这一页讲的是 COMPSCI 712 课程的第七讲，主题是创造力 (Creativity)。重点在于探讨人工智能与创造力的关系，以及其在伦理和社会中的影响。

这一页讲的是 COMPSCI 712 课程的第七讲，主题为创造力 (Creativity)。这一讲将深入探讨人工智能如何影响创造力，包括 AI 是否能够自主创造新内容，以及这些内容是否具有原创性和价值。此外，还可能涉及创造力在伦理 (Ethics) 和社会 (Society) 中的角色，例如 AI 创造的作品是否能够被视为知识产权，以及这些作品对人类艺术家和创作者的影响。这一主题对于理解人工智能的能力边界以及其社会意义具有重要价值。通过这一讲，学生将能够更好地分析 AI 的创造力如何改变传统的创造过程，并思考其潜在的伦理问题，例如公平性和归属权。

这一页讲的是 AI 与创造力的关系，包括创造力的重要性、AI 创造力的争议、创造力的定义，以及弱人工创造力与强人工创造力的区别。

这一页讲的是 AI 和创造力的关系，首先提出了一个问题：为什么创造力重要？创造力是推动创新、解决问题和艺术表达的核心能力。接着提到 Dorrance Kelly 对 AI 创造力的反对观点，可能涉及对 AI 是否能真正理解和创造原创内容的质疑。然后引用 Boden 对创造力的定义，可能包括创造力的三种类型：组合创造力（combinational creativity）、探索创造力（exploratory creativity）和转化创造力（transformational creativity）。此外，页面讨论了弱人工创造力（Weak Artificial Creativity, AC）与强人工创造力（Strong AC）的区别，弱人工创造力可能指模仿或规则驱动的创造，而强人工创造力则涉及更深层次的理解和创新。最后，页面提出了模拟转化型创造力的前景，这可能是 AI 能否突破现有框架进行原创性创造的重要方向。

这一页讲的是创造力是人类的重要特征，展示了史前艺术和工具的例子，如拉斯科洞穴壁画和Divje Babe骨笛。

这一页讲的是创造力是人类的重要特征，强调了想象力和艺术表达在人类发展中的独特作用。首先，拉斯科洞穴壁画是约19000年前的史前艺术作品，展示了早期人类通过绘画表达思想和记录生活的能力。这些壁画不仅是一种艺术表现形式，还可能具有宗教或文化意义。其次，Divje Babe骨笛是一个重要的史前工具，它展示了早期人类在音乐领域的创造力。这种骨笛是用动物骨头制作的，表明人类已经开始利用自然资源来创造复杂的工具和艺术形式。此外，幻灯片中提到的两本书《The Creative Spark》和《The Artful Species》进一步探讨了创造力如何使人类变得独特，解释了艺术和想象力在进化中的重要性。这些例子共同说明了创造力不仅是人类的基本特征，也是推动社会和文化发展的关键力量。

这一页讲的是图像生成的例子，展示了DALL-E 2生成的图像与超现实主义画作的对比。重点在于AI生成图像的能力和风格模仿。

这一页讲的是图像生成的例子，重点展示了AI工具DALL-E 2如何生成具有艺术风格的图像。左侧是超现实主义画家Salvador Dalí于1931年的经典画作《记忆的永恒》，画面中融化的钟表象征时间的流逝与不确定性。右侧图像是通过DALL-E 2生成的，使用了提示词“Generate a picture of ethical AI use in the style of Salvador Dalí”，生成了一幅以地球为中心、机器人手臂环绕的画面，背景中有数字流动和钟表元素，模仿了Dalí的超现实主义风格。这页的核心是展示AI生成图像的能力，不仅能模仿艺术风格，还能根据具体提示词创造具有主题意义的视觉内容。这种技术在艺术创作、教育和商业领域具有重要应用价值，例如帮助设计师快速生成创意图像或探索艺术风格的变化。

这一页讲的是 Copilot 生成图像的示例，展示了如何用提示词生成风格化的艺术图像。

这一页讲的是 Copilot 的图像生成能力，使用了提示词“Generate a picture of ethical AI use in the style of Salvador Dali”生成了一幅艺术风格的图像。这张图像融合了超现实主义元素，例如天平、心形和人体电路，表达了“伦理AI”的主题。天平象征公平与平衡，手握心形标注“ETHICAL”暗示AI伦理的重要性，而人体电路则体现了技术与人类的结合。这种生成方式展示了 AI 在艺术创作中的潜力，同时也突出了提示词对生成结果的直接影响。通过这样的例子，可以更好地理解如何利用 AI 工具生成具有特定主题和风格的图像。

