Моделирование креативности в искусственном интеллекте: возможности и границы

Полный текст

Введение

 

Ключевым вопросом философии искусственного интеллекта является обозначение границы моделируемости естественного интеллекта в искусственных системах (Ястреб, 2021). В связи с постоянными открытиями в области искусственного интеллекта в последние десятилетия представления об этой границе значительно изменились. Появление в XXI веке генеративных нейронных сетей открыло новые возможности для моделирования человеческого интеллекта. В структуру естественного интеллекта входят как функции, которые успешно моделируются, например, распознавание образов, так и те, которые пока не реализуемы в системах искусственного интеллекта, прежде всего, творческая и креативная деятельность. Эту проблему поставила ещё Ада Лавлейс, которая утверждала, что главным критерием наличия интеллекта является креативность (Stein, 1985). Создание нейросетей, которые генерируют изображения, музыку и тексты заставляет нас по-новому взглянуть на проблему творческой деятельности, и возможности её передачи машине.

 

Соотношение понятий «творчество» и «креативность» в контексте искусственного интеллекта

 

Категория «творчество» вводится Аристотелем, который определяет его как способность человека к нахождению новых решений и созданию новых вещей (Аристотель, 1927). Для него способность к творчеству была неотъемлемой частью человеческой природы, и он считал, что она может проявляться в различных сферах жизни, включая искусство, науку, философию и технологии. Это дало начало широкой трактовке понятия творчество, в рамках которой творческая деятельность определяется «как процессы порождения нового» (Нестеров, Дёмина 2020, с. 84). В рамках данного подхода смысл творческой деятельности видится в «увеличении многообразия человеческого мира в процессе культурной миграции» (Энциклопедия эпистемологии и философии науки 2009, с. 954). Творческая деятельность не ограничивается действиями субъекта и распространяется на общество и культуру в целом.

Постановка задачи моделирования творчества требует его конкретизации. И.А. Бескова и И.Т. Касавин связывают творчество с уровнем и качеством познавательной деятельности индивида и определяют его как, «иерархическое структурированное единство способностей, которое определяет уровень и качество мыслительных процессов, направленных на приспособление к изменяющимся и неизвестным условиям в сенсомоторных, наглядных, оперативно-деятельностных и логико-теоретических формах» (там же). Исследование и моделирование творческой деятельности субъекта в когнитивных науках потребовало разграничения понимания творчества как культурного феномена и вида когнитивной деятельности.

Креативность как научный термин вводится психологом Д. Симпсоном, который определяет её как «способность человека отказываться от стереотипных и исторически сложившихся способов мышления» (Симпсон 1948, с. 172). Дж. Гилфорд в работе «Природа человеческого интеллекта» разрабатывая концепцию креативности, предлагает похожий подход и описывает её как «способность порождать новые идеи, отличающиеся от традиционных схем мышления, а также навыки, способствующие решению проблемных ситуаций» (Guilford 1967, p. 197). В данной работе мы будем опираться на определение, которое дала М. Боден определившая креативность как «способность придумывать идеи и артефакты, которые считаются новыми, неожиданными и ценными» (Boden 2004, p. 16). Обобщая данные определения, можно отметить, что креативность рассматривается как построение новых возможностей для субъекта, а творчество как создание новых возможностей для культуры.

Ключевой проблемой в определении креативности является понимание того, что считать новым, и какой новый объект должен появиться, чтобы мы считали его результатом креативной деятельности. Для решения этой проблемы можно выделить три уровня новизны: онтологический, субъективный и семантический.

К онтологическому уровню новизны можно отнести всё то, чего не было ранее. При таком подходе любой объект, которого ранее не было в пространстве и времени, будет считаться новым вне зависимости от степени новизны своих характеристик. В этом смысле можно считать новым любое изображение, сгенерированное нейросетью. Обучившись на некоторой совокупности примеров, нейросеть фактически продолжает последовательность, имеющуюся в обучающей выборке. В этом случае речь не идет о создании новых смыслов или качественных изменений чего-либо, а происходит продолжение в новых объектах того, что уже существует. Второй, субъективный, уровень новизны заключается в том, что создается нечто новое и неожиданное для субъекта, но при этом в результате более тщательного анализа субъект может описать алгоритм получения такого результата. Зная этот алгоритм, другой субъект может прийти в такому же или похожему результату, вне зависимости от его сложности.  На самом высоком, семантическом, уровне находятся процессы создания объектов, не поддающиеся на данный момент описанию и алгоритмизации. В этом случае мы не понимаем как они получены и не можем «разложить на атомы» эти процессы. Похожую мысль высказывал Г. Хакен, который определял креативность как «рождение идей, которые не рождались никогда прежде и более того – рождение которых в высшей степени маловероятно» (Хакен 2001, с. 313-314). Для данного уровня характерно нахождение нестандартных способов решения проблем. Сложность моделирования такой деятельности связана с её уникальностью и невоспроизводимостью. Креативная деятельность этого уровня не может быть реализована в алгоритмических, программируемых моделях.

