有限的数据意味着有限的创新。 蓬拉迈照片 山姆·瓦拉迪/ Flickr, 创用CC BY-SA
欧洲专利局 最近拒绝了 描述食物容器的专利申请。 这不是因为本发明不是新颖的或有用的，而是因为它是由人工智能（AI）创造的。 根据法律，发明者必须是实际的人。 这不是AI的第一个发明-机器产生了许多创新，包括 科学论文 和书 新材料 和 音乐.
话虽如此，富有创造力显然是人类最杰出的特征之一。 没有它，就不会有诗歌，互联网和太空旅行。 但是，人工智能有可能达到甚至超过我们吗？ 让我们看一下研究。
从理论上讲，创造力和创新是一个过程 搜索和组合。 我们从一项知识开始，然后将其与另一项知识联系起来，形成一种新颖而有用的东西。 原则上，这也是机器可以完成的事情–实际上，它们擅长在数据内存储，处理和建立连接。
机器通过使用生成方法提出创新。 但是，这到底如何工作？ 有 不同的方法，但最先进的技术称为 生成对抗网络。 例如，考虑一台应该为人创建新图片的机器。 生成对抗网络通过组合两个子任务来解决此创建任务。
第一部分是生成器，它从像素的随机分布开始生成新图像。 第二部分是鉴别器，它告诉生成器与实际生成逼真的图片有多近。
辨别器如何知道人的模样？ 好吧，在开始任务之前，您向它提供了许多真实人物图片的示例。 根据鉴别器的反馈，生成器改进其算法并提出新的图像。 这个过程一直进行下去，直到判别器确定图片看起来足够接近所学的图片示例为止。 这些生成的图片来了 非常接近 对真实的人。
但是，即使机器可以从数据中创造出创新，也不意味着它们很可能会在不久的将来窃取人类创造力的所有火花。 创新是解决问题的过程–要进行创新，问题与解决方案结合在一起。 人类可以朝任一方向前进-他们从问题开始解决，或者采取解决方案并尝试 找到新的问题.
后一种创新的一个例子是 发表它 注意。 一位工程师开发了一种太弱的粘合剂，正坐在他的办公桌上。 直到后来一位同事意识到，这种解决方案可以帮助防止他的笔记在合唱练习中从分数中滑落。
使用数据作为输入并使用代码作为明确的问题表述方式，机器还可以提供问题的解决方案。 但是，对于机器而言，发现问题非常困难，因为问题通常超出了机器进行创新的数据池的范围。
而且，创新通常基于 我们甚至都不知道有的需求。 想想随身听。 即使没有消费者说过走路时听音乐的愿望，这项创新也是巨大的成功。 由于这种潜在需求很难表述和表达，因此它们也不大可能进入机器创新所需的数据池。
人和机器还具有不同的原材料，它们被用作创新的投入。 在人类依靠一生的丰富经验来创造思想的地方，机器在很大程度上受限于我们提供给他们的数据。 机器可以根据输入数据以新版本的形式快速生成无数的增量创新。 但是，突破性创新不太可能来自机器，因为它通常基于 连接领域 彼此相距遥远或彼此不连通的地方。 想想 滑雪板的发明，它连接了滑雪和冲浪的世界。
此外，创造力不仅与新颖性有关，还与实用性有关。 虽然机器显然能够创建渐增的新内容，但这并不意味着这些创建有用。 实用性是在可能使用创新的人员的眼中定义的，很难对机器进行判断。 但是，人类可以同情他人并更好地了解他们的需求。
最后，由AI产生的创意可能不那么受消费者青睐，因为它们是由机器创造的。 人类可能会拒绝AI的想法，因为他们认为这些想法是 不太真实 or 甚至威胁。 或者，他们可能只是喜欢这种想法，所以 已经观察到 在其他领域之前。
到目前为止，对于机器和AI而言，创造力的许多方面仍然是无可争议的领域。 但是，有免责声明。 即使机器无法在创意领域取代人类，但它们 补充人类创造力的巨大帮助。 例如，我们可以提出新问题或发现新问题 我们结合解决 与机器学习。
此外，我们的分析基于这样的事实，即机器大多在狭窄的数据集上进行创新。 如果AI可以合并大数据，丰富的数据或其他断开连接的数据，则AI可能会变得更具创造力。
同样，当机器在人类拥有的广泛智能（我们称为“一般智能”）上变得更好时，它们的创造力也可能会更好。 而且这可能不会太遥远–一些专家 评估是否有50％的机会 机器将在未来50年内达到人类智能。
作者简介
技术与创新管理副教授Tim Schweisfurth， 南丹麦大学 技术和创新研究教授RenéChester Goduscheit 奥胡斯大学
