계산 창의성은 창의적인 것으로 간주되는 행동을 보이는 컴퓨터 시스템의 이론, 설계 및 평가와 관련된 연구 및 실천 분야이다. 이 분야는 인공지능, 인지 과학, 심리학, 예술을 활용하며, 계산 모델을 통해 인간의 창의성을 이해하고 독창적이고 가치 있는 결과물을 생성할 수 있는 시스템을 구축하는 것을 목표로 한다. 이 분야는 음악, 문학, 시각 예술, 과학적 가설, 공학 설계 등의 결과물을 다루며, 저작권, 독창성, 문화 생산에서 알고리즘의 역할에 대한 질문을 제기한다.
이 용어는 1990년대에 두각을 나타냈으며, 초기 연구는 규칙 기반 및 상징적 시스템에 초점을 맞추었다. 그 후 이 분야는 기계 학습 및 심층 학습 접근법을 통합하여 확장되었으며, 특히 생성형 AI 모델의 부상으로 두드러진다. 현대의 계산 창의성은 종종 신경망 아키텍처, 특히 트랜스포머 모델을 포함하며, 텍스트, 이미지 및 오디오 영역에서 아주 정교한 결과를 생성할 수 있다. 그러나 이 분야는 진화 알고리즘과 제약 기반 생성과 같은 물리학적 방법도 포함하여, 광범한 학제적 뿌리를 반영한다.
역사적 토대
초기 계산 창의성 연구는 용어 자체보다 암시를 기록하고 있다. 1950년대와 1960년대에 개척자들은 음악과 텍스트의 알고리즘 생성을 추구했다. 예를 들어, 1950년대에 개발된 체스 컴퓨터 프로그램은 전략적 신호을 시연했지만 창의적인 것으로 분류되지는 않았다. 1970년대에는 Harold Cohen가 개발한 AARON과 같은 시스템이 구성과 색에 대한 수작업으로 코딩된 규칙 집합을 사용하여 독창적인 그림과 그림을 생성했다. 이들 초기 시스템은 상징적 AI의 특징인 명시적 지식을 의존했다.
1980년대와 1990년대에는 제록스 PARC 및 MIT를 제안기관의 연구자들이 창의성을 계산 문제로형 정식화하기 시작했습니다. 1999년 이후 매년 개최되는 국제 계산 창의성 컨퍼런스와 같은 이 분야의 최초 전용 컨퍼런스는 1990년대 후반에 시작되었습니다. 이 기간 동안의 주요 이론적 기여에는 기존 개념의 결합, 개념 공간의 탐구, 그리고 이러한 공간의 변환과 같은 창의적 프로세스 구조에 대한 모델이 포함되었습니다.
핵심 방법 및 기술
현대 계산 창의성은 다양한 기술을 사용합니다. 상징적 접근은 문법, 논리, 검색을 사용하여 정의된 제약 내에서 본신 구조를 생성합니다. 예를 들어, 시스템은 운율과 운율에 대한 형식 문법을 적용하여 시를 생성할 수 있습니다. 생물학적 진화에서 영감을 받은 계산적 진화는 적응 함수에 기반하여 후보 아티팩트를 반복적으로 변형하고 선택하여 종종 설계를 생성하거나 심미적 기준을 최적화하는 데 사용됩니다.
심층학습의 부상으로 많은 시스템은 이제 대규모 음성 모델 및 기타 신경망 아키텍처를 사용합니다. 방대한 데이터 세트에서 학습된 이러한 모델은 일관된 텍스트, 현실적인 이미지, 독창적인 음악을 생성할 수 있습니다. top-k 샘플링, top-p 샘플링 및 온도 스케일과 같은 기법은 생성된 출력의 랜덤성과 다양성을 제어하여 창작자들이 본신과 일관성을 균형 잡을 수 있게 합니다. 데이터 증가 및 커리큐럼 학습는 창의적 작업에서 모델 성능을 개선하는 데에도 사용됩니다.
