作为DT稿王智能写作的一名技术成员,最近读到一篇英文文章,很受启发,也很受鼓舞。

英文文章题目是:Creative AI: Software writing software and the broader challenges of computational creativity

受鼓舞之余,我把这篇文章翻译了,和朋友们一起分享,一起学习。以下是文章的全部内容:

创意AI:机器自主编程,以及计算创造力面临的更多挑战

导语:电脑真的可以拥有创造力吗,如果是的话,我们应该害怕它们还是该拥抱它们?这些创造性的人工智能下一步到底能实现什么?

在这个系列中我们已经涉及了很多内容,从算法生成音乐到程序生成的游戏,然后到机器完成故事写作、肖像绘画和抽象艺术,再到像老工匠一样建造房子。现在,是我们深入了解计算创造力的时候了,我们将描述该领域的基本策略和整个领域面临的未来挑战。


计算创造力的下一个里程碑可能是可以编写软件的软件。“之前我们都在尽量回避这个问题。”戈德史密斯学院和法尔茅斯大学的教授Colton说,他的人工智能项目叫做“傻瓜绘画”,我们在入口处看到的装有该软件的机器人们,都将成为画家。“这个领域的每个人都会编程但是我们现在打算通过人工智能来做到这一点。我们已经让它(人工智能)能够创造艺术、诗歌和游戏——虽然游戏也是一种软件——但我们仍然没有解决人是如何创造性地编写代码的问题。”

对拥有创造力的人工智能的一个常见的批评是,它们仅仅是其创造者的延伸——因此,“傻瓜绘画”展现出的所有创造力,都有其设计者Colton的影子。“但是请想象一下,如果软件学会如何重写它自己,”Colton说,“然后它这样重写了10次,那么很难说你还参与了其中任何一行代码的编写。你只是用普通的技术训练它,之后它自己用这些技术去修改自己的代码。

然后,这种能够自我修改的软件可以在各个领域进行创造:游戏,食谱,绘画,音乐,建筑,故事创作或其他任何领域。Colton正沿着这个方向,在游戏领域开始相关工作。他正在编写一个游戏设计AI,他的灵感来自于Michael CookANGELINA。但其中有一个难点,它不仅可以从头开始创建游戏,而且还可以修改自己的代码,一次又一次地重塑、提高自己的游戏创造能力。

游戏开发AI“ANGELINA”的早先工作包括一个平台游戏,其灵感来源于关于Rupert Murdoch的文章

杞人忧天?

许多局外人当下最关注是对软件的控制:软件可以自我优化,或者产出一些需要创造力的东西,这很好。但是如果它学到太多呢?要如何控制它?如何确保这个无害的软件最终不会导致某种AI引导的世界末日:软件的力量越来越强大,然后通过更加强大的创作力来使用它的力量,直到它将人类操纵和毁灭?

Colton和其他计算创造力的研究人员以及实践者认为这种恐惧是毫无根据的,甚至可能是有害的。他们说,人工智能没有对人类产生任何临近的威胁,并且他们对马斯克、比尔盖茨等技术专家和霍金等科学家公开表示对人工智能的担忧表示失望。尽管科幻小说中充满了警示故事,而且AI确实在过去几十年已经取得了巨大的进步,但它现在仍然非常不智能。

乔治亚理工学院副教授Mark Riedl在聊到自己的故事和游戏创造程序时说,“每次你坐下来,真正去开发人工智能,你就会意识到我们能做的和我们知道做的都非常有限。通常,科学家们都喜欢吹嘘我们正在研发的项目的优点,而对其中的限制和边界。”

银行抢劫场景(假想)的事件示意图,由Mark RiedlBoyang开发的Scheherazade系统,通过分析群众对事发过程的描述得出,结果令人印象深刻,但仍不够精细。

这些局限是显而易见的。人工智能现在集中于解决某一个特定的问题。它们大多用于完成单一任务——例如讲故事,或者为Facebook用户提供个性化广告——并且她们不知道如何做其他任何事情。Colton指出,让AI完成即使是其它智能任务中最简单的任务也是痛苦和困难的。他认为技术奇点的想法——一个突然的时刻,AI从愚蠢瞬间过渡到超智能——是一种误导。

这不像物理科学,”他解释说。“显然在过去的15年来,AI没有突破。当然有些场景应用是显而易见的,并且非常成功,这样来说人工智能领域是充满成功的,但并没有类似于分裂原子、载人登月、攻克疾病这样的重大突破时刻。人工智能不是这样发生的,而是渐进地、慢慢地、仔细地做出来的。

游戏开发AI“ANGELINA”的创作者Michael Cook给了一个不同的角度来看这个问题,他说“驾驶汽车从A点到B点不是很困难的部分,困难的部分是在路上与车上的乘客聊天。我们现在可以做到第一点,但第二点就不容易了。

