Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

TRÁI ĐẤT: Cấu trúc sự tiến hóa sáng tạo thông qua lỗi mô hình trong AI tạo sinh

Created by
  • Haebom

Tác giả

Bành Ngọc Sâm, Shuhua Mao

Phác thảo

Bài báo này đề xuất khuôn khổ EARTH để đạt được sự sáng tạo thực sự trong AI. EARTH là một quy trình tạo sinh bao gồm năm giai đoạn: tạo lỗi, khuếch đại, tinh chỉnh lựa chọn, biến đổi và khai thác phản hồi. Nó chuyển đổi các lỗi tạo mô hình thành các tài sản sáng tạo. Dựa trên khoa học nhận thức và mô hình sinh sinh, nó sử dụng các gợi ý có cấu trúc, điểm số ngữ nghĩa và đánh giá có sự tham gia của con người, với giả định rằng "tiềm năng sáng tạo nằm ở thất bại". Khuôn khổ được triển khai bằng cách sử dụng LLaMA-2-7B-Chat, SBERT, BERTScore, CLIP, BLIP-2 và Stable Diffusion, sử dụng hàm thưởng tổng hợp dựa trên tính mới lạ, bất ngờ và mức độ liên quan. Giai đoạn tinh chỉnh dẫn đến điểm sáng tạo tăng 52,5% và cải thiện 70,4% kết quả cuối cùng. Khẩu hiệu sau khi tinh chỉnh ngắn hơn 48,4%, cho thấy tính mới lạ tăng 40,7% và mức độ liên quan giảm 4,0%. Kiểm tra đa phương thức cho thấy sự phù hợp mạnh mẽ giữa khẩu hiệu và hình ảnh. Kết quả đầu ra từ quá trình đánh giá của con người cho thấy chất lượng sáng tạo cao và tính biểu cảm rõ ràng.

Takeaways, Limitations

Takeaways:
Thực nghiệm chứng minh rằng việc tạo ra sản phẩm dựa trên phản hồi tập trung vào lỗi sẽ nâng cao khả năng sáng tạo.
Khung EARTH thể hiện tiềm năng phát triển AI sáng tạo, lấy con người làm trung tâm, có khả năng mở rộng và tự tiến hóa.
Một khuôn khổ thực tế sử dụng nhiều công cụ khác nhau (LLaMA-2-7B-Chat, SBERT, BERTScore, CLIP, BLIP-2, Stable Diffusion) được trình bày.
Thể hiện sự xuất sắc của kết quả tạo ra thông qua đánh giá định lượng và định tính.
Limitations:
Sự phụ thuộc vào các mô hình và tập dữ liệu cụ thể. Khả năng khái quát hóa sang các mô hình và tập dữ liệu khác cần được xác minh.
Tính chủ quan trong đánh giá của con người. Cần có các chỉ số đánh giá khách quan hơn.
Độ Phức tạp của khuôn khổ. Khó khăn trong việc triển khai và ứng dụng.
Cần có thêm nghiên cứu về khả năng tự tiến hóa lâu dài.
👍