We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
A
Asaf
Y
Yoed Kennet
Asaf: 我对将网络科学应用于创造力研究很感兴趣，因为这是一个新的领域。Yoed Kennet 的研究使用网络科学来分析人类的创造力过程，特别是顿悟时刻。他将顿悟描述为在思维的语义网络中找到捷径的“小世界效应”。他使用特征向量中心性算法来衡量网络中的中心性，其逻辑与 PageRank 类似。许多图问题是 NP 完全问题，很难在实践中大规模解决。
Yoed Kennet: 我是特拉维夫理工学院数据与决策科学学院的助理教授。我的实验室整合了计算研究和实验研究，研究创造力、智力、记忆和记忆搜索等复杂认知过程。我使用复杂性科学或网络科学的方法来量化和形式化认知和神经系统的复杂性。人类记忆包含不同的系统或过程，例如运动记忆、感知记忆、情景记忆和语义记忆。大多数使用网络科学进行认知研究的研究都集中在语义记忆模型上。我们正在尝试从网络的角度来表示和研究记忆过程，以及当记忆开始衰退时（例如在阿尔茨海默病中）会发生什么。我们利用网络科学来量化以前含糊不清的概念，例如关联、知识结构、概念之间的远近和强弱关系。我的一个实验研究了语义记忆结构的变化如何支持成功的解决问题和类比迁移，特别是使用了谜题。这个实验的目的是实证研究顿悟现象，即解决问题的过程中突然获得答案的时刻。顿悟很难进行实证研究，因为无法预测何时会发生顿悟，也难以诱发顿悟。顿悟发生时，人们会感到快乐和兴奋，并且通常会认为获得的答案是正确的。顿悟还会导致记忆结构发生变化，形成新的连接或结构，这被称为记忆重组。在这个实验中，我们让参与者解决一个谜题，并在尝试解决谜题之前和之后，使用一种方法来表示他们与问题、问题的解决方案或无关的单词的个体结构。我们使用了一个名为“Dorsos 问题”的谜题，它要求参与者解释一个看似矛盾的故事。这个实验与主流的创造力实验室研究不同，它关注的是只有一个正确答案但难以找到的谜题。参与者在尝试解决谜题的 10 分钟时间里可以随意猜测，之后我们会告知他们是否解开了谜题。谜题的答案是：这个人打嗝了，向酒吧服务员要水，服务员拿出猎枪吓了他一跳，治好了他的打嗝。我们使用了四个难度相似的谜题，研究了解决谜题的人与未解决谜题的人的记忆结构差异。我们通过单词对的方法来衡量参与者的记忆结构（语义网络）。我们假设参与者最初对这 20 个单词的记忆结构是相同的，我们感兴趣的是解决谜题前后会发生什么变化。由于很少有人能解开谜题，这导致了样本不平衡，使得难以得出可靠的结论。最终，我们有三种类型的参与者：解题者、未解题者和获得答案的参与者，我们发现了解题者和未解题者之间存在差异。我们的研究表明，解决谜题会导致记忆重组，但我们无法确定是记忆结构导致了创造力，还是创造力导致了记忆结构的变化。更有创造力的人拥有更丰富、更灵活的记忆结构，并且能够更广泛、更深入地搜索他们的记忆。类比迁移是指将一种知识或技能迁移到另一个领域的能力。我们分析了哪些因素最能预测参与者解决第二个谜题的能力，包括解决第一个谜题的情况、语义网络和单词对的关联性。对于解题者来说，与解决方案相关的单词对变得更接近、更强，网络效率也提高了，这似乎有助于解决类似的问题。此外，原本距离较远的单词也变得更接近，这被认为是更高创造力的标志。如果给参与者提供答案，与解决方案相关的术语会变得更紧密相关，但他们并不能更好地解决类似的问题，并且他们的记忆结构不会发生这种收缩效应。我们使用单词对作为一种直接的测量方法，参与者没有动机误导我们。我们还进行了脑部扫描实验，发现大脑也会对单词之间的距离效应做出反应。我的研究可以应用于改善工作场所的创造力、对抗老年人的认知僵化以及改进学习策略。我们正在开发工具来帮助人们摆脱思维定势，并改善老年人的记忆灵活性和学习策略。我目前的研究重点是提问，以及如何通过提问来促进更好的信息获取和记忆结构的改善。大型语言模型可以解决谜题和关联单词，但它们可能以一种与人类不同的方式进行。一些研究表明，大型语言模型的语义网络比人类的更结构化、更僵化，创造力更低。我们需要教人们如何提出更复杂的问题，以更好地与大型语言模型进行互动，并丰富人类与机器共同创造的过程。创造力很难衡量，但近年来，认知视角和计算方法的进步改善了我们评估创造力的方法。创造力是一个相对年轻的科学领域，长期以来人们认为它难以定义和衡量。我们对创造力的定义仍然不全面，并且实验室研究主要集中在言语创造力和想法的新颖性上。我的研究关注知识在创造力中的作用，并使用网络科学来研究关联理论，该理论认为创造力个体具有不同的记忆系统，允许他们搜索、扩展和连接。世界经济论坛的报告指出，创造力是未来工作中最重要的能力之一，但我们对如何提高创造力仍然缺乏了解。
Deep Dive
This introductory chapter sets the stage by discussing the intersection of creativity and network science. It introduces the concept of the "small world effect" in relation to creativity and touches upon centrality measures in network analysis, such as eigenvalue centrality.
- Creativity can be explored through the lens of network science.
- The "small world effect" is relevant to the creativity process.
- Eigenvalue centrality, similar to PageRank, is used to measure centrality in networks.
Shownotes Transcript