コーヒー1杯の暖かさ

心理学を研究する大学院生が、研究もそこそこちゃんとやりながら、日本の教育に一石を投じます。

AIが作った作品と人間が作った作品:人工知能への認識の偏り?(Ragot et al., 2020)

f:id:jin428:20210522164711j:plain

みなさんこんにちは!

微かに混じり合う教育と心理学とアートを考えていますじんぺーです。

今日も論文を読んでいきます。

 

www.jinpe.biz

 

AIが作った作品と人間が作った作品:人工知能への認識の偏り?(Ragot et al., 2020)

結論から言うと、人間が描いたと認識された絵画は、AIが作ったと認識された絵画よりも有意に高く評価された

 

背景

■計算美学,魅力度コンピューティング,Creative Adversarial Networks(CAN),計算創造性といった新しい研究分野が生まれている

・計算創造性は,人工的な創造性と人間の創造性の両方を研究する人工知能(AI)の一般的な分野であり、大きく成長

■Gautは,機械やコンピュータに対する「負の価値」を仮定している

・Coltonも、創造的なコンピュータが拒絶されることを懸念

・しかし、このような否定的な偏見の根拠はまだ明らかになっていない

・このようなAIが生成した芸術作品に対する人間の認識を研究することは、非常に重要であると思われる

■チューリングテストは不十分

・確かに、この種のテストでは、観客の認識を調査することはできない

・この方法は,既存の人間の作品の模倣やパスティーシュを助長すると批判

・並行して、我々の知る限り、潜在的な人間のバイアスを理解するために、AIが生成した作品と人間の作品との間の大衆の認識の違いを調査した研究者はほとんどいない

・MoffatとKellyの調査では,コンピュータで生成された音楽に対して有意なバイアスがあることがわかった

・Hongは,フォーカスグループ内でのコンピュータアートに対する認識の違いを分析:同じ作品であっても,AI由来のものよりも人間由来のものと認識された方が「アート」とみなされた

・芸術と絵画の分野では、Elgammalは、機械に肯定的な偏見を持つ矛盾した結果を発見

■コンピュータで作られた絵画を人は見分けられるのか?

・人は、人間が作ったシステム(あるいは絵画)を好むのか?

・人はAIに否定的なバイアスをかけているのか?

・最後に、同じ芸術作品の画家(AIまたは人間)のアイデンティティに関する仮定が、評価にどのように影響するか?

 

方法

■参加者:565名の参加者(M = 32.80歳、S.D. = 9.91、女性234名、男性331名)

■測定方法:絵画に関連する多くの特性を調査

・好感度(「この絵が好きだ」)、美しさ(「この絵は美しい」)、新しさ(「この絵は斬新だ」)、意味(「この絵の意味を理解した」)といった多くの次元を評価

・これらの4つの次元について,参加者は7段階のリッカート尺度(1=全く同意しない,7=全く同意する)

■材料

・作者を隠し、Piet Mondrian、Claude Monet、Robbie Barrat、the collective Obviousによる印象派の絵画40点

■手続き:混合被験者デザイン

・参加者は,2つの条件(すなわち,人間条件とAI条件,被験者間変数)のいずれかに無作為に割り当てらた

・このようにして,参加者は2つのプライミングと指示のいずれかを見た

・すべての参加者は,人間とAIが実際に作った肖像画や風景画を見た(被験者内デザイン)

・作品は、結果の一般性を高めること、実験時間を短縮すること、画風の繰り返しを避けることを目的として、40枚の絵画(AIによる肖像画10枚、AIによる風景画10枚、人間による肖像画10枚、人間による風景画10枚)の中から無作為に選んだ

・次に、各絵画について、参加者はいくつかの項目(好感度、知覚された美しさ、新しさ、意味など)を記入

・最後に,宣言された作者タイプ(すなわち,AIまたは人間)のプライミングの有効性を保証するために,操作確認の項目が導入

・参加者は4枚の絵画(各カテゴリーから1枚ずつランダムに選ばれたもの)の起源を推測

・この修正TTは、評価の偏りやプライミング効果を避けるために、研究の最後に提案されました。最後に、年齢と性別に関する2つの人口統計学的質問

 

結果

■各従属変数について、混合モデル分析(参加者と絵画4はランダム要因)

・誘導条件は被験者間因子

・宣言された好意:誘導(F1,481.25 = 17.67, p < 0.001, d = 0.06)、絵画の種類(F1,30.74 = 26.69, p < 0.001, d = 0.15)、実作者(F1,30.74 = 82.44, p < 0.001, d = 0.25)の主効果

・美しさの知覚:、誘導(F1,481.23 = 17.74, p < .001, d = 0.05)、絵画の種類(F1,32.14 = 22.18, p < .001, d = 0.16)、実在の作者(F1,32.14 = 64.81, p < .001, d = 0.27)の主効果

・知覚的新奇性:誘導(F1,481.28 = 13.31, p < 0.001, d = 0.11)、絵画の種類(F1,25.72 = 16.33, p < 0.001, d = 0.08)、実在の作者(F1,25.72 = 3.47, p = 0.074, d = 0.04)の主効果

・意味の認知:誘導(F1,481.34 = 15.09, p < 0.001, d = 0.13)、絵画の種類(F1,28.81 = 19.61, p < 0.001, d = 0.10)、実作者(F1,28.81 = 52.96, p < 0.001, d = 0.16)の主効果

■人間が描いた絵とAIが描いた絵を区別

・絵画の種類が認識率(F1,1717.44 = 17.67, p < .001, ηp 2 = 0.34)と作者の種類(F1,1717.44 = 64.41, p < .001, ηp 2 = 0.34)に影響を与えていることがわかった

▶人間が描いた絵画(AIが生成した絵画と比較して)と肖像画(風景画と比較して)は,認識誤りの割合が最も少ない芸術作品であることがわかった。

■誘導された作者と本物の作者の両方に有意な影響があった

・Moffat・Kellyが得た、コンピュータで生成された音楽に対する知覚バイアスに関する最初の結果を支持

■参加者は風景画(53%)よりも肖像画(69%)の方が作者の出自を識別しやすいことにも注目したい

・Bodenと同様に、偶然に近い認識率(50%)で、人々は作者のタイプを区別することが困難

 

コメント

今までのものに比べてサンプル数も多く、目的もはっきりしている印象。ただこの実験でもAIが作ったけど人間と帰属された作品(逆もある)があり、上手く分割できていないとも思う。

 

論文

Ragot, M., Martin, N., Cojean, S. (2020, April). AI-generated vs. human artworks. A perception bias towards artificial intelligence? In Extended abstracts of the 2020 CHI conference on human factors in computing systems (pp. 1–10).