对人工智能的恐惧像季节的变化一样有高有低,但围绕着创造性AI的最重要的恐惧是这对个人意味着什么——特别是那些工作将会被这些人工智能取代的人。悉尼大学研究员Rob Saunders感受过这种敌意。“一天我向他们展示模拟程序时,他们非常生气。第二天他们认定我做的演示只是一种表演,从而认为这不会威胁到他们。”

这种恐惧是合理的,它来源于这样的事实:创造性AI面对着将人与其它事物区分开的核心——创造力。算法生成音乐领域的开拓者David Cope花了几十年的时间来战胜这种恐惧(Cope的算法能够模仿他和一些伟大作曲家的风格,进行音乐创作)。他认为随着计算机的发展,人们会看到创造性机器的潜力并且争相发展,但直到最近这五年,他都没有看到任何证据表明这种情况正在发生。恰恰相反:多年来,他受到了许多的嘲笑和恐惧,有些甚至来自于与他同时代的人工智能从业者。

Cope认为,傲慢是问题的一部分。“我们(人类)认为我们很特别,只有我们可以做某些事情,比如创造,”他说。“我们应该意识到,一山更比一山高。如果我们不那么自负,不那么抗拒我们自己的造物——电脑,并且试图拥抱对方,然后继续成长,我们将能够完成伟大的壮举。”

他认为,随着熟识电脑的一代在长大,一切正在开始改变。他非常高兴看见算法成为增强人的创造力的一种普遍方法。

但一些恐惧仍然存在,一些人们哭喊:“机器人和计算机将夺走我们的工作!”别想了,正如Colton指出的,绝大多数人并不喜欢他们的工作。根本的问题不是AI可能“替代”某些类型的工人,而是那些工人需要谋生。历史趋势证明,这不太可能是一个长期的问题——从农业革命到工业革命到信息时代,每次重大转型都带来了新的谋生方式。

在任何情况下,艺术家都不可能被替代。“当新一批的皇家艺术学院毕业生登场,他们要做的第一件事不是找到一个老的艺术家,说‘对不起,我来代替你了。’不是那样。”Colton说。电脑将一方面提供廉价的艺术创作,就像宜家提供低成本的家具;另一方面,他们协助艺术家进行更好的创作。

正如Cope所说,“这不是一个对立的情景——人vs机器。Cope相信,其实这是共荣的,包括人类作曲家,人类创作者和人工智能。而人类创作者已经开始从人工智能工具中获益——游戏开发者使用程序生成城市,森林,甚至一整个世界,如即将发布的游戏“无人空域”。


繁荣或者萧条

计算创造力的研究人员有着自己的恐惧。 Colton担心类似Mark Zuckerberg的人将会出现并且垄断市场,就像Facebook对垄断社交媒体那样。Colton说:“那些为社交媒体建立技术原型的老教授不会被历史记住,但是社交媒体的创始者们,如Zuckerberg会被记住。这是公平的,但我不希望这样的事情发生在计算创造力领域。”

他的恐惧是合理的,这个领域越来越受到大型投资者的关注。我们在本系列的故事生成中介绍了Automated Insights后不久,这个专门将原始数据转换为故事的人工智能创业公司就被一家大型私募股权公司收购。IBM最近也将资源投入到计算创造力中,目的在于借助其超级计算机Watson的帮助,通过算法生成一本食谱。

如果他们(投资者)真的去做,不仅能获得数百万或数十亿市场,还将成为计算创造力产业的代言人。我并不想见到这样。”Colton说。

金钱对该领域的未来至关重要。Colton指出:在法尔茅斯大学,他的团队拥有未来四年的资金投入;但是在戈德史密斯,如果没有新的研究经费的注入,每12个人工智能研究员中,将有10个会在18个月内失业。并且随着近来媒体对人工智能的恐慌,他担心人工智能将失去外部资金支持。

如果人们认为人工智能是对公共安全的危害,AI研究人员将不得到资金;相反,如果人们认为它实际上用处不大的,距离智能化还有几百年,那么他们也可能削减资金。AI有繁荣和萧条周期,Colton说,尽管有最近有良好的进展,但我们随时有可能进入下一个萧条期。

定义创造力

计算创造力领域中的每个领域都存在这个问题:如何定义创造力? Riedl用几个简单的方法解释了这个困境:电脑的创造力的是什么意思?你能否判断一台电脑是否具有创造力?随机也是创造性的,你如何区分随机产生的创造性和人们所认为的创造力?