这一页讲的是 AI伦理(AI ethics)，比较不同图形对AI伦理的表达方式，强调可靠性、可持续性等原则。

这一页讲的是 AI伦理(AI ethics)，通过几张图形展示了AI伦理的不同侧面。第一张图中有天平，象征公平与平衡；第二张图强调嵌入AI伦理的原则，包括可靠性(reliable)、可追溯性(traceable)、可持续性(sustainable)、责任性(responsible)等；第三张图展示了人工智能与人类互动的场景，体现了技术与人的连接；第四张图通过网络化的手臂形象，传递了人工智能伦理的复杂性与技术性。整体来看，这些图形共同表达了AI伦理的重要性，尤其是在技术快速发展的背景下，如何确保AI系统的公平、公正、可靠和可持续性是关键。比如在实际应用中，AI伦理可以帮助避免算法偏见，确保数据隐私和透明性。

这一页讲的是反对 AI 创造力的可能性，重点分析音乐领域的限制。主要论点包括 AI 无法突破传统，也无法表达追求卓越的意图。

这一页讲的是反对 AI 创造力的可能性，特别针对音乐领域展开分析。Sean Dorrance Kelly 在文章《What Computers Can’t Create》中提出，虽然 AI 程序可以模仿音乐创作，但无法实现像 Schoenberg 那样的根本性创新。首先，AI 生成的音乐必须属于某个传统，但它无法超越或挑战这些传统。其次，人类能够从传统的角度解读音乐，而 AI 的输出只是机械执行，缺乏追求卓越的意图。例如，将莎士比亚的经典作品与猴子偶然敲出类似文本进行比较，AI 的创作缺乏深度和意义。最终，AI 无法改变我们评判音乐质量的标准，因为它无法产生真正的艺术突破。这说明 AI 在创造力方面仍存在根本性限制。

这一页讲的是反对 AI 创造力的可能性，重点讨论游戏领域的局限性。提到 AI 遵循明确规则，而真正创造力需要打破规则并改变标准。

这一页讲的是反对 AI 创造力的可能性，特别是在游戏领域的表现。Sean Dorrance Kelly 在文章《What Computers Can’t Create》中提出了关于音乐、游戏和数学领域创造力的观点。围绕游戏，职业围棋选手石悦提到 AlphaGo 的表现像是未来的游戏。首先，游戏世界有明确的“好”的定义，比如胜利，但现实世界的真正创造力会重新定义什么是“好”。其次，AI 在游戏中必须遵守明确规则，而创造力则需要改变这些规则和规范。最后，真正突破性、跨越规则的创造力超出了基于明确规则训练的 AI 的能力。这说明 AI 的创造力在某些领域受到限制，因为它无法像人类一样打破规则并创造新的标准。例如，AlphaGo 在围棋中表现出色，但它仍然是在既定规则内进行优化，而不是创造新的游戏规则。

这一页讲的是关于人工智能创造力的可能性，重点讨论数学领域。主要提到计算机定理证明的局限性、证明的理解问题，以及奇点假设对数学创造力的影响。

这一页讲的是人工智能是否具备创造力的问题，特别是在数学领域。首先提到计算机进行定理证明时通常不被认为是创造性的，因为它依赖于执行超越人类能力的大量计算，例如四色定理的证明。其次，基于穷举所有可能情况的证明并不体现“理解”，我们只能信任计算是正确的，而这些情况下的创造性贡献主要来自人类。最后，提出奇点假设，即一种能够自主证明定理的超级智能。如果人类可以理解这些证明，那么它不会超越人类能力，也难以改变数学的传统；如果证明超越人类理解，科学界可能无法验证其正确性。这些观点表明，人工智能在数学领域的创造力仍存在重大争议，尤其在理解和验证方面面临挑战。

这一页讲的是反对 AI 创造力的可能性。主要观点包括 Sean Dorrance Kelly 的论述及人类创造力的独特性。

这一页讲的是反对 AI 创造力的可能性。Sean Dorrance Kelly 在《What Computers Can't Create》中提出，AI 在音乐、游戏和数学等领域的创造力受到限制。他认为创造力是人类的核心特征，真正的创造力能够更新我们对存在本质的理解，改变我们对美、善和真等概念的认知。这种能力是人类本质的重要组成部分，而这种创造力依赖于我们对它的重视和关怀。这一观点强调了创造力不仅仅是技术生成的结果，更是一种深层次的价值观和情感驱动的过程，AI难以完全复制这一特性。

