计算创意学系列（三）：组合性创造力的计算实现( 八 ) 编辑按此文转载自低多边形厌

一定范围内，将任意文本映射到真假程度的函数。
而到了基于深度神经网络的DeepDream和NeuralStyleTransfer这里，知识库的条目甚至不需要是文本，可以是表示任何数据的高维向量空间中的矩阵和向量。这个数据输入神经网络经过计算，最后得到另一个矩阵或者向量。也就是说，知识库的定义在这里又变得更加宽泛，成为了
一定范围内，将任意数据映射到数据的函数。
没错，一切函数都将数据映射到数据，因此在这个定义下一切函数都可以看作是一定范围内的知识库。
这个知识的概念不断被泛化的过程，是一系列将人类的思考和创造行为迁移到机器的努力所带来的副产物。这是不是意味着，人类对智能的认知不断跳脱出自身、而走向独立于人脑的一般智能的过程呢？
参考文献
[1]FranciscoC.Pereira,AmílcarCardoso,2006.ExperimentswithFreeConceptGenerationinDivago
[2]Martins,Pedro&Pereira,Francisco&Cardoso,Amílcar,2019.TheNutsandBoltsofConceptualBlending:MultidomainConceptCreationwithDivago
[3]TonyVeale,2012.FromConceptualMash-upstoBadassBlends:ARobustComputationalModelofConceptualBlending
[4]GraemeMcCaig,SteveDiPaola,LianeGabora,2019.DeepConvolutionalNetworksasModelsofGeneralizationandBlendingWithinVisualCreativity
[5]ManfredEppe,EwenMaclean,RobertoConfalonieri,OliverKutz,MarcoSchorlemmer,EnricPlaza,Kai-UweKühnberger,2018.Acomputationalframeworkforconceptualblending
[6]DeepDreamBlog:https://ai.googleblog.com/2015/06/inceptionism-going-deeper-into-neural.html
[7]L.A.Gatys,A.S.EckerandM.Bethge,2016.ImageStyleTransferUsingConvolutionalNeuralNetworks
[8]AertsDiederik,BroekaertJan,GaboraLiane,SozzoSandro,2016.GeneralizingPrototypeTheory:AFormalQuantumFramework
[9]PaulThagardTerrenceC.Stewart,2010.TheAHA!Experience:CreativityThroughEmergentBindinginNeuralNetworks
[10]Li,Boyang&Zook,Alexander&Davis,Nicholas&Riedl,Mark,2012.Goal-DrivenConceptualBlending:AComputationalApproachforCreativity返回搜狐，查看更多
责任编辑：