평가 비용은 여전히 핵심 문제입니다. 전통적인 AI 벤치마크와 달리 창의성은 단일 시스템적 지표가 부족합니다. 연구자들은 종종 인간 심사를 사용하여 본신성, 가치, 놀라움과 같은 기준을 사용합니다. Creative Tripod와 같은 일부 프레임워크는 본신성, 가치 및 놀라움의 차원으로 창의성을 평가합니다. 다른 접근법은 생성된 결과의 교육 데이터와 통계적 편차를 측정하는 것과 같은 계산 자체를 사용합니다.
영역별 적용
계산 창의성은 여러 분야에서 실용적입니다. 음악에 시스템은 클래식에서 일렉트로닉스로 다양한 스타일의 독창적인 곡을 구성하며 때때로 인간 음악가와 협력합니다. 시각 예술에서는 아트 작품이 생성 모델로 생성되어 일부 작품은 경매에서 판매됩니다. 문학에서는 AI 시스템이 시, 단단한 이야기, 그리고 각본도 작성하여 종종 인간의 편집을 받습니다.
과학 분야에서는 계산 창의성이 가설 생성과 실험 설계에 도움을 줍니다. 예를 들어 시스템은 과거 화학 화합물을 제안하거나 새로운 수학적 추측을 권장할 수 있습니다. 공학에서는 생성적 설계 도구가 제작에 최적화된 부품을 만들기 위해 광범위한 설계 공간을 탐구합니다. 엔터테인먼트 산업은 게임 레벨 디자인, 캐릭터 생성 및 특수 효과를 위해 이러한 기술을 사용합니다.
상용 채택은 성장하고 있으며, OpenAI, Anthropic, Google DeepMind와 같은 기업이 범용 창의적 도구를 개발하고 있습니다. 이것들은 종종 Amazon Web Services, Azure, Google Cloud와 같은 클라우드 플랫폼을 통해 배포되어 창의적 AI를 널은 대중에게 제공합니다. 그러나 이 분야에는 AI21 Labs 및 Inflection AI와 같은 특정 창의적 영역에 초점을 맞춘 전문 창업 회사 및 연구 연구소도 포함됩니다.
철학적 및 윤리적 차원
계산 창의성의 상승은 창의성과 저작권의 함수에 대한 논쟁을 촉하했습니다. 일부는 기계가 의도성이나 의식이 없기 때문에 진정으로 창의적이 될 수 없다고 주장하며, 다른 사람들은 창의성은 복잡한 정보 처리의 자연 현상 속성이라고 주장합니다. A I 시스템이 의미를 이해하고 있는지 또는 단지 알고리즘을 조작할 수 있는 지에 대한 질문을 연구하는 멜라니 미첼과 조슈아 테넨바움 같은 철학자를 연구합니다.
윤리적 문제에는 AI 창작물의 저작권과 소유권, 교육 데이터에 대한 잠재적 편향, 인공 창의적 직업에 대한 영향이 포함됩니다. 법적 프레임워크는 여전히 변화하며, 일부 지역은 특정 조건에서 AI 창작 결과물에 대한 저작권을 허용합니다. 패션 분야는 인간-AI 협업의 역할도 검토하며, 이는 자율적 창조자가 아닌 도구나 파트너로 작동하는 경우가 있습니다.
향후 전망
계산 창의성 연구는 생성 결과의 독창성과 의도성을 개선하는 데 집중하며 계속 발전하고 있습니다. 한 방향은 강화 학습 기술을 통합하여 RLF와 같은 창의적 출력을 인간의 선호에 맞추는 방법입니다. 또 다른 방법은 자체 창의 과정에 대해 추론할 수 있는 모델을 개발하여 더 많은 투명성과 제어성을 가진 시스템을 가능하게 하는 것입니다.
학제적 협업은 중요성이 있으며, 컴퓨터 과학자, 화가, 심리학자, 그리고 철학자를 함께 모으는 요가 있습니다. 생성 AI의 보급도가 높아짐에 따라 계산 창의성은 문화, 과학, 기술을 형성해 나가는 데 큰 역할을 할 것이며, 지속적인 조사가 필요한 새로운 질문을 제기합니다.