有限的數據意味著有限的創新。 奔拉邁照片 薩姆·瓦拉迪/Flickr, CC BY-SA
歐洲專利局 最近被拒絕 描述食品容器的專利申請。 這並不是因為這項發明不新穎或不實用，而是因為它是由人工智能（AI）創造的。 根據法律規定，發明人必須是真實的人。 這不是人工智能的第一個發明——機器已經產生了各種創新， 科學論文 和書籍 新材料 和 音樂.
也就是說，創造力顯然是最顯著的人類特徵之一。 沒有它，就不會有詩歌、互聯網和太空旅行。 但人工智能能否趕上甚至超越我們呢？ 我們來看看研究吧。
從理論角度看，創造力和創新是一個過程 搜索與組合。 我們從一項知識開始，並將其與另一項知識聯繫起來，形成新的、有用的東西。 原則上，這也是機器可以完成的事情——事實上，它們擅長存儲、處理和在數據中建立連接。
機器通過使用生成方法來進行創新。 但這到底是如何運作的呢？ 有 不同的方法，但最先進的技術稱為 生成對抗網絡。 舉個例子，考慮一台機器，它應該創建一個人的新照片。 生成對抗網絡通過結合兩個子任務來解決這個創建任務。
第一部分是生成器，它從隨機分佈的像素開始生成新圖像。 第二部分是鑑別器，它告訴生成器它與實際生成真實圖片的距離有多近。
鑑別器如何知道人類的長相？ 好吧，在開始任務之前，你給它提供了許多真人照片的例子。 根據鑑別器的反饋，生成器改進其算法並建議新圖片。 這個過程一直持續下去，直到判別器認為這些圖片看起來與它所學的圖片示例足夠接近。 這些生成的圖片來了 非常接近 給真實的人。
但即使機器可以從數據中創造創新，這並不意味著它們可能很快就會竊取人類創造力的所有火花。 創新是一個解決問題的過程——為了創新的發生，問題與解決方案相結合。 人類可以選擇任何一個方向——他們從一個問題開始並解決它，或者他們採取一個解決方案並嘗試 為它尋找新的問題.
後一種創新的一個例子是 發表它 筆記。 一位工程師開發了一種粘合劑，但其強度太弱，並且被放在他的辦公桌上。 後來一位同事意識到，這個解決方案可以幫助防止他的音符在合唱團練習時從樂譜中掉出來。
使用數據作為輸入，使用代碼作為明確的問題表述，機器還可以提供問題的解決方案。 然而，對於機器來說，發現問題很困難，因為問題通常超出了機器創新的數據池的範圍。
更重要的是，創新往往基於 我們甚至不知道自己有什麼需求。 想想隨身聽。 即使沒有消費者表達過在走路時聽音樂的願望，這項創新也取得了巨大的成功。 由於此類潛在需求很難表述和明確，它們也不太可能進入機器創新所需的數據池。
人類和機器也有不同的原材料作為創新的輸入。 人類利用一生的豐富經驗來創造想法，而機器在很大程度上僅限於我們提供給它們的數據。 機器可以根據輸入數據以新版本的形式快速產生無數增量創新。 然而，突破性創新不太可能來自機器，因為它通常基於 連接領域 彼此距離較遠或沒有聯繫。 想想 滑雪板的發明，連接滑雪和衝浪的世界。
此外，創造力不僅僅涉及新穎性，還涉及實用性。 雖然機器顯然能夠創造出漸進式的新東西，但這並不意味著這些創造物是有用的。 有用性是在那些可能使用創新的人的眼中定義的，而對於機器來說很難判斷。 然而，人類可以同情其他人並更好地理解他們的需求。
最後，人工智能產生的創意可能不太受消費者青睞，因為它們是由機器創造的。 人類可能會低估人工智能的想法，因為他們認為這些想法是 不太正宗 or 甚至威脅。 或者他們可能只是更喜歡自己的想法，一種效果 已觀察到的 之前在其他領域。
到目前為止，創造力的許多方面對於機器和人工智能來說仍然是無可爭議的領域。 但是，有免責聲明。 即使機器無法在創意領域取代人類，但它們也可以 對補充人類創造力有很大幫助。 例如，我們可以提出新問題或發現新問題 我們結合起來解決 與機器學習。
此外，我們的分析基於這樣一個事實：機器大多在狹窄的數據集上進行創新。 如果人工智能能夠結合大量、豐富且互不相關的數據，它可能會變得更具創造力。
此外，當機器在人類擁有的廣泛智能（我們稱之為“通用智能”）方面變得更好時，它們的創造力可能會變得更好。 一些專家認為這可能在不久的將來 評估有50%的機會 機器在未來 50 年內達到人類水平的智能。
關於作者
Tim Schweisfurth，技術與創新管理副教授， 南丹麥大學 和 René Chester Goduscheit，技術與創新研究教授， 奧胡斯大學
