Seeing Differently: Modeling Interpretive Perspectives in Computational Creativity using a Four-World Framework
Dieses Paper schlägt ein computergestütztes Framework vor, das Kreativität als ein perspektivabhängiges Konstrukt modelliert, indem es drei distinkte evaluative Personas (formalistisch, sozial-historisch und ikonographisch) einsetzt, um zu demonstrieren, wie interpretative Standpunkte die Bewertung künstlerischer Verdienstlichkeit systematisch formen und entsprechende Orientierungsvektoren im visuellen Repräsentationsraum offenlegen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie stehen in einer riesigen Kunstgalerie. In einer Ecke versucht ein Roboter zu entscheiden, welches Gemälde das „kreativste“ ist. Lange Zeit haben Wissenschaftler, die diese Roboter bauen, wie strenge Richter mit einer einzigen, starren Checkliste gehandelt. Sie fragen: „Ist es neu? Ist es überraschend? Sieht es gut aus?“ Sie gehen davon aus, dass der Roboter, wenn er nur klug genug ist, einen wahren Wert für jedes Kunstwerk finden kann, so wie ein Thermometer exakt die Temperatur eines Raumes misst.
Aber hier ist die Wendung: Menschen sehen Kunst nicht auf diese Weise. Wenn Sie ein Gemälde betrachten, sieht Ihr Gehirn nicht nur Farbe auf Leinwand; es sieht eine Geschichte. Wenn Sie ein Historiker sind, sehen Sie vielleicht einen Protest gegen einen König. Wenn Sie ein Poet sind, sehen Sie vielleicht einen traurigen Liebesbrief. Wenn Sie ein Wissenschaftler sind, sehen Sie vielleicht eine Studie über Licht und Schatten. Die „Bedeutung“ der Kunst steckt nicht fest innerhalb des Rahmens; sie entsteht im Raum zwischen dem Gemälde und der Person, die es betrachtet. Diese Arbeit stellt eine große Frage: Wenn ein Roboter Kreativität verstehen will, sollte er versuchen, einen einzigen Wert zu finden, oder sollte er lernen, verschiedene „Hüte“ aufzusetzen, um die Kunst durch verschiedene Augen zu sehen?
Diese Studie mit dem Titel „Seeing Differently“ (Anders Sehen) taucht genau in diese Frage ein. Die Forscher haben dem Roboter nicht nur gesagt, er solle raten; sie gaben ihm ein spezifisches Set an Werkzeugen, um zu testen, wie die Perspektive die Bewertung verändert. Sie verwendeten ein Framework namens „Four-World Framework“, das Kreativität in zwölf verschiedene Merkmale unterteilt. Betrachten Sie diese Merkmale als vier verschiedene Zimmer in einem Haus: die Innere Welt (Gefühle und Erinnerungen), die Äußere Welt (Gesellschaft und Kultur), die Imaginative Welt (surreale Träume und Spiel) und die Moralische Welt (Ethik und Gerechtigkeit).
Um ihre Theorie zu testen, nahmen die Forscher 1.069 berühmte europäische Gemälde aus einer digitalen Sammlung namens SemArt. Dann programmierten sie eine leistungsstarke KI (GPT-4.1), um diese Gemälde dreimal zu betrachten, wobei sie jedes Mal einen anderen „Persona“ oder Hut trug:
- Der Formalist: Dieser Hut konzentriert sich nur auf das Visuelle – Farben, Formen und wie die Farbe aufgetragen wird. Er ignoriert die Geschichte oder die Erzählung.
- Der Sozialhistoriker: Dieser Hut betrachtet das Gemälde als ein Fenster in die Vergangenheit. Er fragt: „Was sagt dies über die Gesellschaft, die Politik oder die Menschen aus, die es geschaffen haben?“
- Der Ikonograph: Dieser Hut ist ein Detektiv für Symbole. Er sucht nach verborgenen Bedeutungen, religiösen Geschichten oder geheimen Botschaften, die in den Objekten des Gemäldes versteckt sind.
Die KI bewertete jedes der zwölf Merkmale für jedes einzelne Gemälde unter jedem dieser drei Hüte. Das Ergebnis? Der Roboter lieferte nicht nur leicht unterschiedliche Zahlen; er erzählte völlig unterschiedliche Geschichten.
Die überraschendste Erkenntnis war, dass der „Hut“, den der Roboter trug, die Bewertung stärker veränderte als das Gemälde selbst. Zum Beispiel erhielt das Merkmal Soziale Reflexivität (wie sehr die Kunst über die Gesellschaft spricht) eine hohe Punktzahl von 2,60, als der Roboter den Hut des Sozialhistorikers trug. Aber als derselbe Roboter dasselbe Gemälde betrachtete, während er den Hut des Formalisten trug, gab er demselben Merkmal eine Punktzahl von nur 1,35. Das ist ein massiver Unterschied! Der Roboter war nicht verwirrt; er folgte schlichtweg den Regeln des Hutes, den er trug. Der Formalisten-Hut sagte ihm, er solle soziale Geschichten ignorieren, also sah er sie auch nicht. Der Sozialhistoriker-Hut sagte ihm, er solle nach ihnen suchen, also fand er sie.
Einige Merkmale waren hartnäckig und änderten sich unabhängig vom getragenen Hut kaum. Dinge wie die Kulturelle Gebundenheit (wie sehr die Kunst in ihre Kultur passt) erhielten von allen hohen Punktzahlen, die nur zwischen 3,83 und 3,98 schwankten. Aber andere Merkmale, wie die Symbolische Dichte (wie viele verborgene Symbole enthalten sind), schwankten extrem stark, je nachdem, wer hinsah. Der Ikonographen-Hut sah einen Schatz an Symbolen (mit einer Punktzahl von 3,18), während der Formalisten-Hut sehr wenige sah (mit einer Punktzahl von 2,20).
Die Forscher schauten auch unter die Motorhaube des KI-Gehirns, um zu sehen, wie die KI diese Unterschiede wahrnahm. Sie fanden heraus, dass die KI nicht nur ihre Meinung änderte, wenn sie die Hüte wechselte, sondern dass sie buchstäblich auf unterschiedliche Teile des Bildes blickte. In dem mathematischen „Raum“, in dem die KI Bilder speichert, zeigte der Formalisten-Hut in eine Richtung, während der Sozialhistoriker-Hut in eine völlig andere Richtung zeigte. Es ist, als ob der Formalist auf die Pinselstriche schaute, während der Sozialhistoriker auf die Schatten blickte, um auf die Tageszeit zu schließen.
Das Paper legt nahe, dass Kreativität keine feste Eigenschaft des Gemäldes ist, wie etwa sein Gewicht oder seine Größe. Stattdessen ist Kreativität eine Beziehung. Sie entsteht, wenn eine bestimmte Art des Sehens auf ein bestimmtes Kunstwerk trifft. Die Studie behauptet nicht, das Geheimnis der Kreativität für immer gelöst zu haben, aber sie beweist, dass der Versuch, Kreativität mit nur einem Lineal zu messen, ein Fehler ist. Wenn wir wollen, dass Computer echte kreative Partner des Menschen werden, müssen sie lernen, die Welt durch viele verschiedene Brillen zu sehen, nicht nur durch eine einzige. Indem wir diese verschiedenen Perspektiven modellieren, können wir Systeme bauen, die uns helfen, Kunst – und einander – auf reichere, vielfältigere Weise zu verstehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.