这一页讲的是创造力的定义，包括新颖性和价值的重要性，以及 Margaret Boden 的定义。

这一页讲的是创造力的定义。首先，创造力可以被理解为“产生新颖想法”（production of novel ideas），但新颖性并不总是有意义的。例如，某些新颖的想法可能只是无意义的胡言乱语，或者某个突破对个人来说是新颖的，但对人类整体并不新颖。其次，创造力还可以被定义为“产生有价值的新颖想法”（production of valuable novel ideas）。这里的价值可能因领域不同而有所争议，例如艺术和科学中的价值标准可能随着时尚变化或具有持久性。此外，有些人可能会拒绝价值这一要求，认为某些破坏性行为也可以被视为创造力的一种表现。最后，Margaret Boden 提出了一个广为引用的创造力定义，即“一个创造性的想法必须是新颖的、令人惊讶的，并且有价值的”。这一定义强调了创造力的三个核心特征：新颖性（novel）、惊喜感（surprising）和价值（valuable）。

这一页讲的是创造力的定义及其分类，包括新颖性和惊奇感的不同类型。

这一页讲的是创造力（Creativity）的定义和分类。Margaret Boden认为创造力的核心是“新颖（novel）、惊奇（surprising）和有价值（valuable）”。首先，新颖性分为两种类型：心理上的创造力（P-creative），指个人首次提出新想法；历史上的创造力（H-creative），指整个历史中首次出现的创新。其次，惊奇感分为三种类型：组合式创造力（Combinatorial creativity），指通过统计上不可能的方式将新想法进行陌生的组合；探索式创造力（Exploratory creativity），指在既定思维框架内提出未被考虑过的想法，可能挑战现有风格的限制；转化式创造力（Transformational creativity），指提出完全不符合现有风格的新想法，甚至需要改变或增加限制。这种创造力可能需要时间才能被实践认可其价值。例如，某些艺术或科学突破可能初期看似不可能，但最终证明其重要性。

这一页讲的是弱人工创造力（Weak AC）和强人工创造力（Strong AC）的区别。弱AC指计算机表现得像有创造力，强AC则指计算机真正拥有创造力。

这一页讲的是弱人工创造力（Weak AC）和强人工创造力（Strong AC）的区别，这一概念由 Elliot Samuel Paul 和 Dustin Stokes 提出，类似于 Searle 对弱人工智能（Weak AI）和强人工智能（Strong AI）的区分。弱AC关注计算机是否能够表现得像有创造力，例如通过模仿人类的创意行为来完成任务；而强AC则探讨计算机是否能够真正拥有创造力，独立产生原创性和创新性想法。这一区分对于人工智能领域的研究非常重要，因为它涉及到计算机是否能够超越工具属性，成为具有主动创造能力的主体。例如，弱AC的应用可能是一个AI绘画程序模仿艺术风格，而强AC则意味着AI能够自主创造一种全新的艺术风格。

这一页讲的是弱人工创造力 (Weak AC)，探讨计算机是否能表现出创造力。通过三个案例展示，说明计算机在艺术和音乐创作中的表现。

这一页讲的是弱人工创造力 (Weak Artificial Creativity, Weak AC)，核心问题是计算机是否能够表现得像是有创造力。页面展示了三个案例：Harold Cohen 和他的程序 AARON 生成的艺术作品，David Cope 的基于人工智能的音乐创作，以及 Mario Klingemann 的作品《The Butcher's Son》。这些例子表明，计算机可以通过算法和数据生成复杂的艺术或音乐作品，给人一种“创造力”的印象。例如，AARON 能够自主生成绘画作品，展示了计算机在视觉艺术领域的能力；David Cope 的系统能够分析音乐结构并创作新的乐曲，体现了计算机在音乐创作中的潜力；Mario Klingemann 的作品则展示了计算机在现代艺术领域的应用。这些案例说明，虽然计算机并不具备人类的主观创造力，但它们可以通过模拟创造过程表现得像是有创造力。这一讨论对于理解人工智能在艺术领域的应用和局限性具有重要意义。

