AI.R Taletorium: 1001 Cyber Nights escrites per intel·ligència artificial

Main Article Content

Predrag K. Nikolić
https://orcid.org/0000-0003-1409-088X
Giacomo Bertin

AI.R Taletorium és un entorn d’aprenentatge col·laboratiu basat en la intel·ligència artificial i en la cocreación entre la IA i l’ésser humà, així com en el desenvolupament de les relacions socials entre usuaris. AI.R Taletorium està dissenyat per aconseguir una experiència creativa comuna entre grups d’usuaris amb diferents preferències i que no estan necessàriament en la mateixa ubicació. El sistema es basa en un marc de narració interactiu centrat en els personatges. La IA segueix les característiques dels usuaris per traslladar els participants a l’entorn de les històries produïdes per la IA mitjançant avatars. A més, la interfície multimodal ajuda els usuaris a participar en la creació d’històries i a estimular el seu compromís perceptiu i emocional. En la sèrie 1001 Cyber Nights de contes de fades creats per IA ens centrem en la part de narració automatitzada basada en les xarxes neuronals del projecte AI.R Taletorium. Ens inspirem en els mil un contes folklòrics de l’Orient Mitjà i en Scheherazade, que va lluitar per la seva vida explicant històries durant mil i una nits. Emprem el nostre sistema automatitzat de narració AI.R Taletorium per desafiar la creativitat i la imaginació de la IA a l’hora de crear contes de fades per a nens i nenes. Igual que en la història de Scheherazade, ho considerem un paradigma de l’esforç creatiu de la IA per a la seva posterior emancipació.

Paraules clau:

narració generativa, processament del llenguatge natural, creativitat d’intel·ligència artificial, interacció ésser humà-IA, visió automatitzada

Article Details

Com citar
K. Nikolić, Predrag; and Bertin, Giacomo. “AI.R Taletorium: 1001 Cyber Nights escrites per intel·ligència artificial”. Artnodes, no. 31, pp. 1-10, doi:10.7238/artnodes.v0i31.402821.
Biografies de l'autor/a

Predrag K. Nikolić, College For Creative Studies, Detroit, Estats Units

El Dr. Predrag K. Nikolić és professor titular i president del Graduate User Experience (UX) Design Program en el College For Creative Studies de Detroit, Estats Units. La seva investigació se centra en la realitat experiencial mixta, la singularitat, la interacció ésser humà-IA, l’emancipació de la intel·ligència artificial, les interfícies intel·ligents, la creativitat robòtica, l’estètica de la IA i el disseny per a canvis de comportament o behavioral design. Combina mons virtuals immersius, intel·ligència artificial i entorns receptius per implicar el públic en noves experiències i percepcions interactives dels mitjans. El seu actual projecte d’investigació Syntropic Counterpoints va tenir nombroses exposicions arreu del món al costat d’obres d’art com AI.R Taletorium, Aquaterrestrial Colonization, Metaphysics of the Machines, Botorikko Machine Created State, Robosophy Philosophy i enn_Visible Island. Ha exhibit i presentat les seves obres en l’Ars Electronica Festival, en l’International Symposium of Electronic Art, en el SIGGRAPH, a Technarte, a EmTech MIT Review, Singapore Science Center, a Maison Xangai, a Hong Kong-Shenzhen Design Biennial, al National Museum of Applied Arts, de Belgrad, i al National Museum of Education de la mateixa ciutat. El doctor Predrag K. Nikolic ha publicat nombrosos articles d’investigació sobre l’experiència creativa de l’usuari i la cocreación, la creativitat de la intel·ligència artificial, l’estètica de la IA, la interacció entre robots, el disseny per al canvi de comportament, la realitat experiencial mixta, les interfícies multisensorials, la interactivitat i el disseny d’interfície. És editor en cap a EAI Endorsed Transactions on Creative Technologies i membre de l’Aliança Europea per a la Innovació, així com fundador d’AI.R Lab.

Giacomo Bertin, Università degli Studi di Padova, Pàdua, Italia

Estudiant de Física de Dades a la Universitat de Pàdua, té una llicenciatura en Física amb una tesi sobre els mètodes computacionals per al descobriment de fàrmacs. És enginyer d’aprenentatge automàtic i desenvolupador d’intel·ligència artificial. Forma part del projecte Syntropic Counterpoints del professor Nikolic i és cofundador d’AI.R Lab, que se centra en la visió artificial i en el processament del llenguatge natural.

