Sieci neuronowe typu GAN i GPT-2, słowa zużyte i kreatywność, czyli literacki second-hand
Okładka czasopisma Forum Poetyki, nr 18, rok 2019, tytuł jesień 2019
PDF
PDF (English)

Słowa kluczowe

krytyka literacka
sztuczna inteligencja
kreatywność
interpoetyka
intertekstualność
creative writing
machine learning

Jak cytować

Okulska, I. . (2019). Sieci neuronowe typu GAN i GPT-2, słowa zużyte i kreatywność, czyli literacki second-hand. Forum Poetyki, (18), 26–35. https://doi.org/10.14746/fp.2019.18.21436

Abstrakt

Czy kreatywność to wyłącznie domena człowieka? Czy sieć neuronowa, choćby najbardziej skomplikowanej architektury, nakarmiona materiałem stworzonym i wybranym przez człowieka może być kreatywna, a jeśli nawet, to czy jej dzieło nie będzie wobec ludzkiego wtórne? A może, jak chciał Bachtin, a za nim Kristeva, każda nasza wypowiedź i tak jest skazana na wtórność, bo taka jest natura języka? Czym jest kreatywność, co potrafi sztuczna inteligencja, do jakich refleksji krytycznoliterackich skłaniać może jej twórczość, szczególnie w kontekście relacji intertekstualnych, interpoetyckich? W artykule odpowiedzi szukam na przykładzie funkcjonowania sieci neuronowych typu GAN oraz modelu GPT-2. Oprócz fragmentów analizowanych tekstów i nawiązań do teorii literatury pojawia się również wprowadzenie do struktury i istoty omawianych rozwiązań technologicznych.

https://doi.org/10.14746/fp.2019.18.21436
PDF
PDF (English)

Bibliografia

Bachtin, Michaił. Problemy literatury i estetyki. Przetłumaczone przez Wincenty Grajewski. Warszawa: Czytelnik, 1982.

Boden, Margaret A. The Creative Mind: Myths and Mechanisms. London: Routledge, 2004.

Drong, Leszek. „Od konwencjonalizmu do normatywizmu. Kilka uwag o ewolucji poglądów teoretyczno-literackich Stanleya Fisha”. W Er(r)go: Teoria – Literatura – Kultura, vol. 12, nr 1 (2006): 25–37.

Fish, Stanley. Interpretacja, retoryka, polityka. Redakcja i przedmowa Andrzej Szahaj. Wstęp Richard Rorty. Przetłumaczone przez Andrzej Szahaj. Kraków: Universitas, 2002.

Gandhi, Rohith. Generative Adversarial Networks – Explained, https://towardsdatascience.com/generative-adversarial-networks-explained-34472718707a, (dostęp: 8.05.2019).

Kajić, Ivana. AIternate endings: Lyrics completion using GPT-2, http://www.ivanakajic.me/blog/2019/03/31/aiternate-lyrics (dostęp: 15.07.2019).

Kazimierska, Agata. „Prawdziwe kłamstwa”. Tygodnik Powszechny. Artykuł online z 15.04.2019, https://www.tygodnikpowszechny.pl/prawdziweklamstwa-158508 (dostęp: 0.07.2019).

Łukaszewicz, Małgorzata. Pięć razy o przekładzie. Kraków: Karakter, 2017.

Mou, Lili i in. “How Transferable are neural networks in NLP applications”. Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing (EMNLP) (2016): 478–89.

“New AI fake text generator may be too dangerous to release, say creators”. The Guardian. Artykuł on-line z 14.02.2019, https://www.theguardian.com/technology/2019/feb14/elon-musk-backedai-writes-convincing-news-fiction (dostęp: 20.07.2019).

Pompescu, Marius i Radu Tudor Ionescu, Knowledge Transfer between Computer Vision and Text Mining, Bucharest: Springer, 2015.

Radford, Alec i in. Language Models are Unsupervised Multitask Learners. Raport techniczny, https://d4mucfpksywv.cloudfront.net/better-language-models/language-models.pdf (dostęp: 20.07.2019).

du Sautoy, Marcus. The creativity code. How AI is learning to write, paint and think. London: Fourth Estate, 2019.