创意人工智能构想出 3D 打印物体

EA 会生成一个随机蓝图，然后根据该蓝图建模一个 3D 物体，类似于一个小斑点。它将自己的创作交给一个深度神经网络，该神经网络会查看它，将其与庞大的图像数据库进行比较，然后向 EA 提供一些反馈。例如：这个东西看起来大约有 0.001% 像蘑菇。虽然不是 A+，但这是一个起点。

然后，EA 会对蓝图进行一些修改，并将其发送回 NNR。如果神经网络表示它离物体更远了，AE 就会丢弃它并制作一个新的。最终，它会做出渐进式改进（看起来像蘑菇的 0.002%），并根据略微改进的工件进行新的修改。

问：有点像实际的创作过程。接受这个案例中 AE 进行了 250 万次迭代。我不知道你是怎么想的，但那时我肯定会完全放弃陶瓷课。

QA 有点像进化......它首先启发了算法。

乔尔·莱曼。哥本哈根信息技术大学助理教授。与怀俄明大学进化人工智能实验室合作。莱曼是首席研究员，也是他的想法。

深度神经网络已经非常擅长对图像进行分类。人脸识别软件或语音识别 [访问标记信息。不是一个真正具有创造性的过程。] 5-10 年前，识别照片中的物体是一个非常困难的问题。这基本上是一个已解决的问题，这是因为深度学习。[任何图像识别任务。] 这是超人的能力。非常成功。[关键词：imagenet。标记图像的庞大数据集。]

“我正在研究它的优势，并想知道是否可以利用它来帮助计算创造力，使计算机更富有创造力，创造新的成果，而深度学习范式确实不太适合这一点。”

进化算法更适合创造力。如果你观察自然进化，就会发现正是这种富有创造力的过程创造了各种各样的生命，如果你认真思考的话，你会发现它们是如此的多样化和疯狂。这种无人引导的过程创造了人类级别的智慧，以及细菌、熊和藤壶等各种 B 类生物。

充分利用这两个领域的优点，并展示通过结合它们可以实现的一些独特的事情。

我们将最先进的深度学习网络（同义词神经？）与试图创造雕塑的进化算法连接在一起。EA 在你给它的反馈类型方面受到的限制较少。它可以做的事情不仅仅是标签范式。

2 个主要成分：1）dnn：有人训练过它，我们只是直接使用。用作此系统中的工具。系统的一部分是反馈某个雕塑有多好。它与实际物体的相似程度。它接收图像，然后判断它是否将其识别为某物以及它的确定性。

2）EA 有这种人造 DNA。它会将这种 DNA 映射到 3D 物体上。就像可以映射到 3D 物体上的人造 DNA。这是一种编码。你可以用这种人造 DNA 对 3D 物体进行编码。它就像是创建物体的蓝图。

EA 首先生成一个随机蓝图。没有任何实际结构。从头开始。EA 从随机的人工 DNA 实例开始，这些实例本质上是创建随机 3D 对象的蓝图。这些就像毫无特征的斑点，是该过程的起点。EA 将采用蓝图创建一个对象，该对象将只是一个斑点，然后它会从不同角度拍摄该对象的多张照片。这些是它输入神经网络的图像。这有点像进化算法接受一些塑造粘土的指令，用粘土塑造一个物体并呈现该物体的快照。然后 dnn 会说出它认为该物体是什么样子。它会从说它看起来不像任何东西开始。但也许它看起来更像蘑菇而不是网球。这是算法可以说的一点反馈，这是我迄今为止对蘑菇最好的印象。我会尝试调整该设计