计算创意学系列（三）：组合性创造力的计算实现( 三 ) 编辑按此文转载自低多边形厌

文章图片
DIVAGO输入输出的例子
DIVAGO系统向人们展示了设计开发出一个能够自动发明出新概念的机器的可能性，这样一个概念发明机器在许多创意领域都有可能的应用场景。比如， DIVAGO就曾被应用在游戏设计中，帮助设计者想象游戏中的虚拟物品。
但作为将概念整合理论算法化的最初尝试之一， DIVAGO系统也很自然地存在很多缺陷。
首先， DIVAGO的运作所需要的知识库，需要用户在提供输入时去手工构建，而任何实际问题所涉及的知识库，规模都相当庞大、结构也非常复杂，这种手工构建显然是不现实的。
此外， DIVAGO系统在天文数字级别的整合网络中搜索最优解的做法，不可避免地面对性能瓶颈。比起能够在几秒钟内灵光一现的人脑， DIVAGO产生一个新概念需要一段不短的时间。
DIVAGO的后继者们，想到了各种各样的方式来解决这些问题。减小搜索空间的大小是最主要的思路。比如， Li,Zook和Riedl在2012年提出的概念整合算法[10] ，通过在选择输入知识领域的概念组合阶段就将用户给出的整合目的和整合的上下文纳入考虑，将明显不可能符合用户目的的概念组合在最初就排除掉，显著地减小了搜索空间的大小，提高了算法运行的效率。
这类设定了语义限制条件来控制整合概念候选的质量，从一开始就将不符合这些语义限制条件的概念组合排除出搜索空间的概念整合算法，被称作是“新拉马克主义（Neo-Larmarckian）算法”；而像DIVAGO这样，先一股脑生成所有的组合，再在形成的巨大搜索空间中寻找合适的整合概念的概念整合算法，被称作是“新达尔文主义（Neo-Darwinian）算法” 。因为这两种算法分别更适合比作是拉马克和达尔文的进化模型。
“概念混搭（ConceptualMash-up）”:自动化知识库构建的早期尝试
2012年由TonyVaele首次发表的MetaphorEyes（http://bonnat.ucd.ie/metaphor-eye/）[3] ，是解决类似DIVAGO这些早期概念整合系统的知识库构建问题的一个尝试。 MetaphorEyes通过自动在互联网中搜集构建知识库所需信息，避免了需要用户手工构建知识库。

文章图片
MetaphorEyes网络服务
用户在MetaphorEyes网页的文本框中输入关联两个名词的一个简单隐喻句子（比如“Googleisacult（谷歌是邪教）”）， MetaphorEyes就会返回一系列两个名词的共同特征，作为对用户输入的隐喻成立的支持（比如“Googleworshipscelebritieslikecult（谷歌就像邪教那样搞个人崇拜）”）。如果将用户输入的两个名词看作来自两个知识领域的概念，将这两个名词整合成为一个新概念， MetaphorEyes返回的列表可以大致看作是以这个新概念为中心的整合概念网络中的特征。
MetaphorEyes最大的特点是能够自动从互联网上获取概念整合所需要的知识库。它实际上是利用了谷歌搜索引擎的关键词自动补全功能。当用户在谷歌搜索中输入一个不完整的句子"whydoX（X为什么…）"的时候（X是一个名词），谷歌会弹出下拉框列举出一系列补全这个句子的可能方式——

文章图片
【计算创意学系列（三）：组合性创造力的计算实现】而每个这种补全方式，都可以看作是述说了关于X的一个特征。将所有这些特征收集起来，就得到关于X的一个简陋的知识库。更进一步，每一种补全方式实际进行搜索之后，得到的搜索结果的条目数量可以简单粗暴地看作是对这个补全方式所对应的特征的确定性程度的一个估计。比如说， “Whydophilosopherslie（为什么哲学家撒谎）”这个句子有586个搜索结果， “Whydophilosophersequivocate（为什么哲学家说话模棱两可）”就只有11个搜索结果， MetaphorEyes因此认为“哲学家撒谎”这个特征远比“哲学家说话模棱两可”有可信度（当然事实可能不是这样）。