创造力

这是如何以不可预测的或令人惊讶的方式发展的系统的一个示例。 这种不可预测性不仅仅发生在模拟机器人中，而且发生了体现的机器人。 在使用遗传算法尝试演变振荡传感器时，研究人员无意地演化了无线电天线（Bird＆Layzell 2002）。 这种意外的结果是从所使用的特定算法的组合（其中是预期的）和诸如PC监视器附近的各种物理特征（研究人员认为不相关但是在某种意义上没有）。 并且可以进一步倾向于将这些成就中的一些人描述为创意（并且不仅仅是在琐碎的意义上，它们是他们是机器人成功的原始实例），因为它们也产生了价值，至少在他们在执行任务时有用，无论是机车还是定位光或传感无线电波的源。

此域名中的一些理论家可能会争辩说这些系统也实现了自发性。 鉴于系统的发展中随机性大幅列入 - 当个人的神经网络随机化并且更重要的是随机突变而言，在群体中的随机突变更重要时 - 它直观地描述了系统，而不是遵循机械过程。 实际上，系统利用健身功能和数据模式的方式进一步下划线了这一点。 （再次，请参阅Lehman等人所提供的案件的丰富目录。2020）。

在它的面对面上，最近的AI，进化机器人和人造生活中的技术似乎符合真正的创造力所提出的许多条件。 这些系统产生了新颖和有价值的东西，通过可令人惊讶，原始和自发的计算过程这样做。 然而，我们尚未解决的要求是代理商。 回想一下，在Lovelace的言论中隐含的建议，无论计算机产生什么，都是对程序员的信誉，而不是计算机。 请注意，如人为创造力的目前技术一样，可能是可能的，可能是他们仍然没有赞美或责备他们所做的事情。 如果任何众生负责这些方案的工作，那么它似乎仍然是制造它们的程序员和工程师，而不是程序本身。 这些程序本身似乎并不“诅咒”。 因此，如果创作过程需要代理商，可以说是我们尚未创建，编程或演变的计算系统，这些计算系统非常具有创造性，但它们可能似乎很多。 在追求强大的AC，机构可能是最终的前沿（保罗和斯托克斯2021）。

7.结论

从上述讨论中应该清楚地看出，在一系列科学学科，研究人类创造力，有丰富而活泼的研究计划。 这些方法证实了，与浪漫传统相反，可以解释创造力。 已经确定了心理功能和神经关联，并且正在使用计算和机器人技术进行显着进展。 有什么可能不太明确的是，尽管有这些进步，所讨论的不同研究计划在很大程度上不相交或淤泥。

在最近的一篇论文中，GERAINT WIGGINS和JOYDEEP BHATTACHARYA（2014）突出了创造力科学研究之间的“差距”。 他们的特别强调是在计算机科学中神经科学研究和研究中的研究之间的差距，他们以神经计算机的形式倡导桥梁。 这种桥接可能被要求甚至超出这些作者规定的东西，因为这些学科之间存在差距，也是在这些和行为心理学，AI和生活研究之间，以及哲学分析。 创造力是一个深刻的复杂和深刻的重要现象。 充分了解它将要求我们整合各种理论观点，并且正如本调查所揭示的那样，哲学在努力中发挥重要作用。