parte de la investigación sobre creatividad computacional se centra en la generación de creatividad independiente y automática basada en máquinas, muchos investigadores se inclinan hacia un enfoque colaborativo. [ 34 ] Esta interacción humano-computadora a veces se clasifica dentro del desarrollo de herramientas de apoyo a la creatividad. Estos sistemas buscan proporcionar un marco ideal para la investigación, la integración, la toma de decisiones y la generación de ideas. [ 35 ] [ 36 ] Recientemente, los enfoques de aprendizaje profundo para el procesamiento de imágenes, sonido y lenguaje natural dieron como resultado el modelado de marcos de desarrollo de creatividad productiva. [ 37 ] [ 38 ]

Innovación

La creatividad computacional se discute cada vez más en la literatura sobre innovación y gestión, ya que el reciente desarrollo de la IA puede alterar procesos de innovación completos y cambiar fundamentalmente la forma en que se crearán las innovaciones. [ 39 ] [ 37 ] Philip Hutchinson [ 34 ] destaca la relevancia de la creatividad computacional para la creación de innovación e introdujo el concepto de "inteligencia artificial auto-innovadora" (IAS) para describir cómo las empresas utilizan la IA en los procesos de innovación para mejorar sus ofertas innovadoras. La IAS se define como la utilización organizacional de la IA con el objetivo de avanzar incrementalmente los productos existentes o desarrollar nuevos, basándose en los conocimientos obtenidos al combinar y analizar continuamente múltiples fuentes de datos. A medida que la IA se convierte en una tecnología de propósito general , el espectro de productos que se desarrollarán con IAS se ampliará de simples a cada vez más complejos. Esto implica que la creatividad computacional conduce a un cambio en las habilidades relacionadas con la creatividad en los seres humanos.

Veale y Pérez y Pérez consideran que la "innovación óptima" propuesta por Giora et al. constituye una base útil para el desarrollo de la creatividad computacional. [ 40 ] El experimento de Giora et al. pide a los participantes que califiquen el placer y la familiaridad de estímulos verbales (p. ej., cuerpo y alma frente a cuerpo y suela) y estímulos no verbales (p. ej., una paloma de la paz frente a una paloma de la paz en posición vertical que parece una mano saludando). Revela que los estímulos agradables deben ser innovadores, preservando al mismo tiempo el significado esencial de la forma literal. Veale y Pérez y Pérez destacan la necesidad de desarrollar sistemas computacionales que capturen cómo cambia el significado debido a cambios formales. [ 41 ]

Creatividad combinatoria

Gran parte, tal vez toda, de la creatividad humana puede entenderse como una combinación novedosa de ideas u objetos preexistentes. [ 42 ] Las estrategias comunes para la creatividad combinatoria incluyen:

  • Colocar un objeto familiar en un entorno desconocido (por ejemplo, la Fuente de Marcel Duchamp ) o un objeto desconocido en un entorno familiar (por ejemplo, una historia de un pez fuera del agua como Los Beverly Hillbillies ).
  • Combinar dos objetos o géneros superficialmente diferentes (por ejemplo, una historia de ciencia ficción ambientada en el Salvaje Oeste , con vaqueros robot, como en Westworld , o lo contrario, como en Firefly ; poemas haiku japoneses , etc.).
  • Comparar un objeto familiar con un concepto superficialmente no relacionado y semánticamente distante (por ejemplo, "El maquillaje es el burka occidental "; "Un zoológico es una galería con exhibiciones vivientes").
  • Agregar una característica nueva e inesperada a un concepto existente (por ejemplo, agregar un bisturí a una navaja suiza ; agregar una cámara a un teléfono móvil ).
  • Comprimir dos escenarios incongruentes en una misma narrativa para hacer un chiste (por ejemplo, el chiste de Emo Philips : "Las mujeres siempre usan a los hombres para avanzar en sus carreras. ¡Malditos antropólogos!").
  • Utilizar una imagen icónica de un dominio dentro de otro dominio para una idea o producto no relacionado o incongruente (por ejemplo, usar la imagen del Hombre Marlboro para vender automóviles o para publicitar los peligros de la impotencia relacionada con el tabaquismo).

La perspectiva combinatoria nos permite modelar la creatividad como un proceso de búsqueda en el espacio de combinaciones posibles. Estas combinaciones pueden surgir de la composición o concatenación de diferentes representaciones, o mediante una transformación estocástica o basada en reglas de representaciones iniciales e intermedias. Los algoritmos genéticos y las redes neuronales pueden utilizarse para generar representaciones combinadas o de cruce que capturen una combinación de diferentes entradas.

Fusión conceptual

Mark Turner y Gilles Fauconnier [ 43 ] [ 44 ] proponen un modelo llamado Redes de Integración Conceptual que profundiza en las ideas de Arthur Koestler sobre la creatividad [ 45 ] así como en el trabajo de Lakoff y Johnson, [ 46 ] al sintetizar ideas de la investigación de la Lingüística Cognitiva sobre espacios mentales y metáforas conceptuales . Su modelo básico define una red de integración como cuatro espacios conectados:

  • Un primer espacio de entrada (contiene una estructura conceptual o espacio mental)
  • Un segundo espacio de entrada (que se combinará con la primera entrada).
  • Un espacio genérico de convenciones de stock y esquemas de imágenes que permiten comprender los espacios de entrada desde una perspectiva integrada.
  • Un espacio de fusión en el que se combinan una proyección seleccionada de elementos de ambos espacios de entrada; las inferencias que surgen de esta combinación también residen aquí, lo que a veces da lugar a estructuras emergentes que entran en conflicto con las entradas.

Fauconnier y Turner describen un conjunto de principios de optimización que, según afirman, guían la construcción de una red de integración bien formada. En esencia, conciben la fusión como un mecanismo de compresión en el que dos o más estructuras de entrada se comprimen en una única estructura de fusión. Esta compresión opera a nivel de relaciones conceptuales. Por ejemplo, una serie de relaciones de similitud entre los espacios de entrada pueden comprimirse en una única relación de identidad dentro de la fusión.

Se ha logrado cierto éxito computacional con el modelo de fusión mediante la extensión de modelos computacionales preexistentes de mapeo analógico que son compatibles en virtud de su énfasis en estructuras semánticas conectadas. [ 47 ] En 2006, Francisco Câmara Pereira [ 48 ] presentó una implementación de la teoría de fusión que emplea ideas tanto de la IA simbólica como de los algoritmos genéticos para realizar algunos aspectos de la teoría de fusión de forma práctica; sus dominios de ejemplo abarcan desde lo lingüístico hasta lo visual, y este último incluye, de manera más notable, la creación de monstruos míticos mediante la combinación de modelos gráficos 3D.

Escritura asistida por IA como método de curación.