 

Моделирование креативности: постановка проблемы

 

Как уже было упомянуто во введении, проблему создания машин, способных к творческой деятельности, поставила ещё Ада Лавлейс. В современных исследованиях искусственного интеллекта сформировалась целая область, специализирующаяся на разработке креативных моделей и систем. Под креативным искусственным интеллектом в данной работе понимается направление в искусственном интеллекте, в котором методы машинного обучения используются для генерации новых объектов на основе закономерностей, обнаруженных в имеющихся данных. Основные методы и подходы к созданию креативных систем искусственного интеллекта были разработаны достаточно давно, но только в последние годы разработчики получили с одной стороны, возможность использовать достаточно большие вычислительные мощности, а с другой – появилась стремительно развивающаяся сфера креативных индустрий, для решения задач которой эти модели необходимы.

Для оценки креативности искусственного интеллекта широко используется видоизменённый тест Тьюринга (Тьюринг 1960). В настоящее время существует множество его вариантов в частности: музыкальный, юмористический, креативный тест Тьюринга. Для прохождения теста машинам ставится задача создать произведение, которое будет неотличимо от результатов творческой деятельности человека. Далее экспертному сообществу предлагается определить, какие из произведений созданы человеком, а какие машиной (Winters, Nys, De Schreye 2018). Примером может служить проведенный нами опрос, в ходе которого респондентам были предложены две шутки, одна из которых написана человеком, а вторая чатом GPT-4. В результате 35% опрошенных высказали мнение о том, что вторая шутка написана человеком. Существуют и более успешные примеры прохождения машинами креативных тестов Тьюринга. Поскольку в таких тестах достаточно часто побеждают машины, необходимо признать, что либо мы должны согласиться с тем, что искусственный интеллект стал креативным, либо пересмотреть сам тест Тьюринга.

Важным вопросом разработки креативного искусственного интеллекта является то, сможет ли сам искусственный интеллект определять уровень креативности производимых им объектов. В указанном выше определении сформулированы три признака креативных идей или артефактов, а именно новизна, неожиданность и ценность. Первый параметр новизны может быть оценён машиной через соотнесение с имеющимися аналогами. Примером может служить состязательная генеративная сеть «CAN: Creative Adversarial Networks» (https://arxiv.org/abs/1706.07068), предназначенная для создания новых художественных стилей и оценки их новизны.  Она состоит из двух нейросетей. Задача первой состоит в том, чтобы на основе имеющихся примеров создать новый стиль изобразительного искусства и добавить его в имеющуюся базу данных. Вторая часть системы анализирует данные и пытается выявить, какие из стилей были предложены машиной. Данная модель одновременно способна генерировать новые объекты и оценивать их новизну. Параметр неожиданности носит субъективный характер и определяется эмоциональной реакцией удивления человека. Ценность представляет собой параметр, который привносится субъектом. Теоретически машина может оценивать функциональность, но наделение объекта смыслом осуществляется только человеком.

Сфера применения креативного искусственного интеллекта включает не только традиционные типы творческой деятельности, такие как написание музыки, стихотворений, создание изображений, но и создание прогнозов прогнозов развития болезней, дизайн протезов в медицине, управление денежными активами на фондовых биржах. Но все эти системы не способны к целеполаганию и не могут инициировать креативную деятельность. Поэтому зачастую такие системы используются в качестве креативных помощников. Постановка цели, задачи и оценка результатов осуществляется человеком, а использование искусственного интеллекта позволяет расширить возможности субъекта.

