miniaturadeimagen|Una de las imágenes utilizadas en la primera publicación del mundo de una obra de arte sobre IA (Inteligencia Artificial). La creatividad computacional (también conocida como creatividad mecánica, informática creativa o computación creativa) es un esfuerzo multidisciplinario que está localizado en la intersección de los campos de inteligencia artificial, la psicología cognitiva, la filosofía y las artes. Su objetivo es modelar procesos creativos para alcanzar diversos fines, como la generación de arte original, la resolución de problemas o la asistencia en procesos de diseño:Boden, Margaret. The Creative Mind: Myths and Mechanisms, 2004; Colton, Simon; Wiggins, Geraint. “Computational Creativity: The Final Frontier?”, Paper in Artificial Intelligence, 2012.
Construir un programa o ordenador capaz de alcanzar el nivel de creatividad humano. Entender mejor la creatividad humana y formular una perspectiva algorítmica del comportamiento creativo humano. Diseñar programas que puede realzar la creatividad humana, sin que sean necesariamente creativos.
El campo de la creatividad computacional abarca asuntos teóricos y prácticos en el estudio de la creatividad. El trabajo teórico de la propia definición de creatividad se entiende en paralelo con el trabajo práctico en la implementación de sistemas creativos, con continua comunicación entre ambos.
Asuntos teóricos Como se ha podido observar por la cantidad de actividad en el campo (por ejemplo, publicaciones, conferencias y talleres), la creatividad computacional es una área de investigación en pleno crecimiento. Sin embargo, el desarrollo de dicho campo todavía está obstaculizado por una gran cantidad de problemas fundamentales. Es muy difícil, incluso imposible, definir la creatividad en términos objetivos. No se sabe si se trata de un estado mental, un talento o habilidad o un proceso. La creatividad toma muchas formas en la actividad humana, algunos de ellos "eminentes" (a veces, equivalentes a una "Creatividad" con C mayúscula) y algunos de ellos "mundanos".
Estos son problemas que complican el estudio de la creatividad en general, pero algunos problemas se vinculan específicamente con la creatividad computacional:
¿La creatividad puede programarse? En sistemas dotados de creatividad, ¿proviene ésta del propio sistema o de su programador o diseñador? ¿Cómo evaluar la creatividad computacional? ¿Qué es lo que cuenta como creatividad, en un sistema computacional? ¿Son creativos los sistemas de generación de lenguajes naturales creativos? ¿Son creativos los sistemas de traducción automática? ¿Qué distingue la investigación en el campo de la creatividad computacional de la investigación en inteligencia artificial, en general? Si la creatividad eminente trata de romper las reglas o negar la convención, ¿cómo es posible que un algoritmo sea creativo? En esencia, esto es una variante de la oposición de Ada Lovelace a la inteligencia de las computadoras, tal y como lo han resumido teóricos modernos como Teresa Amabile. Si una máquina sólo puede hacer aquello para lo que está programada, ¿cómo puede considerarse que su comportamiento es creativo?
De hecho, no todos los informáticos estarían de acuerdo con la premisa de que los ordenadores sólo pueden hacer para lo que se programaron, lo cual es un punto clave a favor de la creatividad computacional.
Definición de la creatividad en términos computacionales Debido a que ninguna perspectiva o definición parece ofrecer una descripción clara de creatividad, Shaw y Simon, investigadores de IA Newell, desarrollaron la combinación de novedad y utilidad al punto clave de una vista multifacética de creatividad, que utiliza los siguientes cuatro criterios para categorizar una cierta respuesta o solución como creativa:
La respuesta es novedosa y útil (ya sea para el individuo o para la sociedad). La respuesta hace que se rechacen ideas previamente aceptadas. La respuesta es el resultado de una persistencia y motivación intensas. La respuesta proviene de aclarar un problema que originalmente era impreciso.
Mientras que la definición anterior refleja un acercamiento general a la creatividad computacional, los psicólogos computacionales involucrados en las investigaciones de redes neuronales artificiales han desarrollado un estudio alternativo más exhaustivo. Entre finales de 1980 y principios de 1990, por ejemplo, dichos sistemas neuronales estuvieron generados por algoritmos genéticos.Gibson, P. M. (1991) NEUROGEN, musical composition using genetic algorithms and cooperating neural networks, Second International Conference on Artificial Neural Networks: 309-313. Los experimentos que implican redes recurrentes fueron exitosos generando melodías musicales sencillas y predecir las expectativas del oyente.
Mientras se llevaba a cabo este estudio, algunos psicólogos computacionales tomaron la perspectiva, popularizada por Stephen Wolfram, de que podrían surgir comportamientos del sistema considerados complejos (por ejemplo, la producción creativa de la mente) de algoritmos considerados sencillos. Según el pensamiento neurofilosófico, también resulta evidente que el lenguaje resultó ser un obstáculo al intentar producir un modelo científico de cognición, creativo o no, ya que trajo con él muchos halagos no científicos que eran más reconfortantes que certeros. Por lo tanto, surgen preguntas como qué tan "rica", "compleja" y "maravillosa" era la creación cognitiva.
