Can robots be creative? - Gil Weinberg

Translator: Moazame Danaiefar Reviewer: sadegh vn

How does this music make you feel?

با شنیدن این موسیقی چه حسی به شما دست می‌دهد؟

Do you find it beautiful?

به نظرتان زیباست؟

Is it creative?

خلاقانه است؟

Now, would you change your answers

اگر بگویم این موسیقی را

if you learned the composer was this robot?

این ربات نوشته چه؟

Believe it or not,

باور کنید یا نه،

people have been grappling with the question of artificial creativity,

خلاقیت مصنوعی و

alongside the question of artifcial intelligence,

هوش مصنوعی بیش از

for over 170 years.

۱۷۰ سال است که ذهن افراد را به خود مشغول کرده است.

In 1843, Lady Ada Lovelace,

در سال ۱۸۴۳، بانو آدا لاولیس، ریاضی‌دان انگلیسی،

an English mathematician considered the world's first computer programmer,

که به عنوان اولین برنامه‌نویس کامپیوتر در جهان شناخته می‌شود،

wrote that a machine could not have human-like intelligence

گفته بود که ماشین‌ها نمی‌توانند هوشی هم‌سطح انسان داشته باشند زیرا

as long as it only did what humans intentionally programmed it to do.

فقط کارهایی را انجام می‌دهند که انسان‌ها آگاهانه برایشان برنامه‌نویسی کرده‌اند.

طبق گفتۀ لاولیس،

According to Lovelace,

a machine must be able to create original ideas

ماشین‌ها برای اینکه هوشمند تلقی شوند

if it is to be considered intelligent.

باید بتوانند ایده‌های اصیل خلق کنند.

The Lovelace Test, formalized in 2001, proposes a way of scrutinizing this idea.

آزمون لاولیس، که در سال ۲۰۰۱ رسمیت یافت، روشی برای سنجش این ایده ارائه داد.

A machine can pass this test if it can produce an outcome

ماشین‌ در صورتی در این آزمون قبول می‌شود که بتواند خروجی‌ای تولید کند که

that its designers cannot explain based on their original code.

طراحان نتوانند آن را بر مبنای کُد اصلی‌شان توضیح دهند.

The Lovelace Test is, by design, more of a thought experiment

آزمون لاولیس بیشتر یک آزمون نظری است

than an objective scientific test.

تا یک آزمون عینی علمی.

اما نقطه‌ای برای شروع است.

But it's a place to start.

At first glance,

در نگاه اول،

the idea of a machine creating high quality, original music in this way

شاید فکر اینکه یک ماشین بتواند چنین موسیقی اصیلی با کیفیت بالا تولید کند

might seem impossible.

غیر ممکن به نظر برسد.

We could come up with an extremely complex algorithm

می‌توانیم با استفاده از مولدهای اعداد تصادفی، توابع نامنظم و

using random number generators, chaotic functions, and fuzzy logic

منطق فازی، الگوریتم بسیار پیچیده‌ای

to generate a sequence of musical notes

برای تولید یک توالی از نُت‌های موسیقی ارائه دهیم

in a way that would be impossible to track.

به نحوی که رهگیری آن غیرممکن باشد.

But although this would yield countless original melodies never heard before,

بدین روش می‌توان موسیقی‌های اصیل بی‌شماری تولید کرد

only a tiny fraction of them would be worth listening to.

که کسی تاکنون نشنیده است، اما فقط درصد کوچکی از آن‌ها ارزش شنیدن خواهند داشت.

With the computer having no way to distinguish

زیرا کامپیوترها نمی‌توانند تشخیص دهند

between those which we would consider beautiful

که کدام موسیقی به نظر ما دلنشین است و

and those which we won't.

کدام یک نه.

But what if we took a step back

اما اگر یک قدم به عقب برمی‌‌داشتیم

and tried to model a natural process that allows creativity to form?

و فرایند طبیعی که منجر به خلاقیت می‌شود را مدل‌سازی می‌کردیم، چه؟

We happen to know of at least one such process

از قضا حداقل یک چنین فرایندی می‎‌شناسیم که

that has lead to original, valuable, and even beautiful outcomes:

خروجی‌های اصیل، ارزشمند و دلنشین تولید می‌کند:

the process of evolution.

فرایند تکامل.

And evolutionary algorithms,

الگوریتم‌های تکاملی،

or genetic algorithms that mimic biological evolution,

یا الگوریتم‌های مولد که از روند تکامل بیولوژیکی تقلید می‌کنند

are one promising approach

راهکار امیدوارکننده‌ای هستند که ماشین‌ها

to making machines generate original and valuable artistic outcomes.

با تکیه بر آن‌ها می‌توانند خروجی‌های هنری ارزشمند و اصیل تولید کنند.

So how can evolution make a machine musically creative?

