江苏龙网

  1. 首页 > 社会 > >

人工智能会获得创造力吗？( 二 )

人工智能会获得创造力吗？
我们可以进一步把这一系统模型和前述的创造空间模型结合起来进行分析 。 正如约翰逊-莱尔德（Philip N. Johnson-Laird）所指出的 ， 创造力是在自由和约束中界定出来的 ， 一方面创造力意味着可以自由地在可选项中做出选择 ， 另一方面 ， 没有约束就无所谓创造 。 这里的自由和约束 ， 正好可以对应于上述模型中的产生和选择变异两种操作 。 首先 ， 有创造性的能动者在各种可能的变异中选择产生新颖的变异 ， 所有的这些可能选择构成了变异空间；其次 ， 所有这些变异都会被社会和文化环境再次选择 ， 如果说第一种选择意味着一种选择的自由 ， 那么第二种选择则意味着一种规范性的约束 ， 所有可能的约束规定了规范空间的边界 。 创造空间是两个空间的交集 ， 随着能动者自由程度的变化 ， 以及社会和文化规范性的变化 ， 创造空间也会相应地变化 。总之 ， 通过以上对创造力的分析 ， 可以发现创造力不仅涉及新颖性这样的事实性判准 ， 而且涉及了有用性和新奇性这样的规范性判准 。 如果说个体系统在创造过程中的作用主要是产生新颖的变异 ， 那么社会和文化系统的作用则是挑选和传递有用和新奇的变异；然而 ， 由于任何个体总是整合了社会-文化和物质因素的延展系统 ， 她也可以相对自主地执行选择和传递变异的规范性活动 。 因此 ， 对于一个有创造力的能动者 ， 她应当1）有能力未经外部干预而产生新颖的变异 ， 2）自动地使变异大概率地位于规范空间之内 。三、计算创造力的工程实践评估在澄清有创造力的能动者的标准之后 ， 我们将进一步评估当下人工智能的创造力 。 在人工智能领域 ， 这种试图采用计算机程序来产生具有创造性的作品的研究 ， 被称之为计算创造力（Computational Creativity） ， 但它的应用目前还主要限于音乐、绘画和诗歌这样一些特定的艺术领域 。 以下 ， 我们将分别评估人工智能的三种艺术实践 。计算机作曲程序试图在很少或没有人类干预的情况下 ， 根据算法自动（而不是辅助人类）完成作曲任务 。 它的技术进路包括语法、基于知识的系统、马尔科夫链、人工神经网络和遗传算法等 ， 其中 ， 前两种进路归属于符号主义 ， 它和人工神经网络是最常见的两种方法 。 符号主义作曲程序试图根据不同风格的音乐背后所隐藏的“语法”规则 ， 来自动生成相应风格的乐谱 。 比如最常见的爵士即兴创作程序 ， 它可以根据人工或机器概括的爵士乐“语法”规则 ， 随机地生成符合“语法”的音符 ， 最终“创作”新颖的爵士乐 。 最著名的作曲程序是科普（David Cope）的作曲程序Emmy ， 它可以创作出莫扎特、巴赫等作曲家风格的乐曲 。 它的原理是根据旋律、和声、装饰主题等来标签来刻画一个作曲家 ， 并将这些标签混合起来 ， 从而产生新的风格 。 而基于人工神经网络的作曲程序则不需要任何音乐语法 ， 只需要让神经网络模型学习乐曲的表面特征 ， 经过训练之后 ， 就可以生成相似风格的曲子 。 比如托德（P. M. Todd）最早使用了一个三层递归神经网络来产生单声道旋律 ， 它的每个输出信号都代表着一个绝对音高 ， 在给定一系列的作曲例子之中 ， 它就可以将一个单独的输入配置与作曲的时间序列关联起来 。 当然 ， 为了追求更强大的作曲能力 ， 更多的音乐作曲程序实际上都混合了不同类型的人工智能方法 。那么 ， 这些作曲程序是否展现了某种创造力呢？博登认为 ， 这些作曲程序都展现了一种探索性创造力 ， 即可以在既定的音乐空间之内探索新的音乐表现 。 我们在某种程度上赞同这一观点 。 如前所述 ， 创造力产生于规范空间与变异空间的交集 。 这些作曲程序并非是在随机地产生音符 ， 相反 ， 它在一定程度上内化了人类音乐创作中的文化规范 。 无论是符号主义程序所依赖音乐语法 ， 还是神经网络所概括的音乐特征 ， 都在一定程度上体现了乐曲风格的规范 。 