这些问题的答案因人而异。对于Cope,创造力“是将迄今为止被认为不存在特殊或有用关系的两种事物相关联的能力。”但Riedl指出,这样的定义忽略了更实用的创造力,例如在道路建设时找到一条回家的新路线;或者像Saunders刚刚开始研究的机器人工匠,想出如何使用不同的材料配置来达到高要求的标准,如使用低级材料来建房子。

Colton试图绕开创造力定义这个没有标准答案问题。他构想了软件必须展示的八种行为,以避免被认为不具有创造力。这八种行为是:技能,欣赏,想象力,学习,创新,可说明性,主观性和意图

傻瓜绘画”展示自己意图的早期作品,该作品灵感来自于阿富汗战争

八种行为中,技能是显而易见的。欣赏涉及退一步思考的能力(虽然在软件的情况下这是形象化的),并且欣赏已经产生了的东西。想象力是指思考一个不存在的世界。学习是基于反馈改进或改变现有方法。创新是指提出一个新的方法,能够对自身进行重编码的软件,就实现了创新。可说明性则让软件告诉你为什么这么做以及它是如何做的,Colton认为这很重要,因为软件面临着“人性差距”——因为它不是人类造成的一种信任缺失。主观性是

形成偏见和审美偏好。而意图则是

一个软件能够为自己设定目标。

2013年,在其“难知我心”展览会之前,Colton将意图作为“傻瓜绘画”的研究重点。展览中,“傻瓜绘画”会根据自己当前的心情,为参于者绘制肖像画,而它的心情则来源于对《卫报》网站上读到过的10篇文章进行的情感分析。如果它的心情不是糟糕的(在这种情况下,它会告诉人们走开),它会提示参与者做出一个表情,然后进行绘画,最后通过机器视觉技术分析画出的作品。它对整个过程和结果进行了描述,并对其完成预设目标的成功度进行自我评估。

对于Colton,“傻瓜绘画”以这种形式展现出了它具有意图。它的选择是不可预测的——或者说,是不可预测的但绝非随机的——他也没有办法事先知道会发生什么,因为可能出现的结果太多。

Saunders认为,机器做到评估自己的创造力,或者复制和模仿人类创造力是不够的。他认为我们过分关注通过过程产生的结果。“但任何创造者都会告诉你,作品只是他们所走过的路的终点。”并且创造力是依赖于创作者的物理特点的,基于上述原因,他开始研究机器人学。“对我来说,‘尝试创建一个拥有和人一模一样创作方式的机器人’这个想法,是一个错误的开始。

换句话说,机器人和计算机应该做它们擅长的事情,就像人类应该发挥他们的优势。机器人可以比人类更加强大和精准,而计算机可以在几秒钟内处理千兆字节的复杂数据。Colton举了一个想要利用Twitter热门关键词进行创作的诗人的例子,建议他们可以每天抽取一千条推文。“而软件每天可以采集一亿条数据,并找到最适合的方式,以诗歌形式表达其中的一些新闻。”

或者你可以看看他新的游戏开发AI项目,这个项目将用来试验一个类似于SnapChat的想法。Colton说:“假设我们自己写一个游戏,由一个人玩,如果他们不能在10秒内完成它,这游戏就会永远消失,这将非常令人心碎。但是如果电脑可以在几秒钟内生成那个游戏,那就没什么大不了的。”

创造性AI开辟了这些可能性,以前不可行或不切实际的目标变得可能,整个世界可以享受个性化和独一无二的产品——游戏,歌曲,诗歌,短篇小说,房屋,运动团队报告,绘画,以及任何一种创造性AI可以产出的事物。

计算的未来

可以编写软件的软件,指导AI展示出和人类创造性活动相关的特质,(自我)审美评估,AI创作的游戏/音乐/艺术的进一步商业化,学习如何使用电子肌肉从而达到最大效率的机器人,除了上述这些,计算创造力还有什么样的未来?

Colton提到了思维能力,这也是欧盟委员会“假设机器”项目的核心原则,该项目由Colton协调。他说到这里时,正好我的猫走进来对着我叫喊。所以他举了一个例子:“假设有一只猫,它的叫声大到震破周围人的耳膜,那会怎么样?”这是一个虚构的想法,可以很容易地成为一个卡通或短篇故事的假设前提,这就是“假设机器”项目要做的事情——生成虚构的想法。

 

一旦它确实可靠地产生了具有文化潜力的想法,他们会把这想法与计算创造力项目联系起来。我们从ANGELINAColton新的游戏生成软件开始说起。这个时候Colton的例子是“如果有只老狗习惯通过奔跑来玩耍,有天他不能再像以前一样跑了,那么它会改为骑马吗?”“假设机器”产生了这个想法,Colton假想这个情形被放进了游戏:“你有这只几乎不能移动的狗,当你按下左右移动的按键时它几乎不动。而你得让它坐在一匹马上,它却会不停地掉下来。根据这个逻辑,你或者ANGELINA就可以写一款游戏了。

Cook认为文化和意义是下一个巨大的挑战。“我们经常跳过这一点,但是最近我每天都被提醒,”他说。“我们不断地寻找方法来让AI知道水是湿的,黑暗是可怕的,红色代表爱,人们在彼此碰撞时道歉,等等。我们需要软件真正理解现实世界,所以它才能智能地操纵自己,并理解做的事情的后果。

与此同时,Colton建议,我们必须找到解决“人性差距”的方法。“人们必须接受软件创造事物这一概念,”他说。“如果我们开始用计算诗歌、计算音乐、计算游戏等名称来表明这些是由计算机生成的,那么人们对这些作品中所包含的人性的期望将会立刻发生改变。”