Uno de los primeros intentos de proporcionar un marco teórico-literario para la escritura asistida por IA fue realizado por Luciano Floridi en 2025. En su modelo de «Escritura a Distancia», el autor funciona como diseñador y curador que desarrolla estructuras narrativas en lugar de formular el texto manualmente. Mediante la selección iterativa y la «mayéutica socrática» (inspiración), el humano dirige la máquina, asumiendo así la plena responsabilidad intelectual del diseño de la obra resultante. [ 49 ] [ 50 ] El marco de Floridi tiene un antecedente anterior al LLM en las artes visuales: la Postproducción (2002) de Nicolas Bourriaud había argumentado que los artistas funcionan cada vez más como programadores y navegadores de material cultural preexistente en lugar de como creadores originales, una lógica que Floridi transfiere, con una elaboración teórica sustancial, al contexto de la producción literaria asistida por IA. [ 51 ] El término de Floridi, «escritura distante», se acuña en analogía explícita con la «lectura distante» de Franco Moretti —entendida en su sentido posterior, con connotaciones computacionales— que había reformulado el análisis literario como el estudio a gran escala, asistido por algoritmos, de corpus textuales. [ 52 ]

Creatividad lingüística

El lenguaje ofrece una oportunidad continua para la creatividad, evidente en la generación de oraciones, frases, juegos de palabras , neologismos , rimas , alusiones , sarcasmo , ironía , símiles , metáforas , analogías , ocurrencias y chistes novedosos . [ 53 ] Los hablantes nativos de lenguas morfológicamente ricas crean con frecuencia nuevas formas de palabras que se entienden fácilmente, y algunas han llegado al diccionario. [ 54 ] El área de la generación de lenguaje natural ha sido bien estudiada, pero estos aspectos creativos del lenguaje cotidiano aún no se han incorporado con solidez ni a gran escala.

Hipótesis de patrones creativos

En la obra fundamental del lingüista aplicado Ronald Carter, se plantearon dos tipos principales de creatividad que involucran palabras y patrones de palabras: la creatividad reformadora de patrones y la creatividad formadora de patrones. [ 53 ] La creatividad reformadora de patrones se refiere a la creatividad mediante la ruptura de reglas, la reforma y la remodelación de patrones del lenguaje, a menudo a través de la innovación individual, mientras que la creatividad formadora de patrones se refiere a la creatividad mediante la conformidad con las reglas del lenguaje en lugar de romperlas, creando convergencia, simetría y mayor reciprocidad entre los interlocutores a través de sus interacciones en forma de repeticiones. [ 55 ]

Generación de historias

Se ha realizado un trabajo sustancial en esta área de creación lingüística desde la década de 1970, con el desarrollo del sistema TALE-SPIN de James Meehan [ 56 ] . TALE-SPIN consideraba las historias como descripciones narrativas de un esfuerzo de resolución de problemas, y creaba historias estableciendo primero un objetivo para los personajes de la historia para que su búsqueda de una solución pudiera ser rastreada y registrada. El sistema MINSTREL [ 57 ] representa una elaboración compleja de este enfoque básico, distinguiendo una gama de objetivos a nivel de personaje en la historia de una gama de objetivos a nivel de autor para la historia. Sistemas como BRUTUS de Bringsjord [ 58 ] elaboran aún más estas ideas para crear historias con temas interpersonales complejos como la traición. No obstante, MINSTREL modela explícitamente el proceso creativo con un conjunto de Métodos de Transformación, Recuperación y Adaptación (TRAMs) para crear escenas novedosas a partir de antiguas. El modelo MEXICA [ 59 ] de Rafael Pérez y Pérez y Mike Sharples está más explícitamente interesado en el proceso creativo de la narración de historias e implementa una versión del modelo cognitivo de compromiso-reflexión de la escritura creativa.

Metáfora y símil

Ejemplo de metáfora: "Era un mono".

Ejemplo de un símil: "Se sentía como una manta de piel de tigre ". El estudio computacional de estos fenómenos se ha centrado principalmente en la interpretación como un proceso basado en el conocimiento. Computacionalistas como Yorick Wilks , James Martin, [ 60 ] Dan Fass, John Barnden, [ 61 ] y Mark Lee han desarrollado enfoques basados ​​en el conocimiento para el procesamiento de metáforas, ya sea a nivel lingüístico o lógico. Tony Veale y Yanfen Hao han desarrollado un sistema, llamado Sardonicus, que adquiere una base de datos completa de símiles explícitos de la web; estos símiles se etiquetan como genuinos (por ejemplo, "tan duro como el acero") o irónicos (por ejemplo, "tan peludo como una bola de bolos ", "tan agradable como un tratamiento de conducto "); los símiles de cualquier tipo se pueden recuperar bajo demanda para cualquier adjetivo dado. Utilizan estos símiles como base de un sistema de generación de metáforas en línea llamado Aristóteles [ 62 ] que puede sugerir metáforas léxicas para un objetivo descriptivo dado (por ejemplo, para describir a una supermodelo como delgada, se sugieren los términos fuente "lápiz", "látigo", " galgo ", "cuerda", " insecto palo " y "serpiente").

Analogía

El proceso de razonamiento analógico se ha estudiado desde una perspectiva de mapeo y de recuperación, siendo esta última clave para la generación de analogías novedosas. La escuela de investigación dominante, tal como la avanzó Dedre Gentner , ve la analogía como un proceso que preserva la estructura; esta visión se ha implementado en el motor de mapeo de estructuras o SME, [ 63 ] el motor de recuperación MAC/FAC (Many Are Called, Few Are Chosen), ACME ( Analogical Constraint Mapping Engine ) y ARCS ( Analogical Retrieval Constraint System ). Otros enfoques basados ​​en el mapeo incluyen Sapper, [ 47 ] que sitúa el proceso de mapeo en un modelo de red semántica de memoria. La analogía es un área muy activa de computación creativa y cognición creativa; figuras activas en esta área incluyen a Douglas Hofstadter , Paul Thagard y Keith Holyoak . También es digno de mención aquí el enfoque de aprendizaje automático de Peter Turney y Michael Littman para la resolución de problemas de analogía de estilo SAT ; Su método logra una puntuación comparable a la media de las puntuaciones obtenidas por los humanos en estas pruebas.

Generación de bromas

El humor es un proceso particularmente ávido de conocimiento, y los sistemas de generación de chistes más exitosos hasta la fecha se han centrado en la generación de juegos de palabras, como lo ejemplifica el trabajo de Kim Binsted y Graeme Ritchie. [ 64 ] Este trabajo incluye el sistema JAPE , que puede generar una amplia gama de juegos de palabras que son evaluados consistentemente como novedosos y graciosos por niños pequeños. Se ha desarrollado una versión mejorada de JAPE bajo la forma del sistema STANDUP, que se ha implementado experimentalmente como un medio para mejorar la interacción lingüística con niños con discapacidades de comunicación. Se ha logrado un progreso limitado en la generación de humor que involucra otros aspectos del lenguaje natural, como la mala interpretación deliberada de la referencia pronominal (en el trabajo de Hans Wim Tinholt y Anton Nijholt), así como en la generación de acrónimos humorísticos en el sistema HAHAcronym [ 65 ] de Oliviero Stock y Carlo Strapparava.