当然 ， 这种由外而内地植入到程序中的规范并没有捕捉到人类音乐创作中的全部规范 ， 因此程序“创作”的音乐在美学上仍然无法媲美于人类作品 。 但无论如何 ， 这种作曲程序不仅可以产生全新的变异 ， 而且可以自动地让这些变异符合审美规范 ， 因而确实展现了一定的创造力 。相比于自动音乐作曲程序 ， 自动绘画程序并不成熟 ， 它所取得的美学效果要弱于自动作曲 。 最著名的绘画程序是科恩（Harold Cohen）的AARON ， 它可以自动生成一些简单的绘画 。 在数十年的时间里 ， 科恩一直在不断改进AARON ， 让它从表现最简单的抽象画 ， 到可以表现更为具象的诸如石头、树木和人物这样的形象 ， 后来甚至可以表现带有色彩的3D场景的形象 。 此外 ， 由于深度学习所带来的计算机视觉技术的进步 ， 当下的自动绘画出现了新的契机 。 比如谷歌公司的DeepDream程序 ， 在向这个程序喂进一个图像之后 ， 它或随机或故意地聚焦于某个特征 ， 随后通过修改图像来强化这一特征 ， 最终经过多次重复之后 ， 就可以生成明显具有该特征的图像 。 因此 ， DeepDream可以融合不同图像的风格 ， 生成一些颇具梦幻效果的图像 ， 就如艺术中拼贴画 。那么 ， ARRON和DeepDream是否体现了某种创造力呢？显然 ， AARON所“创作”出来的绘画都是不经人类干预的 ， 并且也是未曾预想到的 ， 因而它可以自主地产生全新的变异 ， 并且 ， 这些“作品”也在最低限度上符合人类绘画的文化规范 。 科恩认为 ， 虽然这并不能就此证明AARON具有创造力 ， 但也起码证明了它可以做到一些需要人类创造力而做出的事情 。 在我们看来 ， 如果单从它产生的作品而非创造过程进行分析 ， 可以认为AARON具有创造力 。 对于DeepDream ， 博登认为它并没有展现出真正的创造力 。 在她看来 ， 拼贴画所选择的内容的组合并非是随机的 ， 而是展现了特定的文化蕴涵 。 但是由于深度神经网络DeepDream的不可解释性 ， 很难根据初始图像来预测它所生成的图像 ， 从而无法根据某种美学趣味来挑选拼贴元素 ， 最终无法自动进行创造 。 可见 ， AARON展现了某种创造力 ， 它的创作遵循着某种美学规范 ， 但DeepDream所能做的只是不可解释的组合而非可预想的创造 ， 因为它的创造活动本身并没有自动地体现某种美学规范 。自动作诗属于人工智能中的自然语言生成（natural language generation） ， 它试图通过计算机程序自动生成人类可以理解的文本 。 这些程序所使用的技术包括：模板、生成-测试、进化规划、实例推理和随机语言建模 。 近来最著名的作诗程序就是微软公司开发的“小冰” ， 它所“创作”的诗集《阳光失了玻璃窗》的出版 ， 引起了各学科领域的广泛讨论 。 小冰作诗的原理是 ， 首先 ， 从用户给定的图片及其语义描述中提取相关意象 ， 然后 ， 模型将基于关联度统计进一步扩展这些意向 。 基于提取和扩展的意象 ， 模型就可以通过训练好的递归神经网络生成相应的诗歌 ， 随后再通过自动评估器对生成的诗句进行评估 ， 以排除不流畅或语义不融贯的句子 ， 经过反复的生成与评估之后 ， 就可以最终成篇 。 在整个作诗过程中 ， 小冰可以自动地产生新颖的变异即意象组合 ， 并且可以对这些变异进行评估和修正 ， 从而更大概率地产生自动产生符合审美规范的诗歌 。 因此 ， 小冰无疑符合前文所述的创造能动者的判准 ， 具有一定的诗歌创造力 。然而 ， 虽然小冰内置了自动评估器 ， 但仅仅在语法和语义融贯层面对其进行评估 ， 却不包含对意象组合的本体论常识的描述 。 实际上 ， 大量的不符合本体论常识的意象组合是无意义的 。 我们注意到 ， 小冰创作了10000多首诗歌 ， 最终只选了130多首出版 ， 这里面实际上涉及到了人工的选择 ， 它排除了大量质量低的诗歌 。 