Referències

Chen, Tianqui, Mu Li, Yutian Li, Min Lin, Naiyan Wang, Minjie Wang, Tianjun Xiao, Bing Xu, Chiyuan Zhang and Zheng Zhang. “Mxnet: A flexible and efficient machine learning library heterogeneous distributed systems. ArXiv (2015). DOI: https://doi.org/10.48550/arXiv.1512.01274

Gupta, Kunal and Manmohan Chandraker. 2020. “Neural mesh flow 3d manifold mesh generation via diffeomorphic flows”. ArXiv (2020) DOI: https://doi.org/10.48550/arXiv.2007.10973

Hu, Weihua, Bowen Liu, Joseph Gomes, Marinka Zitnik, Percy Liang, Vijay Pande and Jure Leskovec. “Strategies for Pre-training Graph Neural Networks”. ArXiv (2019). DOI: https://doi.org/10.48550/arXiv.1905.12265

Huang, Gao, Zhuang Liu, Laurens van der Maaten and Kilian Q. Weinberger. “Densely connected convolutional networks”. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), (2016): 2261-2269. DOI: https://doi.org/10.1109/CVPR.2017.243

Katheryn R., Christy and Jesse Fox. “Transportability and Presence as Predictors of Avatar Identification Within Narrative Video Games”. Cyberpsychology, Behavior, and Social Networking (2016, April): 283-287. DOI: https://doi.org/10.1089/cyber.2015.0474

Liu, X, Shaoxin Li, Meina Kan, Jie Zhang, Shuzhe Wu, Wenxian Liu, Hu Han, Shan, Shiguang Shan and Xilin Chen. “Agenet: Deeply learned regressor and classifier for robust apparent age estimation”. IEEE International Conference on Computer Vision Workshop (ICCVW), (2015): 258-266. DOI: https://doi.org/10.1109/ICCVW.2015.42

Mnih, Volodymyr, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Dann Wierstra and Martin Riedmiller. “Playing atari with deep reinforcement learning”. ArXiv (2013). DOI: https://doi.org/10.48550/arXiv.1312.5602

Radford, Alec, Joon Wook Kim, Chris Hallacy, Aditya Ramesh, Gabriel Goh, Sandhini Agarwal, Girish Sastry, Amanda Askell, Pamela Mishkin, Jack Clark, Gretchen Krueger and Ilya Sutskever. “Learning transferable visual models from natural language supervision”. ArXiv (2021). DOI: https://doi.org/10.48550/arXiv.2103.00020

Ravi, Nikhila, Jeremy Reizenstein, David Novotny, Taylor Gordon, Wan-Yen Lo, Justin Johnson and Georgia Gkioxari. “Accelerating 3D Deep Learning with PyTorch3D”. ArXiv (2020). DOI:

https://doi.org/10.48550/arXiv.2007.08501

Rose, Stuart, Dave Engel, Nick Cramer and Wendy Cowley. “Automatic keyword extraction from individual documents”. In: M.W. Berry and J. Kogan (eds.). Text Mining (2010). DOI: https://doi.org/10.1002/9780470689646.ch1

Schroff, Florian, Dmitry Kalenichenko and James Philbin. “Facenet: A unified embedding for face recognition and clustering”. EEE Conference on Computer Vision and Pattern Recognition (CVPR), (2015): 815-823, 815-823. DOI: https://doi.org/10.1109/CVPR.2015.7298682

Sitzmann, Vincent, Julien N. P. Martel, Alexander Bergman, David B. Lindell and Gordon Wetzstein. “Implicit neural representations with periodic activation functions”. ArXiv (2020). DOI: https://doi.org/10.48550/arXiv.2006.09661

Talib, Ruhiyati Idayu Abu, Predrag K. Nikolić, Mohd Shahrizal Sunar and Rui Prada. 2020. “In-visible island: Inclusive storytelling platform for visually impaired children”. Mobile Networks and Applications, no. 25 (2020): 913-924. DOI: https://doi.org/10.1007/s11036-020-01515-5

Yao, Lili, Nanyun Peng, Ralph Weischedel, Kevin Knight, Dongyan Zhao and Rui Yan. “Plan-And-Write: Towards Better Automatic Storytelling”. ArXiv (2018). https://doi.org/10.48550/arXiv.1811.05701

Articles similars

1 2 3 4 5 6 7 8 9 10 > >> 

També podeu iniciar una cerca avançada per similitud per a aquest article.