Neologismo

La fusión de múltiples formas de palabras es una fuerza dominante en la creación de nuevas palabras en el lenguaje; estas nuevas palabras se denominan comúnmente "combinaciones" o " palabras compuestas " (siguiendo a Lewis Carroll ). Tony Veale ha desarrollado un sistema llamado ZeitGeist [ 66 ] que extrae neologismos de Wikipedia y los interpreta en relación con su contexto local en Wikipedia y con sentidos específicos de palabras en WordNet . ZeitGeist se ha ampliado para generar sus propios neologismos; el enfoque combina elementos de un inventario de partes de palabras extraídas de WordNet y, simultáneamente, determina posibles glosas para estas nuevas palabras (por ejemplo, "viajero gastronómico" para "gastronauta" y "viajero del tiempo" para " crononauta "). Luego, utiliza la búsqueda web para determinar qué glosas son significativas y qué neologismos no se han utilizado antes; esta búsqueda identifica el subconjunto de palabras generadas que son a la vez novedosas ("H-creativas") y útiles.

También se ha demostrado que es posible un enfoque lingüístico de corpus para la búsqueda y extracción de neologismos . Utilizando el Corpus de Inglés Americano Contemporáneo como corpus de referencia, Locky Law realizó una extracción de neologismos , palabras compuestas y palabras de jerga utilizando el hapax legomena que apareció en los guiones del drama televisivo estadounidense House MD [ 67 ].

En cuanto a la investigación lingüística sobre neologismos, Stefan Th. Gries realizó un análisis cuantitativo de la estructura de las combinaciones de palabras en inglés y descubrió que «el grado de reconocibilidad de las palabras de origen y la similitud de estas con la combinación desempeñan un papel fundamental en su formación». Los resultados se validaron mediante una comparación de combinaciones intencionales con combinaciones producto de errores del habla. [ 68 ]

Poesía

Más que hierro, más que plomo, más que oro, necesito electricidad. La necesito más que cordero, cerdo, lechuga o pepino. La necesito para mis sueños.

— Racter, de La barba del policía está medio construida

Al igual que los chistes, los poemas implican una interacción compleja de diferentes restricciones, y ningún generador de poemas de propósito general combina adecuadamente el significado, la fraseología, la estructura y los aspectos de rima de la poesía. No obstante, Pablo Gervás [ 69 ] ha desarrollado un sistema notable llamado ASPERA que emplea un enfoque de razonamiento basado en casos (RBC) para generar formulaciones poéticas de un texto de entrada dado a través de una composición de fragmentos poéticos que se recuperan de una base de casos de poemas existentes. Cada fragmento de poema en la base de casos de ASPERA está anotado con una cadena de prosa que expresa el significado del fragmento, y esta cadena de prosa se utiliza como clave de recuperación para cada fragmento. Luego se utilizan reglas métricas para combinar estos fragmentos en una estructura poética bien formada. Racter es un ejemplo de un proyecto de software de este tipo. Los LLM se han aplicado a la poesía desde finales de la década de 2010. En otoño de 2020, The Poetry Review (ISSN 0032-2156) publicó "50% Humano: Una entrevista poética con agentes de IA" de Ariel Klein, un artículo poético generado/asistido por LLM y una de las primeras instancias verificadas de poesía LLM en una importante revista literaria; [ 70 ] [ 71 ] publicaciones comerciales posteriores como Pharmako-AI (2020) de K. Allado-McDowell y I Am Code: An Artificial Intelligence Speaks: Poems (2023) llevaron la poesía escrita por LLM a un público más amplio. [ 72 ] [ 73 ]

Creatividad musical

La creatividad computacional en el ámbito musical se ha centrado tanto en la generación de partituras para músicos humanos como en la generación de música para su interpretación por ordenadores. El ámbito de la generación ha incluido la música clásica (con software que genera música al estilo de Mozart y Bach ) y el jazz . [ 74 ] En particular, David Cope [ 75 ] ha desarrollado un sistema de software llamado "Experiments in Musical Intelligence" (o "EMI") [ 76 ] capaz de analizar y generalizar a partir de música existente de un compositor humano para generar composiciones musicales novedosas del mismo estilo. El resultado de EMI es lo suficientemente convincente como para persuadir a los oyentes humanos de que su música ha sido generada por humanos con un alto nivel de competencia. [ 77 ]

En el campo de la música clásica contemporánea, Iamus es la primera computadora que compone desde cero y produce partituras finales que pueden ser interpretadas por músicos profesionales. La Orquesta Sinfónica de Londres interpretó una pieza para orquesta completa, incluida en el CD debut de Iamus , [ 78 ] que New Scientist describió como "La primera obra importante compuesta por una computadora e interpretada por una orquesta completa". [ 79 ] Melomics , la tecnología detrás de Iamus, es capaz de generar piezas en diferentes estilos musicales con un nivel de calidad similar.

La investigación sobre la creatividad en el jazz se ha centrado en el proceso de improvisación y las exigencias cognitivas que esto impone a un agente musical: razonar sobre el tiempo, recordar y conceptualizar lo que ya se ha tocado y planificar lo que podría tocarse a continuación. [ 80 ] El robot Shimon, desarrollado por Gil Weinberg del Instituto Tecnológico de Georgia, ha demostrado la improvisación de jazz. [ 81 ] El software de improvisación virtual basado en investigaciones sobre modelado estilístico realizadas por Gerard Assayag y Shlomo Dubnov, que incluye OMax, SoMax y PyOracle, se utiliza para crear improvisaciones en tiempo real reinyectando secuencias de longitud variable aprendidas sobre la marcha del intérprete en vivo. [ 82 ]

En el campo de la composición musical, las obras patentadas [ 83 ] de René-Louis Baron permitieron crear un robot capaz de componer e interpretar multitud de melodías orquestadas, denominadas «coherentes», en cualquier estilo musical. Todos los parámetros físicos externos, asociados a uno o más parámetros musicales específicos, pueden influir y desarrollar cada una de estas canciones (en tiempo real, mientras se escucha la canción). La invención patentada Medal-Composer plantea problemas de derechos de autor.

Creatividad visual y artística

La creatividad computacional en la generación de arte visual ha tenido éxitos notables tanto en la creación de arte abstracto como figurativo. Un programa reconocido en este ámbito es AARON , de Harold Cohen [ 84 ] , que se ha desarrollado y ampliado continuamente desde 1973. Aunque sigue una fórmula predefinida, Aaron ofrece una variedad de resultados, generando dibujos en blanco y negro o pinturas a color que incorporan figuras humanas (como bailarines), plantas en macetas, rocas y otros elementos de fondo. Estas imágenes tienen la calidad suficiente para ser exhibidas en galerías de prestigio.

Entre otros artistas de software destacados se encuentra el sistema NEvAr (acrónimo de " Arte Neuroevolutivo ") de Penousal Machado. [ 85 ] NEvAr utiliza un algoritmo genético para derivar una función matemática que luego se emplea para generar una superficie tridimensional coloreada. Un usuario humano puede seleccionar las mejores imágenes después de cada fase del algoritmo genético, y estas preferencias se utilizan para guiar las fases sucesivas, dirigiendo así la búsqueda de NEvAr hacia las zonas del espacio de búsqueda que resultan más atractivas para el usuario.