而我们基于在小冰作诗程序网站（https://poem.msxiaobing.com/）上的实验 ， 发现它所“创作”的诗歌大多都是机械拼接不合常理 。 只有在经过反复试错之后 ， 才能得到几首在审美上有点价值的诗歌 。 可见 ， 从大量的随机生成 ， 到人工选择少数作品 ， 人类的评估在整个创造活动中发挥了必不可少的作用 。 在这个意义上 ， 小冰展现的创造力并没有那么强大 。四、弱人工创造力与强人工创造力以上所分析的各种计算创造力模型 ， 全部都满足创造力的能动者的判准1 ， 即可以有能力未经外部干预而产生新颖的变异 ， 除了DeepDream之外 ， 也都满足判准2 ， 即自动地使变异大概率地位于规范空间之内 。 那么 ， 这是否意味着 ， 当下的人工创造力已经实现了人类式的创造力 ， 随着程序技术水平的提高 ， 不远的将来机器就将取代人类的创造劳动了呢？事情远没有这样乐观 。对于判准2 ， 需要更进一步的分析 。 一般而言 ， 自动地行动意味着因循一种规范而行动 ， 对于有机体而言 ， 这种规范是内禀的 ， 即规范对于它是有意义的 ， 对于自动机器而言 ， 这种规范是外赋的 ， 对它自身是无意义的 。 我们可以基于这种区分进一步界定两种不同的人工创造力 ， 即强人工创造力和弱人工创造力 。 这一区部分来自于塞尔对弱人工智能与强人工智能的区分：“根据弱人工智能 ， 计算机在心灵研究中的主要价值是 ， 给予我们一种有力的工具 。 ……但是根据强人工智能 ， 计算机不仅仅是心灵研究的工具 ， 相反 ， 恰当编程的计算机就是心灵 ， 在这个意义上 ， 被赋予正确程序的计算机可以在字面意义上被认为可以理解 ， 并具有其他认知状态 。 ”塞尔反对强人工智能的可能性 ， 认为计算机并不能够理解 ， 也不具有认知状态 。 在他看来 ， 数字计算机与人类智能的区别在于 ， 前者仅仅是在响应符号串的物理形式 ， 但人却可以将语言中的词语与意义关联起来 ， 它所响应的是语言的意义 。 因此 ， 数字计算机是一个纯粹的形式系统 ， 而不承载任何内容 ， 也就是说 ， 它仅仅是句法的 ， 而不是语义的 。 塞尔由此认为：“程序对于心灵而言既非构成性的也并非是充分的 。 ”塞尔的这个论断实际上意味着 ， 计算机中的语义（即规范性内容）衍生于外部观察者或设计者的赋予 ， 而无法自主地理解一个有意义的世界 。 哈纳德后来将这一问题总结为符号奠基问题 。 它的要点在于 ， 形式符号系统与外部世界之间的规范性钩连 ， 如何才能内禀地生成 ， 而不是外赋地规定 。 由于既有的人工智能进路都无法解决符号奠基问题 ， 强人工智能目前还无法实现 。基于弱和强的人工智能的区分 ， 可以进一步阐明强和弱的人工创造力 。 弱人工创造力基于弱人工智能 ， 它仅仅是一种研究创造力的工具 ， 可以通过某种创造力图灵测试来判定 ， 即计算机所创造出的作品和人类作品比较的时候 ， 任意的第三方都无法有效地将其区分出来 。 在这个时候 ， 我们可以认为计算机具有了弱人工创造力 ， 但却不能断定它具有强人工创造力 。 后者建立在强人工智能之上 ， 它可以自主地生成语义规范 ， 乃至更广泛的社会-文化规范 ， 从而可以根据内禀的规范自动地创造新颖的产品 。 在这个意义上 ， 具有强人工创造力的智能机器同时具有自主性和创造性 。那么 ， 如何才能让人工智能具有内禀的规范性呢？根据生命科学中的自创生理论 ， 规范性来自于自创生系统的两种机制 ， 即自创生（autopoiesis）和自适应（adaptivity） 。 自创生系统是一个可以自我维持、自我产生的自组织系统 。 规范性的来源是系统同一性的持存 ， 一种处境只要危及系统同一性的维系 ， 它就是负面 ， 反之 ， 则都是正面的 。 后来迪保罗进一步认为 ， 自创生仅仅能提供一种全或无（all-or-nothing）的规范 ， 为了说明那些更为细密的规范性 ， 他提出了自适应性的机制来补充自创生 。 自适应性是一个鲜活的有机体对自身状态及其与环境的关系的调节 ， 从而将自身和环境状态控制在有利于维持其生存的范围之内 。 