Seeing Differently: Modeling Interpretive Perspectives in Computational Creativity using a Four-World Framework
本文提出了一种计算框架，通过采用三种不同的评估人格（形式主义、社会历史和图像学）将创造力建模为一种依赖于视角的建构，旨在展示解释性观点如何系统地塑造对艺术价值的评估，并揭示视觉表征空间中相应的取向向量。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你正站在一座宏大的艺术画廊中。在角落里，一个机器人正试图决定哪幅画作最具有“创造力”。长期以来，构建这些机器人的科学家们一直扮演着严厉评判者的角色，拿着一份单一且僵化的清单。他们会问：“它是否新颖？它是否令人惊喜？它看起来好看吗？”他们假设，只要机器人足够聪明，就能为每一件艺术品找到一个唯一的真实得分，就像温度计测量房间的精确温度一样。
但转折点在于：人类并不这样看待艺术。当你注视一幅画时，你的大脑看到的不仅仅是画布上的颜料；它看到了一个故事。如果你是一位历史学家，你可能会看到一场针对国王的抗议；如果你是一位诗人，你可能会看到一封忧伤的情书；如果你是一位科学家，你可能会将其视为对光影的研究。艺术的“意义”并不被困在画框之内；它发生在绘画与观看者之间的空间里。这篇论文提出了一个重大问题：如果机器人想要理解创造力，它应该尝试寻找一个单一的分数，还是应该学习戴上不同的“帽子”，通过不同的视角来看待艺术？
这项名为《差异化观察》（Seeing Differently）的研究深入探讨了这个问题。研究人员不仅仅是让机器人去猜测，而是给了它一套专门的工具来测试视角如何改变评分。他们使用了一个被称为“四世界框架”（Four-World Framework）的模型，将创造力分解为十二种不同的特质。把这些特质想象成一座房子里的四个不同房间：内在世界（情感与记忆）、外部世界（社会与文化）、想象世界（超现实的梦境与游戏）以及道德世界（伦理与正义）。
为了测试他们的理论，研究人员从一个名为 SemArt 的数字收藏库中提取了 1,069 幅著名的欧洲绘画。然后，他们编写了一个强大的 AI（GPT-4.1），让它戴着三种不同的“人格”或“帽子”分别三次观察这些绘画：
- 形式主义者（The Formalist）： 这个帽子只关注视觉层面的东西——色彩、形状以及颜料的涂抹方式。它忽略历史或故事。
- 社会历史学家（The Social-Historian）： 这个帽子将绘画视为通往过去的窗口。它会问：“这反映了当时的社会、政治或哪些人？”
- 图像学研究者（The Iconographer）： 这个帽子是符号的侦探。它寻找隐藏的含义、宗教故事，或隐藏在画中物体中的秘密信息。
AI 在每种“帽子”下都为每幅画的十二个特质进行了评分。结果如何？机器人给出的不仅仅是略有差异的数字，它讲述了完全不同的故事。
最令人惊讶的发现是，“帽子”对机器人的影响甚至超过了绘画本身。例如，名为社会反思性（Social Reflexivity，即艺术对社会的探讨程度）的特质，当机器人戴着“社会历史学家”的帽子时，得到了 2.60 的高分。但当同一个机器人戴着“形式主义者”的帽子看同一幅画时，它给该特质仅打了 1.35 分。这是一个巨大的差异！机器人并没有感到困惑；它只是在遵循它所戴帽子的规则。形式主义者告诉它忽略社会故事，所以它就没看到；社会历史学家告诉它去寻找社会故事，所以它就找到了。
有些特质非常“固执”，无论戴上什么帽子变化都不大。像文化定位性（Cultural Situatedness，即艺术与其文化的契合度）这类特质，从所有人那里得到的评分都很高，范围仅在 3.83 到 3.98 之间。但其他特质，比如符号密度（Symbolic Density，即隐藏符号的密集程度），则会根据观察者的不同而剧烈波动。图像学研究者看到了丰富的符号宝库（评分 3.18），而形式主义者看到的符号却很少（评分 2.20）。
研究人员还通过观察 AI 的“大脑内部”来了解它是如何产生这些差异的。他们发现，当 AI 切换帽子时，它不仅仅是改变了想法，它实际上是在观察图像的不同部分。在 AI 存储图像的数学“空间”里，形式主义者的指向一个方向，而社会历史学家的指向另一个完全不同的方向。这就像是形式主义者在观察笔触，而社会历史学家在观察阴影以推测时间。
论文指出，创造力并不是绘画的一种固定属性，不像它的重量或尺寸那样固定。相反，创造力是一种关系。它产生于一种特定的观察方式与一件特定的艺术品相遇之时。这项研究并不声称已经永远解开了创造力的谜团，但它证明了试图用单一的尺子来衡量创造力是一个错误。如果我们希望计算机成为人类真正的创造性伙伴，它们需要学会通过许多副不同的眼镜来看待世界，而不仅仅是一副。通过模拟这些不同的视角，我们或许能建立起能够帮助我们以更丰富、更多元的方式理解艺术——以及彼此——的系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。