Искусственное воображение - Artificial imagination

Искусственное воображение, также называемое синтетическим воображением или машинным воображением, определяется как искусственное моделирование человек воображение общего или специального назначения компьютеры или искусственные нейронные сети. Прикладная форма этого известна как медиа-синтез или синтетическая среда.

Термин искусственное воображение также используется для описания свойства машины или программы. Некоторые из черт, которые исследователи надеются смоделировать, включают: креативность, зрение, цифровое искусство, юмор, и сатира.

В исследованиях искусственного воображения используются инструменты и идеи из многих областей, в том числе Информатика, риторика, психология, Искусство, философия, нейробиология, аффективные вычисления, Искусственный интеллект, наука о мышлении, лингвистика, исследование операций, Писательское творчество, вероятность и логика.

Практики в этой области исследуют различные аспекты искусственного воображения, такие как искусственное (визуальный ) воображение,[1]Искусственный (слуховой ) Воображение,[2] моделирование / фильтрация контента на основе человеческих эмоций и интерактивного поиска. Некоторые статьи по этой теме размышляют о том, как искусственное воображение может развиваться, чтобы создать искусственный мир «люди могут чувствовать себя достаточно комфортно, чтобы сбежать из реального мира».[3]

Немного исследователи такие как Г. Шлейс и М. Ризки, сосредоточились на использовании искусственных нейронные сети для имитации искусственного воображения.[4]

Другой важный проект возглавляют Хирохару Като и Тацуя Харада из Токийского университета в Японии. Они разработали компьютер, способный переводить описание объекта в изображение, что могло бы быть самым простым способом определить, что такое воображение. Их идея основана на концепции изображения как серии пикселей, разделенных на короткие последовательности, соответствующие определенной части изображения. Ученые называют эти последовательности «визуальными словами», и они могут быть интерпретированы машиной с использованием статистического распределения для чтения и создания изображения объекта, с которым машина не сталкивалась.

Тема искусственного воображения вызвала интерес ученых, не занимающихся информатикой, например, известного специалиста по коммуникациям. Эрнест Борман, который придумал Теория символической конвергенции и работал над проектом по развитию искусственного воображения в компьютерных системах.[5] Междисциплинарный исследовательский семинар по искусственному воображению и постцифровой art проходит с 2017 года в Ecole Normale Supérieure в Париже.[6]

Как развить разум: к машинам с воображением к Игорь Александр академическая книга по теме; Искусственное воображение,[7] а римский ключ, это неакадемическая книга, якобы написанная системой искусственного воображения.

Типичное искусственное воображение

Типичное применение искусственного воображения - интерактивный поиск. Интерактивный поиск был разработан с середины 1990-х годов вместе с развитием всемирной паутины и оптимизацией поисковых систем. Основываясь на первом запросе и обратной связи от пользователя, базы данных для поиска реорганизуются для улучшения результатов поиска.

Как искусственное воображение может способствовать интерактивному поиску

Искусственное воображение позволяет нам синтезировать изображения и разрабатывать новое изображение, независимо от того, есть ли оно в базе данных, независимо от его существования в реальном мире. Например, компьютер показывает результаты, основанные на ответе на первоначальный запрос. Пользователь выбирает несколько релевантных изображений, а затем технология анализирует этот выбор и реорганизует ранги изображений, чтобы они соответствовали запросу. В этом процессе искусственное воображение используется для синтеза выбранных изображений и для улучшения результата поиска с помощью дополнительных релевантных синтезированных изображений. Этот метод основан на нескольких алгоритмах, включая Алгоритм Роккио и эволюционный алгоритм. В Алгоритм Роккио,[8] найти точку запроса рядом с релевантными примерами и вдали от нерелевантных примеров - это просто и хорошо работает в небольшой системе, где базы данных расположены определенными рангами. В эволюционный синтез состоит из двух шагов: стандартного алгоритма и усовершенствования стандартного алгоритма.[9][10] Благодаря обратной связи от пользователя, будут синтезированы дополнительные изображения, чтобы соответствовать тому, что пользователь ищет.

