大数据语言模型与程序化叙事生成（下）
聊聊出现在2018年之后的基于深度神经网络预训练语言模型的故事生成技术。由于内容篇幅较长，分成上、下两个部分，下篇介绍语言模型生成叙事在实际应用中会遇到的问题以及与传统技术的比较。掺杂了一些个人观点。…
大数据语言模型与程序化叙事生成（上）
聊聊出现在2018年之后的基于深度神经网络预训练语言模型的故事生成技术。由于内容篇幅较长，会分成上、下两个部分，本篇先跟大家介绍语言模型的基本原理和在写作上的表现。…
梅拉妮·米歇尔《复杂》导读：让我们主动去拥抱那团捉摸不透的乱麻
由GEB作者侯世达的学生米歇尔所著、复杂系统研究的经典科普书《复杂》的一个简单导读。…
计算创意学系列（番外篇）：组合创造力和自动游戏生成
我们来考察可计算的组合性创造力的一个有趣的应用——通过重组和混搭现有的游戏来生成全新的游戏。…
计算创意学系列（完结篇）：科学家阻止不了工程师们举起魔杖
2021年初开始的这个计算创意学系列，终于要在一年后的今天走到尾声。感谢大家跟我一起走到这里。今后如果了解到计算创意学这个领域有意思的新成果，我会继续以这个系列的番外篇的形式继续分享给大家。…
计算创意学系列（番外篇）：人机共同创造力
作为对第六章（共同创造力）的补充，简短地跟大家分享去年（2020年）刚刚发表的一篇关于人机共同创造力的论文。…
计算创意学系列（六）：共同创造力（Co-creativity）
欢迎来到计算创意学系列第六章。在前面两章中，我们讨论了在脱离人这个主体的情况下，什么样的算法可以被界定为是具有创造力的问题。在第五章的最后，我们发现，创造力三脚架中的三个要素，不一定是要由同一个主体来提供的。这个时候，创造力的主体就不再是一个人类或者一个算法，而是多个人类、多个算法、或者人类和算法共同组成的系统。我们将这样的创造力称为共同创造力（Co-creativity）。 这一章，我们就来讨论共同创造力（Co-creativity）的概念。…
计算创意学系列（五）：创作过程与创造力
欢迎来到计算创意学系列第五章，在上一章中，我们提出了如何以与底层机理无关的标准去评判一个系统是不是具有创造力的问题，从“能够产生有价值的新事物”这个简单的认识出发，探讨了如何评估一个创造力系统的价值和新颖性。 除了对算法输出有要求，一个算法要被称作是“有创造力的”，似乎算法本身还需要具有一些其他的特性。 这一章，我们就来看看，创作过程的什么特性被认为是具有创造力的，这些特性又如何能够在算法中实现。…