这样 ， 环境和内部状态对于有机体本身就具有了一种梯度式的规范性 。 正是基于自创生和自适应的机制 ， 世界对于有机体就是内禀地具有意义的 。 有机体才可以有目的地认知和理解世界 ， 从而获得了一种自主的智能和创造力 。因此 ， 除非我们构造出一个具有自创生和自适应机制的人工生命 ， 否则就无法实现具有自主性的强人工智能和强人工创造力 。 既有的计算创造力模型虽然满足一个有创造力的能动者的判准 ， 即可以自动地产生符合社会-文化规范的新颖变异 ， 但它的自动行动所遵循的规范性却是外赋的而不是内禀的 。 除了生命系统 ， 任何机械的计算系统都不具有这种内禀的规范性 。 在这个意义上 ， 计算创造力模型只具有弱人工创造力 ， 而无法实现强人工创造力 。五、智能时代人类与机器的劳动分工既然机器只能获得弱人工创造力 ， 那么它就无法取代人类在创造活动中的位置 ， 人类劳动将继续在创造活动发挥独特的价值 。 然而 ， 这是否意味着 ， 人工创造力只是一种供人娱乐的玩具 ， 对于人类的高级创造活动没有任何用处呢？并非如此 。 在我们看来 ， 人工创造力将对人类的生产活动发挥巨大的作用 。 我们需要明确的仅仅是：在人工智能时代 ， 人类与机器如何在创造活动中分工？为了回答这一问题 ， 首先需要正确地理解二者的关系 。随着人工智能在很多领域的智能表现开始胜过人类 ， 很多人担忧人工智能将带来一系列的社会和生存风险 。 但正如我们在先前的研究中所揭示的 ， 由于人工智能缺乏自主性 ， 在人工生命实现之前 ， 它完全不可能超越或取代人类 。 因此 ， 不应将人工智能视为与人类敌对的能动者 ， 而应将其视为人类大脑的延伸 ， 正如机器是人类器官的延伸一样 ， 正如有学者指出的 ， 人工智能应被视为一种延展认知系统 。 从这个观点看 ， 人工智能并没有彻底改变人与技术之间的关系 。 克拉克（Andy Clark）认为 ， 人类的本质即在于总是将非生物的资源与自身耦合在一起 。 人类天生就是与技术杂合在一起的赛博格 。 而人工智能不过是一种最新的延展媒介 ， 就如以往的词语、数字、计算器和手机一样 。 虽然人工智能相比于历史上的技术工具 ， 可以在一定程度上实现人类的认知劳动 ， 包括推理、规划、问题解决和学习等 ， 但它也如同词语、数字、计算器和手机一样 ， 并不知晓人类行动的理由 ， 更不会理解它所加工的数据的意义 。 因此 ， 人工智能依然只是一种新的延展系统 。然而 ， 相比于历史上的技术工具 ， 人工智能也具有它的独特性 ， 即它可以在某种意义上被视为一种认知能动者 。 根据拉图尔的观点 ， 任何事物只要它对其他能动者的行动产生了影响（make a difference） ， 就可以被视为一个能动者 。 而对于一个认知能动者 ， 总是会涉及到信息加工 ， 它可以凭借信息加工来对其他能动者的行动施加影响 。 根据贝特森的定义 ， 所谓的信息就是可以产生影响（make a difference）的差异 。 综合拉图尔和贝特森的观点 ， 一个认知能动者 ， 就是通过产生某种具有新颖变异（即差异）的观念 ， 来对其他行动者的行动产生影响 。 而人工智能无疑可以满足这个定义 ， 它可以产生位于规范空间之内的变异 ， 从而可以对社会和文化系统中的人类能动者产生影响 。 因此 ， 人工智能一方面是人类的延展认知系统 ， 但它同时也可以被视为某种认知能动者 ， 它与人类存在着一种既耦合又去耦的关系 。在明确了人类与人工智能的关系之后 ， 我们就可以对前文所述的图2中的创造力系统模型略作修改 ， 即将仅包含人类能动者的延展系统替换包含了人类能动者和机器能动者的延展系统 ， 也就是说 ， 变异的产生不再仅仅经由个人 ， 而同样来自于机器能动者 。 这一新的创造力模型如图3所示：


推荐阅读


上一篇：老年|28岁男子，酒后猝死，再次提醒：酒后3件事做不得，莫忽视！

下一篇：胡同|东城居民参与成立“花友汇”，见缝插绿营造绿色生态