El programa Painting Fool , desarrollado por Simon Colton, se originó como un sistema para pintar sobre imágenes digitales de una escena dada, utilizando diferentes estilos de pintura, paletas de colores y tipos de pincel. Debido a su dependencia de una imagen de entrada, las primeras versiones de Painting Fool plantearon dudas sobre el alcance de la creatividad en unsistema de arte computacional . Sin embargo, Painting Fool se ha ampliado para crear imágenes novedosas, al igual que AARON , a partir de su propia imaginación limitada. Entre las imágenes de este tipo se incluyen paisajes urbanos y bosques, generados mediante un proceso de satisfacción de restricciones a partir de escenarios básicos proporcionados por el usuario (por ejemplo, estos escenarios permiten al sistema inferir que los objetos más cercanos al plano de visualización deberían ser más grandes y tener mayor saturación de color, mientras que los más lejanos deberían estar menos saturados y parecer más pequeños). Artísticamente, las imágenes creadas actualmente por Painting Fool parecen estar a la par con las creadas por Aaron, aunque los mecanismos extensibles empleados por el primero (satisfacción de restricciones, etc.) podrían permitirle desarrollarse hasta convertirse en un pintor más elaborado y sofisticado.

La artista Krasi Dimtch (Krasimira Dimtchevska) y el desarrollador de software Svillen Ranev han creado un sistema computacional que combina un generador de oraciones en inglés basado en reglas y un constructor de composiciones visuales que convierte las oraciones generadas por el sistema en arte abstracto. [ 86 ] El software genera automáticamente un número indefinido de imágenes diferentes utilizando distintas paletas de color, forma y tamaño. El software también permite al usuario seleccionar el tema de las oraciones generadas y/o una o más de las paletas utilizadas por el constructor de composiciones visuales.

Un área emergente de creatividad computacional es la de los videojuegos . ANGELINA es un sistema para el desarrollo creativo de videojuegos en Java, creado por Michael Cook. Un aspecto importante es Mechanic Miner, un sistema que puede generar segmentos cortos de código que funcionan como mecánicas de juego simples. [ 87 ] ANGELINA puede evaluar la utilidad de estas mecánicas jugando niveles de juego simples e irresolubles y comprobando si la nueva mecánica hace que el nivel sea resoluble. A veces, Mechanic Miner descubre errores en el código y los aprovecha para crear nuevas mecánicas que permitan al jugador resolver problemas. [ 88 ]

En julio de 2015, Google lanzó DeepDream , un programa de visión artificial de código abierto [ 89 ] , creado para detectar rostros y otros patrones en imágenes con el objetivo de clasificar automáticamente las imágenes, que utiliza una red neuronal convolucional para encontrar y realzar patrones en imágenes a través de pareidolia algorítmica , creando así una apariencia psicodélica onírica en las imágenes deliberadamente sobreprocesadas. [ 90 ] [ 91 ] [ 92 ]

En agosto de 2015, investigadores de Tubinga, Alemania, crearon una red neuronal convolucional que utiliza representaciones neuronales para separar y recombinar el contenido y el estilo de imágenes arbitrarias, capaz de transformar imágenes en imitaciones estilísticas de obras de arte de artistas como Picasso o Van Gogh en aproximadamente una hora. Su algoritmo se implementó en el sitio web DeepArt , que permite a los usuarios crear imágenes artísticas únicas mediante dicho algoritmo. [ 93 ] [ 94 ] [ 95 ] [ 96 ]

A principios de 2016, un equipo global de investigadores explicó cómo un nuevo enfoque de creatividad computacional conocido como Sustrato Neuronal Sináptico Digital (DSNS) podría utilizarse para generar problemas de ajedrez originales que no se derivaran de bases de datos de finales. [ 97 ] El DSNS es capaz de combinar características de diferentes objetos (por ejemplo, problemas de ajedrez, pinturas, música) utilizando métodos estocásticos para derivar nuevas especificaciones de características que pueden utilizarse para generar objetos en cualquiera de los dominios originales. Los problemas de ajedrez generados también se han publicado en YouTube. [ 98 ]

Creatividad en la resolución de problemas

La creatividad también es útil para permitir soluciones inusuales en la resolución de problemas . En psicología y ciencias cognitivas , esta área de investigación se llama resolución creativa de problemas . La teoría de la Interacción Explícita-Implícita (EII) de la creatividad se ha implementado utilizando un modelo computacional basado en CLARION que permite la simulación de la incubación y la intuición en la resolución de problemas. [ 99 ] El énfasis de este proyecto de creatividad computacional no está en el rendimiento per se (como en los proyectos de inteligencia artificial ) sino más bien en la explicación de los procesos psicológicos que conducen a la creatividad humana y la reproducción de datos recopilados en experimentos de psicología. Hasta ahora, este proyecto ha tenido éxito en proporcionar una explicación de los efectos de incubación en experimentos de memoria simples, la intuición en la resolución de problemas y la reproducción del efecto de enmascaramiento en la resolución de problemas.

Crítica a la creatividad computacional

Las computadoras tradicionales, utilizadas principalmente en aplicaciones de creatividad computacional, no fomentan la creatividad, ya que transforman fundamentalmente un conjunto de parámetros de entrada discretos y limitados en un conjunto de parámetros de salida discretos y limitados mediante un conjunto limitado de funciones computacionales. Por lo tanto, una computadora no puede ser creativa, puesto que todo lo que se encuentra en la salida debe haber estado presente previamente en los datos de entrada o en los algoritmos. En el trabajo sobre los fundamentos filosóficos de la simulación se recogen discusiones y referencias relacionadas. [ 100 ]

Matemáticamente, Chaitin ha presentado el mismo conjunto de argumentos contra la creatividad. [ 101 ] Desde la perspectiva de la Teoría de Modelos, se hacen observaciones similares. Toda esta crítica subraya que la creatividad computacional es útil y puede parecer creatividad, pero no es creatividad real, ya que no se crea nada nuevo, sino que simplemente se transforma en algoritmos bien definidos.

