计算创意学系列（三）：组合性创造力的计算实现编辑按此文转载自低多边形厌

编辑按
此文转载自低多边形厌氧菌网站psyxel.com的“计算创意学系列” 。仅做了适合网站的样式修改，未做内容修改。
原文地址：
https://psyxel.com/combinatorial-creativity-algorithms/
前言
欢迎来到计算创意学系列第三章，在前两章的讨论中，我们介绍了三种类型的创造力。
探索性创造力（ExploratoryCreativity）是比较常见的创造力：其中某个创作者通过探索某个给定概念空间中无人涉足的区域，得到了一个之前从未被发现过的极具价值的新点子。
而转型性创造力（TransformationalCreativity）则是更加具有革命性的较为罕见的创造力：创作者在由所有可能的问题的定义规则所组成的高阶概念空间中进行探索，其结果不仅仅是极具价值的新点子，还有新的概念空间定义，引导世人以全新的视角看待问题所在的领域。转型性创造力的本质是高阶概念空间中的探索性创造力。
第三种组合性创造力（CombinatorialCreativity），则是指创作者通过在多个看起来无关的知识领域之间建立联系，发现了融合这些知识领域的新概念，继而得到有价值的新点子。
这三种类型的创造力，最初是在玛格丽特·博登（MargaretAnnBoden）的著作《创造力心智（TheCreativeMind:Mythsandmechanisms）》中被提出。
上一章我们讨论了概念整合理论（ConceptualBlending），用以解释组合性创造力（CombinatorialCreativity），将新点子的产生描述为思考主体将多个原本无关的概念网络中的概念映射到整合概念网络中的新概念的过程。

文章图片
回顾概念整合理论：病毒|程序的例子
概念整合理论所提出的这套实实在在的过程模型，迄今为止已经有许多算法化的尝试，这一章我们就来简单考察一下这些尝试。
DIVAGO:最初的尝试
1990年首次被提出的DIVAGO系统，是将概念整合理论进行算法化的最早的尝试之一。 DIVAGO这个名字源于葡萄牙语中的词组“Eudivago” ，意为"我漫游（Iwander）"或者“我偏离主题（Idigress）” ，刻画出创造力源于发散性胡思乱想的意境。
DIVAGO系统的主要输入是两个知识领域的描述编码，输出则是一个整合知识领域的描述编码。每个知识领域的编码描述包括一个用图数据结构（Graph）来表示的概念网络——其中节点代表概念，节点之间的连线代表概念之间的关联——还包括一些用逻辑公式表示的知识领域内的规则，用以推导出概念网络上没有标明的知识，也定义了这个知识领域内哪些命题是不可能为真的（知识域特有的矛盾式）。比如，下面是一个非常简化的例子，描述了围绕“鸟”这个概念展开的知识领域。

文章图片
除了两个要进行整合的知识领域，用户还需要提供跟两个知识领域独立的一般信息，用以辅助新信息的推导，以及对“怎样一个整合概念网络才是一个好的整合概念网络”作出评估。在这部分输入中，用户可以用一个逻辑命题的形式定义什么是一个“有用的新概念”——比如，用户可以定义，最后得到的新概念应该是一种既会飞又会游泳的虚构生物，再结合“有翅膀的生物才会飞”和“有鱼鳍的生物才会游泳”的一般知识，就能推动DIVAGO去构造一个既有翅膀又长有鱼鳍的生物。

文章图片
DIVAGO系统架构
DIVAGO系统中有一个映射器（Mapper）模块负责找出在两个输入知识域的概念网络节点间建立映射关系的所有方式，一个整合器（Blender）模块再在每个映射方式的基础上建立对应的整合知识域的概念网络，所有这些整合概念网络再进入到一个概念工厂（Factory）模块进行检查和评估，筛选出其中最优的整合概念网络。检查和评估的标准包括最基本的逻辑一致性，也包括Fauconnier和Turner在最初提出概念整合理论时列举的那些“最优原则（OptimalityPrinciple）” ，包括拓扑学原则、集成原则、最大化核心关系原则、网络原则、解包原则等等（每条原则的解释请见上一章）。进行检查和评估的概念工厂模块也配置有一个进行自动化逻辑推理的推理器模块，让它能够不是只局限于整合概念网络中明确出现的信息，也能够从中得到一些推论，将这些推论也作为检查和评估的依据。