Redes neuronales artificiales Antes de 1989, se usaron redes neuronales artificiales para modelar ciertos aspectos de la creatividad. Peter Todd (1989) primero entrenó una red neuronal para reproducir melodías musicales de un conjunto de piezas musicales de entrenamiento. Luego, utilizó un algoritmo de cambio para modificar los parámetros de entrada de la red. La red era capaz de generar, aleatoriamente, música nueva de una manera altamente incontrolada.Todd, P.M., and Loy, D.G. (Eds.) (1991). Music and connectionism. Cambridge, MA: MIT Press. En 1992, Todd extendió este trabajo, utilizando el llamado enfoque del profesor distante, que habían desarrollado Paul Munro, Paul Werbos, D. Nguyen, Bernard Widrow, Michael I. Jordania y David Rumelhart.Todd, P. M. (1992). A connectionist system for exploring melody space. In Proceedings of the 1992 International Computer Music Conference (pp. 65-68). San Francisco: International Computer Music Association.A dual backpropagation scheme for scalar-reward learning. P Munro - Ninth Annual Conference of the Cognitive Science, 1987Neural networks for control and system identification. PJ Werbos - Decision and Control, 1989.The truck backer-upper: An example of self-learning in neural networks. D Nguyen, B Widrow - IJCNN'89, 1989.Forward models: Supervised learning with a distal teacher. MI Jordan, DE Rumelhart - Cognitive Science, 1992. En la aproximación nueva, hay dos redes neuronales; una de ellas suministra patrones de entrenamiento a la otra. En trabajos posteriores realizados por Todd, un compositor seleccionaría un conjunto de melodías que definen el espacio de melodía, las colocaría en un segundo plano con una inferfaz gráfica y entrenaría una red para producir esas melodías, a fin de escuchar las nuevas melodías que la red genera correspondientes a puntos intermedios en el segundo plano.
Más recientemente, se ha desarrollado un modelo neurodinámico de redes semánticas para estudiar cómo la estructura de conectividad de estas redes se relaciona con la riqueza de las construcciones semánticas o ideas que pueden generar. Está demostrado que las redes neuronales semánticas que tienen dinámicas semánticas más ricas que otras estructuras de conectividad pueden proporcionar ideas sobre cómo la estructura física del cerebro determina una de las características más profundas de la mente humana: su capacidad para el pensamiento creativo.Marupaka, Nagendra, and Ali A. Minai. "Connectivity and creativity in semantic neural networks." Neural Networks (IJCNN), The 2011 International Joint Conference on. IEEE, 2011.
Conceptos clave de la literatura Algunos temas de alto nivel y filosóficos se repiten en el campo de la creatividad computacional.
Categorías importantes de creatividad Margaret Boden utiliza, para la creatividad que es novedosa únicamente para el agente que lo produce, el término creatividad P (o creatividad psicológica) y, para la creatividad reconocida como novedosa por la sociedad, el término creatividad (o creatividad histórica). Stephen Thaler sugiere una nueva categoría que él llama creatividad V o creatividad visceral, donde el significado se inventa para los sentidos de entrada a la arquitectura de la máquina creativa, para que la red produzca interpretaciones alternativas, y otras redes por debajo ajustan la interpretación para que se ajuste al contexto. Una variedad importante de la creatividad V es la conciencia, en la que el significado se inventa de forma reflexiva para activarse, como en el cerebro.
Creatividad exploratoria y transformacional Boden también distingue entre la creatividad que surge de una exploración dentro de un espacio conceptual establecido y la creatividad que surge de una transformación deliberada o trasciende este espacio. Denomina a la primera creatividad exploratoria y a la segunda creatividad transformacional, y considera que esta última es un tipo de creatividad mucho más radical, desafiante y menos común que la anterior. Siguiendo los criterios elaborados previamente por Newell y Simon, puede verse que ambas formas de creatividad tendrían que producir resultados notables y útiles (criterio 1), pero es más probables que la creatividad exploratoria surja de una búsqueda minuciosa y persistente de un espacio bien entendido (criterio 3), mientras que la creatividad transformacional tendría que implicar el rechazo de algunas de las restricciones que define este espacio (criterio 2) o algunas de las suposiciones que define el propio problema (criterio 4). Las ideas de Boden han guiado el trabajo realizado acerca de la creatividad computacional hacia un nivel muy general, lo que ha motivado a desarrollar trabajos en un marco técnico de sustancia algorítmica. Aun así, las ideas de Boden son incluso más recientes que el tema de formalización, más notable en el trabajo de Geraint Wiggins.
Generación y evaluación El criterio de que los productos creativos tendrían que ser útiles significa que los sistemas computacionales creativos suelen estar estructurados en dos fases: generación y evaluación. En la primera fase, se generan nuevas construcciones (nuevas para el propio sistema y, por lo tanto, se trata de una creatividad P); todas las construcciones ya conocidas por el sistema se filtran en este punto. Se evalúa entonces este cuerpo de construcciones potencialmente creativas, a fin de determinar cuáles son significativas y útiles y cuáles no. Esta estructura bifásica conforma el modelo Geneplore de Finke, Ward y Smith, que es un modelo psicológico de generación creativa basada en la observación empírica de la creatividad humana.
Creatividad combinatoria Un buen trato, a pesar de todo, de la creatividad humana puede entenderse como combinación novedosa de objetos o ideas preexistentes. Algunas estrategias comunes para la creatividad combinatoria son:
Colocar un objeto familiar en un contexto desconocido (por ejemplo, Marcel Duchamp, Fuente) o un objeto desconocido en un encuadre familiar (por ejemplo, El Beverly Hillbillies). Mezclar dos objetos o géneros diferentes (por ejemplo, la historia de ciencia ficción ambientada en el salvaje Oeste, con cowboys robot, en Westworld, o al revés, como en Firefly; los poemas japoneses haiku, etcétera). Comparar un objeto familiar con un objeto no conocido (por ejemplo, "el maquillaje es la burka occidental", "Un zoológico es una galería con exposiciones vivientes", etcétera).