「AIの創造性の測定」 AIの創造性を測定する

Measuring AI creativity

約15年前、フレデリック・フォル・レイマリーと同僚は、人物の肖像画を描くことができるロボット「Aikon」を開発しました。このシステムは、人がその前に座っている様子をカメラでキャプチャし、画像の情報をコマンドに変換してペンを備えたロボットアームに送信し、その人の顔をスケッチします。「目的は、単純に人間の美的センスに似た美を実現することでした」と、英国ロンドンのゴールドスミス大学のコンピュータ科学の教授であるフォル・レイマリー氏は言います。

当時、Aikonはその素朴なロボットアームの曖昧なストロークによる人間のような品質のスケッチにより、画期的でした。今日、人工知能（AI）システムははるかに高品質なアーティファクトを生成することができます。例えば、OpenAIのDALL-E2システムは、短い説明を提供すると写実的な画像を生成することができます。また、AIVA Technologiesなどの企業は、オリジナルの音楽を作曲できるAIを開発しました。これにより、研究者たちはAIの創造的な潜在能力やそれをどのように量化できるかといったより深い問いを考えるようになっています。

「私は創造性は、[AIモデル]が創造的であると主張する前に理解する必要がある行動だと思います」と、ニューヨーク州ヨークタウンハイツのIBMトーマスJ.ワトソン研究所のAI研究者であるペイエル・ダス氏は言います。「ですから、AIエージェントや機械学習モデルにとって、創造的であるとは一体何を意味するのでしょうか？」

AIの創造性を評価しようとする際、研究者たちは通常、この分野において主要な役割を果たした英国の認知科学者マーガレット・ボーデンの研究に言及しています。ボーデンは、創造性を3つのタイプに分類しました。組み合わせ的創造性は、既存のアイデアを新しい方法で結びつけることを指し、探索的創造性は特定の概念空間内で新しいアイデアを生成することを含みます。変革的創造性は最も根本的なものであり、既存のアイデアとは根本的に異なるアイデアを考え出すことを指します。「現在、人間またはAIエージェントの探求されている創造性の現在の次元の多くは、おそらく[組み合わせ的]カテゴリに属する」と、ダス氏は言います。

• 「アルゴリズムを使用して数千件の患者請求を不適切に拒否した」として、シグナが告発されました
• 「巨大な望遠鏡が知能化されたメンテナンスロボットを採用」
• 「機械学習に質問をすることで、より賢くなることができます」

研究者たちは現在、AIの創造性を量化するための尺度を考案しようとしています。最初のステップは創造性を定義することであり、これは何度も提案されてきた100以上の異なる定義があるため、課題となることがあります。過去には、創造性は科学的に説明できない神秘的な人間特性とされることが多かったです。経験からインスピレーションを得たり、自己認識など、創造的なプロセスの一部は重要な要素とされることもあります。「現時点では、これは機械で再現するのが非常に難しいものです」と、英国ロンドンのユニバーシティカレッジロンドンのコンピュータ科学教授であるミルコ・ムソレージ氏は言います。

ただし、ボーデンの有名な定義では、創造性は新しい、驚きのある、価値のあるアーティファクトを生み出す能力とされ、これはAIシステムの創造性を評価する際に通常選択されます。最近の研究では、ムソレージ氏と彼の同僚は、深層学習を使用してこの定義の3つの要素を測定する方法を考案しました。彼らの目標は、生成アルゴリズムによって生成されたアーティファクトの創造性を評価するために人間の判断を必要としない自動化されたアプローチを作成することでした。「多くの次元を持つ問題がある場合、深層学習は情報をキャプチャし、それから学習することができるため、それに適しています」と、ムソレージ氏は述べています。

彼らの方法をテストするための初めの実験では、チームはアメリカの詩を対象にし、19世紀の公開されている2,676の詩を使用して2つのタイプのニューラルネットワークをトレーニングしました。その後、彼らはトレーニングデータの一部である創造性を事前に見たことのないサブセットの予測ができるかどうかをモデルでテストしました。さらに、20世紀の詩と17世紀および18世紀の詩で構成されるデータセットも使用してさらなるテストが行われました。

ムソレージ氏によれば、モデルはトレーニングセットに対して良いパフォーマンスを示しました。例えば、詩のテーマ（愛など）がトレーニングセットと類似している場合、詩は驚きの点で低評価されるでしょう。ムソレージ氏は、作業が予備的なものであると強調しました。トレーニングデータセットのサイズが比較的小さく、詩で使用される単語などの他の側面を評価していないという制約がいくつかあります。

ムソレシと彼の同僚は、彼らのシステムがAIモデルの生成プロセスに組み込まれる可能性があると予想しています。モデルはその創造性を最大化するために訓練されることがあり、またはその出力は反復的なプロセスの一部としてアプローチを評価することができます。ムソレシは、「私たちはこのような深層学習技術を使用して[創造的な製品]を生成しているので、それを判断するためにも自然なことです」と述べています。ムソレシは、「機械を使って機械を判断することができます。」と述べています。

別のチームは、神経科学に触発された生成モデルの創造性を特徴づけるメトリックを考案しました。創造的なタスクを完了する間に人々の脳をスキャンする研究は、その出力の創造性が脳活動の違いと関連していることを示しています。ダスと彼女の同僚は、AIモデルの創造性も、ディープラーニングアルゴリズムを構成する人工ニューラルネットワークの活性化パターンから検出できるという仮説を立てました。これには、グループベースのサブセットスキャンというメソッドを使用します。生成型AIモデルはトレーニングデータを模倣するように設計されているため、アーティファクトを生成する間の特定の種類の活動の違いは創造性を示すはずです。「私たちは異常なパターンを探し求めます」とダスは述べています。

ダスと彼女のチームは、生成型AIモデルとさまざまな画像データセットを用いた実験で、非典型的な活性化がより新しい意味のある生成された画像と相関していることを示しました。出力の創造性を評価するために尋ねられた人々は、そのスコアが主に活性化パターンから予測されたものと一致していることを確認しました。

ダスと彼女のチームは現在、機械の創造性がどのように制御できるかに興味を持っています。現在の生成型モデルは強力ですが、その創造的な出力は人間や社会にとっての価値の観点で異なります。たとえば、新薬の設計に使用する場合、創造的な解決策を提案するかもしれませんが、毒性を持たないなどの他の基準も満たさなければなりません。「今後の課題は、良い創造性に向けて彼らをどのように導くかです」とダスは述べています。

これまで、AIの創造性はデジタルアーティファクトを生成するシステムに焦点を当ててきました。しかし、フォル・レイマリエは、近い将来、絵画や彫刻などの物理的なオブジェクトを生み出すロボットにも関心が広がると考えています。これらのオブジェクトは、研究開発の段階を超えて動き始めています。彼と彼の同僚は、最先端の技術の創造性を特徴づけることを試みることで、ロボットやAIがビジュアルアートの創造性にどのように影響を与えているかを調査しています。

「私たちは、数年後に同様の革命に備える必要があるでしょう」と彼は言います。

サンドリーヌ・セルステモンは、イギリス・ロンドンを拠点とするフリーランスの科学ライターです。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!