Общее искусственное воображение

У искусственного воображения есть более общее определение и широкое применение. Традиционные области искусственного воображения включают визуальное воображение и слуховое воображение. В более общем плане все действия по формированию идей, образов и концепций могут быть связаны с воображением. Таким образом, искусственное воображение означает больше, чем просто построение графиков. Например, моральное воображение является важной областью исследований искусственного воображения, хотя классификация искусственного воображения затруднена.

Мораль - важная часть логики человека, в то время как искусственная мораль важна для искусственного воображения и искусственного интеллекта. Распространенная критика искусственного интеллекта заключается в том, должны ли люди нести ответственность за ошибки или решения машин и как разрабатывать машины с хорошим поведением. Поскольку никто не может дать четкого описания лучших моральных правил, невозможно создать машины с общепринятыми моральными правилами. Однако недавние исследования искусственной морали обходят определение морали. Вместо этого методы машинного обучения применяются для обучения машин подражанию человеческой морали. Поскольку учитываются данные о моральных решениях тысяч разных людей, обученная моральная модель может отражать широко принятые правила.

Память - еще одна важная область искусственного воображения. Такие исследователи, как Од Олива выполнили обширную работу по искусственной памяти, особенно зрительной памяти.[11] По сравнению с визуальным воображением, визуальная память больше фокусируется на том, как машина понимает, анализирует и хранит изображения человеческим способом. Кроме того, учитываются такие символы, как пространственные особенности. Поскольку эта область основана на биологических структурах мозга, также были проведены обширные исследования в области нейробиологии, что делает ее большим пересечением между биологией и информатикой.

Рекомендации

  1. ^ Визуальный поиск информации с использованием синтезированных изображений http://portal.acm.org/ft_gateway.cfm?id=1282303&type=pdf
  2. ^ ПЕРЕДАЧА АУДИО КОНТЕНТА Авторы: Ксавье Аматриан и Перфекто Эррера, «Публикации» (PDF). Архивировано из оригинал (PDF) на 2007-01-06. Получено 2007-12-22.
  3. ^ Гипертекст и «гиперреальное» Стюарт Моултроп, Йельский университет http://portal.acm.org/citation.cfm?doid=74224.74246
  4. ^ Обучение от случайного игрока с использованием эталонной модели нейрона в Материалы Конгресса 2002 г. Эволюционные вычисления, 2002. http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=1007019
  5. ^ Корни риторики двадцатого века Исследования, Джим А. Кайперс и Эндрю Кинг, 2001. опубликовано Praeger / Greenwood, стр. 225.
  6. ^ Постцифровое искусственное воображениеhttp://postdigital.ens.fr
  7. ^ Искусственное воображение https://www.amazon.com/Artificial-Imagination-Special-Photostory-Washington/dp/098147621X
  8. ^ Далтон, Джерард, Бакли, Крис (1 июня 1990 г.). «Повышение эффективности поиска за счет обратной связи по релевантности». Журнал Американского общества информационных наук. 41 (4): 288–297. Дои:10.1002 / (SICI) 1097-4571 (199006) 41: 4 <288 :: AID-ASI8> 3.0.CO; 2-H. HDL:1813/6738.
  9. ^ «Использование искусственного воображения для поиска текстуры». 2008 19-я Международная конференция по распознаванию образов. Декабрь 2008 г. CiteSeerX  10.1.1.330.1562.
  10. ^ Искусственное воображение для интерактивного поиска (PDF). Springer Berlin Heidelberg. 2007. С. 19–28.
  11. ^ Олива, Од (2008). «Зрительная долговременная память имеет огромную емкость для хранения деталей объекта». Труды Национальной академии наук. 105 (38): 14325–14329. Bibcode:2008ПНАС..10514325Б. Дои:10.1073 / pnas.0803390105. ЧВК  2533687. PMID  18787113.