这一页讲的是强人工创造力(Strong AC)是否可能的问题，重点讨论创造力的特征以及AI是否能满足这些标准。

这一页讲的是强人工创造力(Strong Artificial Creativity, AC)是否可能的问题。Stokes和Paul提出，要实现真正的创造力，AI需要具备几个关键特性，包括令人惊讶(surprising)、原创或新颖(original/novel)、自发性(spontaneous)以及自主性(agential, autonomy)。幻灯片中提到了一些争议，例如原创性是否应该归功于程序员，但像AlphaGo这样的系统通过自我对弈产生了令人惊讶的游戏策略，这种原创性是模型学习的结果，而非程序员直接编码。其次，遗传算法(genetic algorithms)在人工生命领域的应用可能满足创造力的部分特性，例如通过随机分配神经网络初始权重产生自发性，并通过适应性函数的设计实现新颖和令人惊讶的发展。然而，最难实现的是自主性(agential)，因为AI无法像人类一样承担责任或接受赞美与指责。最后，幻灯片总结认为AI可能无法实现真正的创造力。

这一页讲的是 Margaret Boden 对自主性和创造力的看法。她认为计算机无法真正自主或创造，因为它们只能执行程序员设定的内容。

这一页讲的是 Margaret Boden 在自主性和创造力方面的观点。她指出，假设自主性是创造力的必要条件，这种观点受到广泛认可，但也存在争议。虽然计算机的表现可能具有不可预测性，并可能发展出与程序员完全不同的价值观或偏好，但在严格意义上，计算机仍然无法真正自主。她强调，任何编程系统都无法完全脱离程序员的指令和启发，因此也无法真正创造。在此基础上，Boden与 Stokes 和 Paul 对强自主性（Strong AC）似乎达成了一致意见。这一观点的重要性在于，它对人工智能的能力和局限性进行了深刻的哲学反思，帮助我们理解计算机创造力的本质及其局限性。

这一页讲的是人工智能是否能够模拟变革性创造力(transformational creativity)。主要讨论了AI的自主性与创造力的关系，以及不同类型的创造力。

这一页讲的是人工智能是否能够模拟变革性创造力(transformational creativity)。首先，Margaret Boden指出，有人认为计算机只能执行被编程的任务，因此没有自主性，而自主性是实现真正创造力的必要条件。因此，真正的创造力只能归因于程序员。其次，支持这一观点的人可能承认AI可以模拟创造力，但通常只限于组合型(combinatorial)和探索型(exploratory)创造力。然而，他们认为变革性创造力需要一种完全不同的思维方式，而AI只能遵循编程规则。最后，Boden补充说，这种观点忽略了程序可能包含“改变自身规则”的能力。这暗示AI可能具备一定程度的变革性创造力，如果其编程允许它修改自身的规则。这一讨论对理解AI创造力的边界和潜力具有重要意义。

这一页讲的是AI如何通过遗传算法(GAs)改变规则，展示了Karl Sims和William Latham的作品。

这一页讲的是AI通过遗传算法(Genetic Algorithms, GAs)在艺术创作中的应用，展示了两位艺术家的经典作品。左边是Karl Sims在1991年的作品，他利用遗传算法生成复杂的图形，模拟自然界的进化过程，展示了算法如何通过选择和变异生成独特的视觉效果。右边是William Latham的作品《Mutations》，同样是1991年的创作，他使用遗传算法生成有机形态的艺术图像，表现出类似生物进化的动态变化。这些作品说明了遗传算法在探索复杂结构和创造性表达中的潜力。通过调整算法参数，艺术家可以生成多样化的结果，展示了AI在艺术领域的创新能力。

这一页讲的是奥克兰大学的视觉形象与文化背景。重点包括大学标志、毛利文化元素和奥克兰城市景观。

这一页讲的是奥克兰大学（University of Auckland）的视觉形象与其文化背景。这张幻灯片展示了大学的标志，标志中包含书本与星星的设计，象征知识与探索，同时标注了毛利语名称“Waipapa Taumata Rau”，体现了新西兰毛利文化的重要性。右侧的雕刻图案是典型的毛利艺术风格，强调了大学与当地原住民文化的紧密联系。此外，背景中呈现了奥克兰城市的景观，特别是标志性的天空塔（Sky Tower），展现了大学所在城市的现代化与活力。这一页通过结合文化与地理元素，传递了奥克兰大学的独特定位与多元文化融合的特点。