Según investigadores como Mark Riedl, la creatividad humana y la creatividad computacional, en su estado actual, difieren en varias dimensiones. Si bien la creatividad puede considerarse en el contexto de la moralidad, Riedl considera que el aspecto "educativo y moralizante" de las historias es uno de los desafíos para el desarrollo de modelos de IA generadores de narrativas, lo que puede contribuir a la coherencia del razonamiento subyacente del texto. [ 26 ] La falta de intencionalidad en los modelos de IA les impide tomar decisiones moralmente responsables, que suelen aparecer en la creatividad humana. [ 102 ]

Michele Loi y Eleonora Vigano identificaron algunas amenazas potenciales para la creatividad humana causadas por el desarrollo de la IA. Por ejemplo, consideraron la apertura a los "experimentos de la vida", introducida por John Stuart Mill , como un factor importante en la creatividad. La excesiva dependencia de la sociedad en los algoritmos para la toma de decisiones limitaría las funciones de utilidad , lo que podría desalentar a las personas a explorar soluciones más arriesgadas y disminuir la diversidad de la exploración y, por ende, la creatividad. [ 103 ]

Eventos

La Conferencia Internacional sobre Creatividad Computacional (ICCC) se celebra anualmente y está organizada por la Asociación para la Creatividad Computacional. [ 104 ] Los eventos de la serie incluyen:

  • ICCC 2023: Universidad de Waterloo en Ontario, Canadá
  • ICCC 2022: Universidad Libre de Bozen-Bolzano, Bolzano, Italia
  • ICCC 2021: Ciudad de México, México (virtual debido a la pandemia de COVID-19 )
  • ICCC 2020, Coimbra, Portugal (Virtual debido a la pandemia de COVID-19 ) [ 105 ]
  • ICCC 2019, Charlotte, Carolina del Norte, EE. UU. [ 106 ]
  • ICCC 2018, Salamanca, España
  • ICCC 2017, Atlanta, Georgia, EE. UU.
  • ICCC 2016, París, Francia
  • ICCC 2015, Park City, Utah, EE. UU. Ponencia principal: Emily Short
  • ICCC 2014, Liubliana, Eslovenia. Conferencia magistral: Oliver Deussen
  • ICCC 2013, Sídney, Australia. Ponente principal: Arne Dietrich
  • ICCC 2012, Dublín, Irlanda. Ponente principal: Steven Smith
  • ICCC 2011, Ciudad de México, México. Ponente principal: George E. Lewis
  • ICCC 2010, Lisboa, Portugal. Conferencias magistrales/Ponencias invitadas: Nancy J. Nersessian y Mary Lou Maher.

Anteriormente, la comunidad de creatividad computacional ha celebrado un taller especializado, el Taller Conjunto Internacional sobre Creatividad Computacional, cada año desde 1999. Los eventos anteriores de esta serie incluyen:

  • IJWCC 2003, Acapulco, México, como parte de IJCAI'2003
  • IJWCC 2004, Madrid, España, en el marco de ECCBR'2004
  • IJWCC 2005, Edimburgo, Reino Unido, como parte de IJCAI'2005
  • IJWCC 2006, Riva del Garda, Italia, como parte de ECAI'2006
  • IJWCC 2007, Londres, Reino Unido, un evento independiente.
  • IJWCC 2008, Madrid, España, un evento independiente.

Se celebrará la 1ª Conferencia sobre Simulación por Ordenador de la Creatividad Musical.

  • CCSMC 2016, [ 107 ] 17–19 de junio, Universidad de Huddersfield, Reino Unido. Ponencias principales: Geraint Wiggins y Graeme Bailey.