تکامل چگونه خلاقیت ماشین‌ها در زمینۀ موسیقی را پرورش می‌دهد؟

Well, instead of organisms,

خب، به جای اندام‌واره‌ها می‌توانیم

we can start with an initial population of musical phrases,

با مجموعه‌ای از عبارات موسیقایی

and a basic algorithm

و یک الگوریتم ساده شروع کنیم

that mimics reproduction and random mutations

که با تغییر برخی از قسمت‌ها،

by switching some parts,

ترکیب سایر بخش‌ها با هم،

combining others,

و جایگزین کردن نُت‌های تصادفی

and replacing random notes.

بازتولید و جهش‌های تصادفی را تقلید می‌کند.

Now that we have a new generation of phrases,

اکنون که مجموعه‌ای جدید از عبارت‌ها داریم

we can apply selection using an operation called a fitness function.

می‌توانیم با استفاده از عملیاتی به نام تابع برازش انتخاب کنیم.

همان‌گونه که برازش بیولوژیکی، تحت تأثیر عوامل خارجی محیطی معین می‌شود،

Just as biological fitness is determined by external environmental pressures,

our fitness function can be determined by an external melody

بر مبنای یک موسیقی خارجی که موسیقی‌دانان یا طرفداران موسیقی انتخاب کرده‌اند،

chosen by human musicians, or music fans,

می‌توان تابع برازشی تعیین کرد و

to represent the ultimate beautiful melody.

موسیقی دلنشین نهایی را ارائه داد.

این الگوریتم می‌تواند عبارت‌های موسیقایی را

The algorithm can then compare between our musical phrases

and that beautiful melody,

با آن موسیقی دلنشین مقایسه کند

and select only the phrases that are most similar to it.

و فقط عبارت‌هایی که شباهت زیادی با آن دارند را انتخاب کند.

Once the least similar sequences are weeded out,

بس از حذف توالی‌هایی که کمترین شباهت را با آن دارند

the algorithm can reapply mutation and recombination to what's left,

الگوریتم می‌تواند مجدداً جهش را اعمال کند، عبارات باقیمانده را با هم ترکیب کند،

select the most similar, or fitted ones, again from the new generation,

عبارت‌هایی با بیشترین شباهت یا عبارات برازش شده را از مجموعۀ جدید انتخاب کند،

and repeat for many generations.

و برای مجموعه‌های زیادی تکرار کند.

The process that got us there has so much randomness and complexity built in

فرایندی که ما را به اینجا رساند مؤلفه‌های تصادفی و پیچیدگی‌های ذاتی زیادی دارد

that the result might pass the Lovelace Test.

و خروجی آن ممکن است در آزمون لاولیس قبول شود.

More importantly, thanks to the presence of human aesthetic in the process,

مهم‌تر اینکه، به لطف وجود مؤلفه‌های زیباشناختی انسانی،

we'll theoretically generate melodies we would consider beautiful.

به لحاظ نظری ملودی‌هایی می‌سازیم که زیبا هستند.

But does this satisfy our intuition for what is truly creative?

اما آیا این اتفاق شمّ ما برای خلاقیت را ارضا می‌کند؟

Is it enough to make something original and beautiful,

آیا تولید چیزی اصیل و زیبا کافی است یا

or does creativity require intention and awareness of what is being created?

اینکه آگاهی و علاقه لازمۀ خلاقیت هستند؟

Perhaps the creativity in this case is really coming from the programmers,

شاید خلاقیت در این مورد به برنامه‌نویسان بستگی دارد

even if they don't understand the process.

حتی اگر درکی از آن فرایند نداشته باشند.

در دنیای انسان‌ها خلاقیت چه مفهومی دارد؟

What is human creativity, anyways?

Is it something more than a system of interconnected neurons

آیا چیزی بیش از یک سیستم متشکل از نورون‌های به هم متصل است

developed by biological algorithmic processes

که طی فرایندهای الگوریتمی بیولوژیکی توسعه یافته‌اند

and the random experiences that shape our lives?

یا تجارب تصادفی که زندگی ما را شکل می‌دهند؟

Order and chaos, machine and human.

نظم و بی‌نظمی، ماشین و انسان.

These are the dynamos at the heart of machine creativity initiatives

این‌ها نیروهایی هستند که در مرکز خلاقیت ماشین قرار دارند

that are currently making music, sculptures, paintings, poetry and more.

و منجر به خلق موسیقی، مجسمه، نقاشی ، شعر و غیره می‌شوند.

The jury may still be out

شاید هیئت منصفه هنوز دودل باشند

as to whether it's fair to call these acts of creation creative.

که باید این کارها را خلاقانه تلقی کنند یا خیر.

But if a piece of art can make you weep,

اگر یک اثر هنری می‌تواند شما را به گریه بیندازد

or blow your mind,

یا به تعجب وا دارد

or send shivers down your spine,

یا لرزه بر اندام‌تان بیندازد

does it really matter who or what created it?

دیگر چه اهمیتی دارد که چه کسی آن را تولید کرده است؟