Badacze testują kreatywność AI w eksperymencie Picbreeder z modelami wizyjno-językowymi

Naukowcy z kilku renomowanych instytucji przeprowadzili przełomowe badanie, w którym zastąpili ludzi w eksperymencie Picbreeder — klasycznym przykładzie otwartej eksploracji kreatywnej — najnowszymi modelami wizyjno-językowymi. Badanie, opublikowane w arXiv, ma zostać zaprezentowane na konferencji GECCO 2026 i rzuca światło na fundamentalne pytanie o zdolność sztucznej inteligencji do prawdziwie otwartego, nieskierowanego odkrywania nowych form.

Picbreeder to historyczna platforma, w której użytkownicy współpracowali przy tworzeniu różnorodnej biblioteki obrazów poprzez interaktywną ewolucję małych sieci neuronowych. System ten stał się kanonicznym przykładem ludzkiej otwartej eksploracji — procesu charakteryzującego się zdolnością do generowania pozornie nieskończonej liczby nowych, znaczących form.

Kluczowe wnioski

• Autorzy zespołu badawczego pod kierownictwem Sama Earle'a z powodzeniem zreplikowali system Picbreeder, zastępując ludzkich użytkowników najnowszymi modelami wizyjno-językowymi.
• Zaobserwowano wyraźne jakościowe różnice między wynikami systemu AI a historycznymi rezultatami ludzkimi, które badacze zmierzyli za pomocą metryk złożoności filogenetycznej oraz nowości wizualnej i semantycznej.
• Zespół zbadał trzy kluczowe czynniki wpływające na różnice: dodanie szumu eksploracyjnego do procesu selekcji agentów, różnorodność behawioralną między agentami oraz momentum narracyjne w postaci pamięci przeszłych działań.
• Badanie stanowi próbę odpowiedzi na fundamentalne pytanie, czy sztuczni agenci posiadają zdolność do owocnego, nieskierowanego odkrywania — właściwości historycznie charakterystycznej dla ludzkich procesów naukowych, technologicznych i kreatywnych.
• Kod źródłowy eksperymentu został udostępniony publicznie, umożliwiając replikację i dalsze badania nad otwartością AI.

Metodologia i założenia eksperymentu

Badacze skupili się na zrozumieniu składników „otwartości” w systemach AI — tej fundamentalnej właściwości procesów naukowych, technologicznych i kreatywnych, która w ludzkiej formie charakteryzuje się zdolnością do generowania pozornie nieskończonej liczby nowych i znaczących form. Jak zauważają autorzy, obecnie jesteśmy świadkami wielkoskalowych wysiłków przemysłowych i akademickich mających na celu automatyzację tych procesów za pomocą asystentów napędzanych AI.

Zespół wybrał Picbreeder jako punkt odniesienia ze względu na jego status kanonicznego przykładu ludzkiej otwartej eksploracji. Oryginalny system pozwalał użytkownikom na kolaboratywne generowanie różnorodnych obrazów poprzez interaktywną ewolucję małych sieci neuronowych, co skutkowało powstawaniem bogatej biblioteki wizualnych form.

Analiza różnic i czynników wpływających

Badacze zastosowali zaawansowane metryki do charakteryzowania obserwowanych różnic między wynikami AI a ludzkimi. Wykorzystali pomiary złożoności filogenetycznej oraz nowości wizualnej i semantycznej, aby obiektywnie ocenić jakościowe różnice w generowanych treściach.

W celu identyfikacji przyczyn obserwowanych różnic, zespół systematycznie badał trzy kluczowe elementy. Pierwszy dotyczył wpływu szumu eksploracyjnego dodawanego do procesu selekcji agentów. Drugi element koncentrował się na różnorodności behawioralnej między poszczególnymi agentami. Trzeci czynnik obejmował momentum narracyjne realizowane poprzez implementację pamięci przeszłych działań agentów.

Implikacje dla rozwoju AI

Badanie wpisuje się w szerszy kontekst współczesnych wysiłków zmierzających do zrozumienia i replikacji ludzkiej kreatywności w systemach sztucznej inteligencji. Pytanie o zdolność AI do prawdziwie otwartego odkrywania ma kluczowe znaczenie dla przyszłości automatyzacji procesów naukowych i kreatywnych.

Publikacja 26-stronicowego artykułu zawierającego 21 ilustracji oraz udostępnienie kodu źródłowego eksperymentu umożliwia dalsze badania nad tym fundamentalnym aspektem sztucznej inteligencji. Wyniki mają zostać zaprezentowane na prestižowej konferencji GECCO 2026, co podkreśla znaczenie badania dla społeczności naukowej zajmującej się ewolucyjnymi algorytmami obliczeniowymi.

Badanie otwiera nowe perspektywy dla zrozumienia granic i możliwości współczesnych modeli AI w kontekście otwartej, kreatywnej eksploracji.