Véase también

Liza

Referencias

  1. ↑ Alleyne, Allyssia (25 de octubre de 2018). "Una obra de arte creada con IA se vende por 433.000 dólares, superando todas las expectativas" . CNN . Consultado el 22 de febrero de 2026 .
  2. ↑ Giannini, T.; Bowen , JP , eds. (2024). Las artes y la cultura computacional: mundos reales y virtuales . Serie sobre computación cultural. Springer . doi : 10.1007/978-3-031-53865-0 . ISBN 978-3-031-53864-3.
  3. ↑ Anna Jordanous (10 de abril de 2014). "¿Qué es la creatividad computacional?" . Consultado el 7 de enero de 2019 .
  4. ↑ Amabile, Teresa (1983), La psicología social de la creatividad , Nueva York, NY: Springer-Verlag
  5. ↑ Minsky, Marvin ( 1967), "Por qué la programación es un buen medio para expresar ideas mal entendidas y formuladas de forma descuidada" (PDF) , Diseño y planificación II - Computadoras en diseño y comunicación , págs. 120-125 
  6. ↑ Newell, Allen, Shaw, JG y Simon, Herbert A. (1963), El proceso del pensamiento creativo , HE Gruber, G. Terrell y M. Wertheimer (Eds.), Enfoques contemporáneos del pensamiento creativo, pp. 63-119. Nueva York: Atherton{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )
  7. 1 2 Boden, Margaret (1990), La mente creativa: mitos y mecanismos , Londres: Weidenfeld & Nicolson
  8. ↑ Feldman, DH; Csikszentmihalyi, Mihaly; Gardner, H. (1994), Cambiando el mundo: Un marco para el estudio de la creatividad , Prager
  9. ↑ Gibson, PM (1991) NEUROGEN, composición musical utilizando algoritmos genéticos y redes neuronales cooperativas , Segunda Conferencia Internacional sobre Redes Neuronales Artificiales: 309-313.
  10. 1 2 Todd, PM (1989). "Un enfoque conexionista para la composición algorítmica". Computer Music Journal . 13 (4): 27– 43. doi : 10.2307/3679551 . JSTOR 3679551 . S2CID 36726968 .  
  11. ↑ Ratner, Leonard G. (1970). Ars combinatoria: azar y elección en la música del siglo XVIII . Estudios sobre la música del siglo XVIII. Nueva York.{{cite book}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )
  12. ^ Colton, Simón; De Mántaras, Ramón López; Valores, Oliviero (2009). "Creatividad computacional: mayoría de edad" . Revista AI . 30 (3): 11– 14. doi : 10.1609/aimag.v30i3.2257 . hdl : 10261/31477 .
  13. ↑ Boden, Margaret A. (2009). "Modelos informáticos de creatividad" . AI Magazine . 30 (3): 23– 34. doi : 10.1609/aimag.v30i3.2254 .
  14. ↑ Gervás, Pablo (2009). "Enfoques computacionales para la narración y la creatividad" . AI Magazine . 30 (3): 49– 62. doi : 10.1609/aimag.v30i3.2250 .
  15. ↑ Ritchie, Graeme (2009). "¿Pueden las computadoras crear humor?" . AI Magazine . 30 (3): 71– 81. doi : 10.1609/aimag.v30i3.2251 .
  16. ↑ Bushinsky, Shay (2009). "Deus Ex Machina: una especie creativa superior en el juego de ajedrez" . AI Magazine . 30 (3): 63–70 . doi : 10.1609/aimag.v30i3.2255 .
  17. ↑ Cardoso, Amílcar; Veale, Tony; Wiggins, Geraint A. (2009). "Converging on the Divergent: The History (and Future) of the International Joint Workshops in Computational Creativity" . AI Magazine . 30 (3): 15– 22. doi : 10.1609/aimag.v30i3.2252 .
  18. ↑ Mateja, Deborah; Heinzl, Armin (diciembre de 2021). "Hacia el aprendizaje automático como facilitador de la creatividad computacional" . IEEE Transactions on Artificial Intelligence . 2 (6): 460– 475. Bibcode : 2021ITAI....2..460M . doi : 10.1109/TAI.2021.3100456 . ISSN 2691-4581 . S2CID 238941032 .  
  19. ↑ Bharucha, JJ; Todd, PM (1989). "Modelado de la percepción de la estructura tonal con redes neuronales". Computer Music Journal . 13 (4): 44– 53. doi : 10.2307/3679552 . JSTOR 3679552. S2CID 19286486 .  
  20. ↑ Todd, PM y Loy, DG (Eds.) (1991). Música y conexionismo. Cambridge, MA: MIT Press.
  21. ↑ Todd, PM (1992). Un sistema conexionista para explorar el espacio melódico. En Actas de la Conferencia Internacional de Música por Computadora de 1992 (págs. 65–68). San Francisco: Asociación Internacional de Música por Computadora.
  22. ↑ Munro, P. (1987), "Un esquema de retropropagación dual para el aprendizaje de recompensa escalar", Novena Conferencia Anual de Ciencias Cognitivas
  23. ↑ Werbos, PJ (1989), "Redes neuronales para control e identificación de sistemas", Decision and Control
  24. ↑ Nguyen, D.; Widrow, B. (1989). "El sistema de marcha atrás para camiones: un ejemplo de autoaprendizaje en redes neuronales" (PDF) . IJCNN'89 .
  25. ↑ Jordan, MI; Rumelhart, DE (1992), "Modelos directos: Aprendizaje supervisado con un profesor a distancia", Ciencia Cognitiva
  26. 1 2 3 4 Gotca, Rodica. "Literatura computacional: creación bajo los auspicios de la IA y los modelos GPT | Dialogica" (en rumano). doi : 10.59295/dia.2023.1.04 . Recuperado el 10 de mayo de 2025 .
  27. 1 2 Merchant, Brian (2018-10-01). "Cuando una IA se convierte en Jack Kerouac" . The Atlantic . Recuperado el 2025-05-10 .
  28. ↑ Newitz, Annalee (30 de mayo de 2021). "Una película escrita por un algoritmo resulta ser hilarante e intensa" . Ars Technica . Consultado el 10 de mayo de 2025 .
  29. ^ Jiang, Xuhui; Tian, ​​Yuxing; Hua, Fengrui; Xu, Chengjin; Wang, Yuanzhuo; Guo, Jian (2 de febrero de 2024). "Una encuesta sobre alucinaciones de modelos de lenguaje grande desde una perspectiva de creatividad". arXiv : 2402.06647 [ cs.AI ].
  30. ↑ Boden, Margaret (1999), Modelos informáticos de creatividad. , Manual de creatividad, pp. 351 – 373
  31. ↑ Wiggins, Geraint (2006). "Un marco preliminar para la descripción, el análisis y la comparación de sistemas creativos". Journal of Knowledge Based Systems . 19 (7): 449– 458. CiteSeerX 10.1.1.581.5208 . doi : 10.1016/j.knosys.2006.04.009 . 
  32. ↑ Finke, R., Ward, T., y Smith, S. (1992), Cognición creativa: Teoría, investigación y aplicaciones (PDF) , Cambridge: MIT Press{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )
  33. ↑ Jordanous, Anna; Keller, Bill (2016-10-05). "Modelando la creatividad: identificando componentes clave a través de un enfoque basado en corpus" . PLOS ONE . 11 (10) e0162959. arXiv : 1609.03357 . Bibcode : 2016PLoSO..1162959J . doi : 10.1371/journal.pone.0162959 . ISSN 1932-6203 . PMC 5051932. PMID 27706185 .   
  34. 1 2 Hutchinson, P. (2020). "Reinventando la gestión de la innovación: el impacto de la inteligencia artificial auto-innovadora". IEEE Transactions on Engineering Management . 68 (2): 628– 639. doi : 10.1109/TEM.2020.2977222 .
  35. ↑ Wang, Kai; Nickerson, Jeffrey V. (septiembre de 2017). "Una revisión de la literatura sobre sistemas de apoyo a la creatividad individual" . Computers in Human Behavior . 74 : 139–151 . doi : 10.1016/j.chb.2017.04.035 . ISSN 0747-5632 . S2CID 38485202 .  
  36. ↑ Gabriel, A.; Monticolo, D.; Camargo, M.; Bourgault, M. (septiembre de 2016). "Sistemas de apoyo a la creatividad: un estudio de mapeo sistemático". Thinking Skills and Creativity . 21 : 109–122 . doi : 10.1016/j.tsc.2016.05.009 . ISSN 1871-1871 . 
  37. 1 2 Cockburn, IM, Henderson, R., & Stern, S. (2018). El impacto de la inteligencia artificial en la innovación: un análisis exploratorio. En La economía de la inteligencia artificial: una agenda (pp. 115-146). University of Chicago Press.
  38. ↑ Karimi, Pegah; Maher, Mary Lou; Davis, Nicholas; Grace, Kazjon (2019-06-24). "Aprendizaje profundo en un modelo computacional para cambios conceptuales en un sistema de diseño cocreativo". arXiv : 1906.10188 [ cs.HC ].
  39. ↑ "Cómo la IA generativa puede aumentar la creatividad humana" . Harvard Business Review . 16 de junio de 2023. ISSN 0017-8012 . Consultado el 20 de junio de 2023 . 
  40. ↑ Shuval, Noa (2004-01-01). "Armas de distracción masiva: innovación óptima y calificaciones de placer" . Metáfora y símbolo .
  41. ↑ Veale, Tony; Pérez y Pérez, Rafael (2020-11-01). "Saltos y límites: una introducción al campo de la creatividad computacional" . New Generation Computing . 38 (4): 551– 563. doi : 10.1007/s00354-020-00116-w . ISSN 1882-7055 . 
  42. ↑ Margaret Boden (10 de mayo de 2010). "¿Pueden los modelos informáticos ayudarnos a comprender la creatividad humana?" . Consultado el 7 de enero de 2019 .
  43. ↑ Fauconnier, Gilles, Turner, Mark (2007), La forma en que pensamos , Basic Books{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )
  44. ↑ Fauconnier, Gilles, Turner, Mark (2007). "Redes de integración conceptual". Cognitive Science . 22 (2): 133– 187. doi : 10.1207/s15516709cog2202_1 .{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  45. ↑ Koestler, Arthur (1964), {El acto de la creación} , Londres: Hutchinson y Nueva York: Macmillan
  46. ↑ Lakoff, George; Johnson, Mark (2008), Metáforas de la vida cotidiana , University of Chicago Press
  47. 1 2 Veale, Tony, O'Donoghue, Diarmuid (2007). "Computación y mezcla". Lingüística cognitiva . 11 ( 3– 4).{{cite journal}}: CS1 maint: nombres múltiples: lista de autores ( enlace ) Número especial sobre Combinación Conceptual.
  48. ^ Pereira, Francisco Câmara (2006), "Creatividad e inteligencia artificial: un enfoque de combinación conceptual" , Aplicaciones de la lingüística cognitiva , Ámsterdam: Mouton de Gruyter
  49. ↑ Floridi, Luciano (2025). "Escritura a distancia: producción literaria en la era de la inteligencia artificial" (PDF) . Mentes y máquinas . 35 (3).
  50. ↑ Welzel, Birgitta (2026). Contra la suavidad: la literatura en la era de la máquina. Hacia un modelo de competencias de escritura curatorial .
  51. ↑ Bourriaud, Nicolas (2002). Postproducción: La cultura como guion: Cómo el arte reprograma el mundo . Nueva York: Lukas & Sternberg.
  52. ↑ Moretti, Franco (2013). Lectura a distancia . Londres: Verso. ISBN 978-1-7816-8084-1.