 

Возможности и границы моделирования юмора в креативном искусственном интеллекте

 

Одним из направлений развития креативного искусственного интеллекта стало моделирование юмора. Способность шутить и понимать юмор всегда считалось исключительно человеческой чертой. Проблема моделирования юмора помогает более точно понимать границу между тем, чему мы можем научить машину и между тем, что остается исключительной чертой человеческого интеллекта. Юмористическую деятельность сложно моделировать, так как она носит комплексный характер. Генерация юмора требует высокого уровня владения языком, гибкости и подвижности мышления, креативных способностей, умения выявлять противоречия, знания законов логического мышления и возможности их нарушать, способности реагировать на актуальные события и понимать социальный контекст в целом.

Несмотря на сложность моделирования юмора, современные нейронные сети успешно справляются с рядом задач в этой сфере. Так, машины генерируют шутки, генеративные системы, такие как GPT, пишут сценарий юмористических выступлений, придумывают анекдоты и каламбуры (https://openai.com/gpt-4). В исследовании (Nijholt 2018) проводилось сравнение восприятия шуток, написанных людьми-волонтёрами и системой искусственного интеллекта GAG. В результате проведенного эксперимента выяснилось, что шутки, которые были написаны машиной, в два раза чаще воспринимались как смешные, чем те, которые были написаны людьми. Ключевым преимуществом таких систем является способность к обучению. Следовательно, нейросеть подобно человеку способна учиться на своих ошибках и совершенствовать свои возможности генерации юмора. Примеры генеративных систем показывают, что нейронные сети способны корректно воспроизводить структуру шутки, выявлять противоречия и парадоксы, использовать такой инструмент, как языковые игры.

Несколько лет назад появились роботы-стендап комики, которые решают проблему не только генерации юмора, но и его трансляции. Человек, занимающийся юмором, во время написания и трансляции прежде всего опирается на интуицию и опыт. Робот в этом случае не может опираться на эти категории, в его случае в основе лежат вычислительные модели, которые получены в результате машинного обучения. На данный момент есть ряд серьезных ограничений, которые накладываются на роботов, а именно: искусственный интеллект не находится на таком же уровне развития, как и человеческий; существует проблема с трансляцией юмора, человек исходя из контекста и анализа окружающей обстановки может рассказывать одну и ту же шутку по-разному, у робота в данном случае отсутствует чувство контекста; робот не умеет генерировать непреднамеренный юмор, который возникает в ситуациях, которые мы называем комичными.

Нейронные сети обладают рядом существенных ограничений. Ключевой проблемой является отсутствие у машины чувства контекста, ощущения пространства и времени. Кроме того, важнейшим условием успешного написания шуток является способность смеяться над ними. Люди осознанно выбирают тему и формат юмора, а у машин отсутствует собственное целеполагание. В качестве вывода приведём ответ, который дал нам чат GPT-4 на вопрос о том, каковы возможности и границы машинной генерации юмора: «что касается моих возможностей – я могу предложить шутки и анекдоты на различные темы, но у меня нет чувства юмора, поэтому я не могу смеяться или оценивать шутки».

 

Заключение

 

В русскоязычной литературе принято разделять понятия «творчество» как деятельности, направленной на развитие общества и культуры в целом, и «креативности» как построение новых возможностей для субъекта. Применительно к искусственному интеллекту корректным является использование термина «креативность». Под креативным искусственным интеллектом понимается направление в искусственном интеллекте, в котором методы машинного обучения используются для генерации новых объектов на основе закономерностей, обнаруженных в имеющихся данных. В современном креативном искусственном интеллекте выделяются две основных задачи. Прагматическая задача состоит в расширении креативных способностей человека за счет создания инструментов. Исследовательская задача состоит в моделировании креативности человека. Разработанные к настоящему времени технологии можно обобщить термином «слабый креативный искусственный интеллект», так как они могут создавать новые объекты, но не способны к целеполаганию и рефлексии. Примером могут служить системы генерации юмора, которые могут создавать шутки, но не имеют чувство юмора. Несмотря на это, возможности искусственного интеллекта постоянно расширяются, что меняет наше представление о границах моделируемости естественного интеллекта.

Об авторах

Никита Александрович Крылов

ФГБОУ ВО "Вологодский государственный университет"

Автор, ответственный за переписку.
Email: krylovna@vogu35.ru
ORCID iD: 0009-0009-1378-0548
SPIN-код: 9300-0207

аспирант, преподаватель кафедры философии, заместитель директора института социальных и гуманитарных наук

Россия, 160035, Российская Федерация, г. Вологда, ул. Ленина, д. 15

Список литературы

Дополнительные файлы