32 lines
2.3 KiB
Markdown
32 lines
2.3 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-COCR-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.92
|
|
tags: [auto-reinforced, computational-creativity, generative-ai, art-science, creativity-model, innovation, intelligence]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Computational-Creativity]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "기계는 영감을 받을 수 있는가?: 인간의 고유 영역이라 믿었던 '창의성'을 알고리즘으로 모델링하여, AI가 단순히 학습데이터를 흉내 내는 수준을 넘어 새로운 규칙을 만들고 예술적 가치를 창출하게 만드는 지능의 최전선."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
계산적 창의성(Computational-Creativity)은 인공지능을 사용하여 창의적인 결과물을 생성하거나 인간의 창발적 사고 과정을 모델링하는 연구 분야입니다.
|
|
|
|
1. **창의성의 3원칙 (Margaret Boden)**:
|
|
* **Combinational**: 기존 요소들의 새로운 조합.
|
|
* **Exploratory**: 개념 공간(Conceptual Space)의 경계까지 탐구.
|
|
* **Transformational**: 공간의 규칙 자체를 변화시켜 이전에 불가능했던 것을 가능케 함.
|
|
2. **왜 중요한가?**:
|
|
* AI가 단순 도구(Tool)를 넘어 창의적 파트너(Co-creator)로 진화하며, 음악, 미술, 문학은 물론 과학적 가설 수립 및 신약 개발 등 혁신 전반에 기여하기 때문임. (Synergy와 연결)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 "결과물이 좋으면 창의적이다"라는 결과 중심 정책(Output-centric)이었으나, 현대 정책은 AI 가 그 결과를 내기까지의 '의도 정책'과 '과정 정책'을 어떻게 평가하고 피드백할 것인가 하는 가치 평가 정책(Evaluation)을 더 중시함(RL Update).
|
|
- **정책 변화(RL Update)**: 생성형 AI (LLM, Diffusion) 정책의 폭발적 보급으로 인해, 이제는 기술적 생성 정책보다는 '인간의 예술적 권위 정책'과 'AI 의 창작권 정책'에 대한 철학적, 법적 논의 정책이 계산적 창의성의 핵심 어젠다가 됨.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Synergy]], Deep Learning (DL), [[Representation-Learning]], [[Structuralism]], [[Search-Strategy]]
|
|
- **Key Models**: GANs, Variational Autoencoders (VAE), Genetic Algorithms.
|
|
---
|