  53. 1 2 Carter, Ronald (2004). Lenguaje y creatividad: El arte de la conversación común . Londres: Routledge.
  54. ↑ Martin, Katherine Connor (30 de enero de 2018). "De la ira por hambre al mansplaining: tómate un pequeño tiempo para ti con la última actualización del OED" . Oxford Dictionaries . Archivado del original el 8 de febrero de 2018. Recuperado el 4 de enero de 2019 .
  55. ↑ Anh Vo, Thuc; Carter, Ronald (2010), "¿Qué puede decirnos un corpus sobre la creatividad?", The Routledge Handbook of Corpus Linguistics , Routledge, doi : 10.4324/9780203856949.ch22 , ISBN 978-0-203-85694-9
  56. ↑ Meehan, James (1981), TALE-SPIN , Shank, RC y Riesbeck, CK, (eds.), Inside Computer Understanding: Five Programs plus Miniatures. Hillsdale, NJ: Lawrence Erlbaum Associates
  57. ↑ Turner, SR (1994), El proceso creativo: un modelo informático de narración de historias , Hillsdale, NJ: Lawrence Erlbaum Associates
  58. ↑ Bringsjord, S., Ferrucci, DA (2000), Inteligencia artificial y creatividad literaria. Dentro de la mente de BRUTUS, una máquina de contar historias. , Hillsdale NJ: Lawrence Erlbaum Associates{{citation}}: CS1 maint: nombres múltiples: lista de autores ( enlace ) CS1 maint: ubicación del editor ( enlace )
  59. ↑ Pérez y Pérez, Rafael, Sharples, Mike (2001). "MEXICA: Un modelo computacional de una explicación cognitiva de la escritura creativa" (PDF) . Journal of Experimental and Theoretical Artificial Intelligence . 13 (2): 119– 139. Bibcode : 2001JETAI..13..119P . doi : 10.1080/09528130010029820 .{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  60. ↑ Martin, James (1990), Un modelo computacional de interpretación de metáforas , Academic Press
  61. ↑ Barnden, John (1992). "Creencia en la metáfora: Tomando en serio la psicología del sentido común". Inteligencia Computacional . 8 (3): 520– 552. doi : 10.1111/j.1467-8640.1992.tb00378.x .
  62. ↑ Veale, Tony, Hao, Yanfen (2007), Comprensión y generación de metáforas adecuadas: un enfoque basado en casos y en la web para el lenguaje figurativo (PDF) , Actas de AAAI 2007, la 22.ª Conferencia AAAI sobre Inteligencia Artificial. Vancouver, Canadá{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )
  63. ↑ Falkenhainer, Brian, Forbus, Ken y Gentner, Dedre (1989). "El motor de mapeo de estructuras: algoritmo y ejemplos" (PDF) . Inteligencia Artificial . 20 (41): 1– 63. doi : 10.1016/0004-3702(89)90077-5 .{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  64. ↑ Binsted, K., Pain, H., y Ritchie, G. (1997), "Evaluación infantil de acertijos con juegos de palabras generados por computadora" , Pragmatics & Cognition , 5 (2): 305–354 , doi : 10.1075/pc.5.2.06bin{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )
  65. ↑ Stock, Oliviero, Strapparava, Carlo (2003), HAHAcronym: Agentes humorísticos para acrónimos humorísticos (PDF) , Humor: Revista internacional de investigación del humor, 16(3) pp 297–314{{citation}}: CS1 maint: varios nombres: lista de autores ( enlace )
  66. ↑ Veale, Tony (2006), "Rastreando el espíritu léxico de la época con Wikipedia y WordNet", Actas de ECAI'2006, la 17.ª Conferencia Europea sobre Inteligencia Artificial.
  67. ↑ Law, Locky (2019). "Creatividad y drama televisivo: un análisis multimodal basado en corpus de la creatividad reformuladora de patrones en House MD". Corpora . 14 (2): 135– 171. doi : 10.3366/cor.2019.0167 . S2CID 201903734 . 
  68. ↑ Gries, Stefan T. (2004-01-21). "¿No debería ser breakfunch? Un análisis cuantitativo de la estructura de la mezcla en inglés". Lingüística . 42 (3). doi : 10.1515/ling.2004.021 . ISSN 0024-3949 . S2CID 3762246 .  
  69. ↑ Gervás, Pablo ( 2001), Un sistema experto para la composición de poesía formal española (PDF) , vol. 14, Journal of Knowledge-Based Systems, pp. 181–188  
  70. ↑ "Vol. 110, n.º 3, otoño de 2020" . The Poetry Society . Consultado el 26 de agosto de 2025 .
  71. ↑ "Revista de poesía" . Portal ISSN . Consultado el 26 de agosto de 2025 .
  72. ↑ Allado-Mcdowell, K. (28 de septiembre de 2020). Pharmako-AI . Cosmogenesis. ISBN 978-1-8380039-0-6Consultado el 26 de agosto de 2025 .
  73. ↑ Código-Davinci-002; Código-Davinci-002 (1 de agosto de 2023). Soy código: Una inteligencia artificial habla: Poemas . Back Bay Books. ISBN 978-0-316-56006-1Consultado el 26 de agosto de 2025 .{{cite book}}: CS1 maint: nombres numéricos: lista de autores ( enlace )
  74. ↑ Herremans, Dorien; Chuan, Ching-Hua; Chew, Elaine (2017). "Una taxonomía funcional de los sistemas de generación de música". ACM Computing Surveys . 50 (5): 1– 30. arXiv : 1812.04832 . doi : 10.1145/3108242 . S2CID 54475410 . 
  75. ↑ Cope, David (2006), Computer Models of Musical Creativity , Cambridge, MA: MIT Press
  76. ↑ David Cope (1987), "Experimentos en inteligencia musical". En Actas de la Conferencia Internacional de Música por Computadora, San Francisco: Computer Music Assn.
  77. ↑ "miller-mccune.com" . www.miller-mccune.com . Archivado del original el 26 de febrero de 2010.
  78. ↑ "Primer CD de Iamus" . 29 de junio de 2012 – vía www.youtube.com.
  79. ↑ "Compositor informático rinde homenaje al centenario de Turing" . New Scientist . 5 de julio de 2012.
  80. ↑ Assayag, Gérard; Bloch, George; Cont, Arshia; Dubnov, Shlomo (2010), Interacción con la improvisación de máquinas , Shlomo Argamon, Kevin Burns, Shlomo Dubnov (Ed.), La estructura del estilo, Springer, Bibcode : 2010tsos.book..219A
  81. ↑ "Un robot llamado Shimon quiere improvisar contigo" . NPR.org . 22 de diciembre de 2009.
  82. ↑ Dubnov, Shlomo; Surges, Greg (2014), Delegating Creativity: Use of Musical Algorithms in Machine Listening and Composition , Newton Lee (Ed.), Digital Da Vinci, Springer
  83. ↑ (en francés) Artículo de prensa: «Génération automatique d'œuvres numériques» , artículo sur l'invention Medal de Béatrice Perret du Cray], Science et Vie Micro .
  84. ↑ McCorduck, Pamela (1991), El código de Aaron. , WH Freeman & Co., Ltd.
  85. ↑ Machado, Penousal; Romero, Juan, eds. (2008), El arte de la evolución artificial: un manual sobre arte y música evolutivos , Serie de computación natural, Berlín: Springer Verlag, ISBN 978-3-540-72876-4
  86. ↑ «Métodos, sistemas y software para generar oraciones, y composiciones visuales y de audio que representan dichas oraciones» Patente canadiense 2704163
  87. ↑ "Presentamos Mechanic Miner" . Juegos de Angelina . 5 de noviembre de 2012.
  88. ↑ "Por qué creo que Mechanic Miner es genial" . Juegos de Angelina . 16 de noviembre de 2012.
  89. ↑ deepdream en GitHub
  90. ↑ Szegedy, Christian; Liu, Wei; Jia, Yangqing; Sermanet, Pierre; Reed, Scott E.; Anguelov, Dragomir; Erhan, Dumitru; Vanhoucke, Vincent; Rabinovich, Andrew (2015). "Going deeper with convolutions". Conferencia IEEE sobre Visión por Computadora y Reconocimiento de Patrones, CVPR 2015, Boston, MA, EE. UU., 7-12 de junio de 2015. IEEE Computer Society. págs. 1-9 . arXiv : 1409.4842 . doi : 10.1109/CVPR.2015.7298594 . ISBN  978-1-4673-6964-0.
  91. ↑ Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). "DeepDream: un ejemplo de código para visualizar redes neuronales" . Google Research. Archivado del original el 8 de julio de 2015.
  92. ↑ Mordvintsev, Alexander; Olah, Christopher; Tyka, Mike (2015). "Inceptionism: Going Deeper into Neural Networks" . Google Research. Archivado del original el 3 de julio de 2015.
  93. ↑ McFarland, Matt (31 de agosto de 2015). "Este algoritmo puede crear un nuevo Van Gogh o Picasso en tan solo una hora" . Washington Post . Consultado el 3 de septiembre de 2015 .
  94. ↑ Culpan, Daniel (1 de septiembre de 2015). "Este algoritmo puede crear una imitación de Van Gogh en 60 minutos" . Wired UK . Consultado el 3 de septiembre de 2015 .
  95. ↑ "GitXiv – Un algoritmo neuronal de estilo artístico" . gitxiv.com . Consultado el 3 de septiembre de 2015 .
  96. ↑ Gatys, Leon A.; Ecker, Alexander S.; Bethge, Matthias (2015). "Un algoritmo neuronal de estilo artístico". arXiv : 1508.06576 [ cs.CV ].
  97. ↑ Iqbal, Azlan; Guid, Matej; Colton, Simon; Krivec, Jana; Azman, Shazril; Haghighi, Boshra (2016). El sustrato neuronal sináptico digital: un nuevo enfoque para la creatividad computacional . SpringerBriefs in Cognitive Computation. Suiza: Springer . ISBN 978-3-319-28078-3.
  98. ↑ «Chestética» . youtube.com . YouTube .
  99. ↑ Helie, S.; Sun, R. (2010). "Incubación, intuición y resolución creativa de problemas: una teoría unificada y un modelo conexionista". Psychological Review . 117 (3): 994– 1024. CiteSeerX 10.1.1.405.2245 . doi : 10.1037/a0019532 . PMID 20658861 .  
  100. ↑ Tolk, Andreas (2013). «Verdad, confianza y Turing: implicaciones para el modelado y la simulación». Ontología, epistemología y teleología para el modelado y la simulación . Biblioteca de referencia de sistemas inteligentes. Vol. 44. págs. 1–26 . doi : 10.1007/978-3-642-31140-6_1 . ISBN   978-3-642-31139-0.
  101. ↑ Chaitin, GJ (1987). Teoría de la información algorítmica . Cambridge Tracts in Theoretical Computer Science. Cambridge University Press .
  102. ↑ "Artículos sobre creatividad computacional (editados por Anna Longo) | Technophany, una revista de filosofía y tecnología" . technophany.philosophyandtechnology.network . Consultado el 8 de mayo de 2025 .
  103. ↑ Loi, Michele; Viganò, Eleonora; Plas, Lonneke van der (23 de julio de 2020). "La relevancia social y ética de la creatividad computacional". arXiv : 2007.11973 [ cs.AI ].
  104. ↑ "Asociación para la Creatividad Computacional" .
  105. ↑ "ICCC 2020" . Asociación para la Creatividad Computacional .
  106. ↑ "ICCC 2019" . Asociación para la Creatividad Computacional .
  107. ↑ CCSMC 2016 , WordPress , 2016.

Lecturas adicionales

  • Una visión general de la creatividad artificial Archivado el 25/03/2008 en Wayback Machine en Think Artificial
  • Cohen, H., "Las nuevas hazañas de AARON, pintor". Archivado el 19 de abril de 2008 en Wayback Machine , SEHR, volumen 4, número 2: Construcciones de la mente, 1995.
  • Koziev, Ilya; Sinev, Leonid (2026). "Enfoques computacionales para la generación y evaluación automática de poesía: una revisión" . Journal of Artificial Intelligence Research . 86 4: 1–76. doi : 10.1613/jair.1.20584 . ISSN 1076-9757 . 
Documentales
  • Noorderlicht: Margaret Boden y Stephen Thaler sobre Creative Computers en Archive.org
  • En su imagen en Archive.org
Lecturas relacionadas
6 articulos
{\displaystyle \min _{\mathcal {G}}\max _{\mathcal {D}}E_{x}\left[\log({\mathcal {D}}(x))\right]+E_{z}\left[\log(1-{\mathcal {D}}({\mathcal {G}}(z)))\right]}Edmond de BelamyEdmond de Belamy, sometimes referred to as Portrait of Edmond de Belamy, is a generative adversarial network (GAN) portrait painting constructed by...Red generativa antagónicaRed generativa antagónicaUna ilustración de cómo funciona una GAN. Una red generativa antagónica ( GAN ) es una clase de marcos de aprendizaje automático y un marco destaca...Inteligencia artificialInteligencia artificialLa inteligencia artificial ( IA ), en su sentido más amplio, es la inteligencia que exhiben las máquinas , en particular los sistemas informáticos ...Cognitive psychologyCognitive psychologyCognitive psychology is the scientific study of mental processes such as attention, language use, memory, perception, problem solving, creativity, ...Fotografía de la estatua El Pensador de Auguste RodinFilosofíaLa estatua El Pensador de Auguste Rodin es un símbolo del pensamiento filosófico. [1] La filosofía ('amor a la sabiduría' en griego antiguo ) es un...Las artesLas artesEn el sentido de las agujas del reloj, de izquierda a derecha: Un pandereta en un festival de danza tradicional debaa en Mayotte Naturaleza muerta ...