des.ai.gn - 用人工智能增强人类创造力

“民主化创新”是麻省理工学院教授埃里克·冯·希佩尔（Eric von Hippel）提出的一个术语。自20世纪70年代中期以来，他一直致力于研究和发表关于用户可以自己创造他们所缺少的东西，而不是等待公司提供给他们的想法。在过去的二十多年里，让终端用户沉浸在创新过程中的理念日益盛行，如今，公司纷纷采用众包和创新竞赛来产生大量想法。然而，已有研究表明，由于四个主要困难，许多企业未能实现这些效益。

首先，民主化创新的举措可能导致过度评估。因此，例如，众包可能会带来大量的建议，其中许多后来被简单地忽略或从未考虑过，因为公司无法筛选或合并这些零碎的或不太具原创性的想法，但这些想法如果协同起来，可能会构成重大威胁。

其次，公司可能会被“潮流效应”（bandwagon effect），也称为“专业诅咒”（curse of expertise）所蒙蔽。主要从事概念生成和概念识别的人——整合代表——通常是那些在生成或接受新概念方面或多或少存在困难的人，因为他们拥有广泛的理性知识领域。

第三，那些非特定领域的人可以提出新的概念和解决方案，但他们很可能不了解该领域的具体细节，而这些细节本可以让他们创造出完善的概念。他们的思维缺乏将抽象的概念（通常是最混乱的概念）转化为结构化模式的能力。

最后但并非最不重要的一点是，公司无法看到大局或整体前景。管理者能够将许多兼容的客户需求联系起来，但他们无法提出一套对整个社区都有益的产品配置。

1. 促进发散性思维

在这种情况下，生成式 AI 能够基于遥远概念之间的关联来生成想法，因此非常适合促进发散性思维。以下是我们将 Midjourney（一种文本到图像模型）用作示例，该模型能够通过提取语义特征来找到图像中物体之间的类比对应关系，并利用这些特征根据用户输入的文本提示重现图像。本文以 Midjourney、ChatGPT 和 Stable Diffusion 为例；然而，它们仅仅是众多可用的生成式 AI 技术中的一小部分。当我们要求 Midjourney 生成一张大象和蝴蝶的图像时，它提供了本文中称为“phantasy”的图像。

然后，我们将 Midjourney 生成的详细图像输入到下一个文本到图像生成器 Stable Diffusion 中，以创建提示。下面展示了通过 Stable Diffusion 创建的主要创意：椅子和手工巧克力糖果。

这种快速、廉价地生成大量设计的方法有助于公司快速检查众多产品想法的可行性。例如，在一家倾向于 T 恤设计的服装制造公司中使用的生成式 AI 可以确保公司根据当前市场趋势不断更新其产品。

让我们看看这项技术如何帮助我们整合信息并提出个人或团队可能从未想过的概念或想法。我曾指导过 ChatGPT 的创意生成，ChatGPT 是一种被称为生成模型或大型语言模型的 AI。我们要求它通过“trisociation”（一种将三个不相关的概念连接起来的过程）来生成创意，这种方法源于“bisociation”（将两个不同的想法结合起来形成一个创意）。我们的团队向 ChatGPT 提供了以下提示：其中一个安排好的角色是“创意生成者”。

在同一轮中，ChatGPT 生成了名词“航空公司”和“椅子”。当我们问它想要什么时，我们说“大学”，然后我们得到了一份创新的商业模式草图，该模式设想了方便且经济实惠的学生和学者前往世界各地参加会议和研讨会，此外还有一个学生在飞行期间可以阅读的书籍库。它建议该公司命名为“Fly and Study”或“Edu-Fly”。

2. 挑战偏见和专业知识

在新产品开发早期阶段，生成式 AI 能够创建典型的设计，这为设计师提供了一个思路，即在产品的功能和形式方面，应超越对可能性和期望的预设观念。这种方法可能会导致人类在传统方法下可能永远想不到的解决方案。

这些输入有助于对抗诸如“设计固定”（design fixation，过度依赖标准设计形式）、“功能固定”（functional fixedness，大脑无法看到除传统用途之外的可能性）以及“埃斯廷效应”（Einstellung effect，先前的经验阻碍个人感知新问题解决方案）等偏见。

这里有一个过程的例子。事实上，在组织成员之间建立积极的情绪，比建立与外部人士的积极、以情感为中心的关系的任务要容易得多。我们要求 Stable Diffusion 生成与螃蟹相关的玩具的通用设计，但没有给出任何实际规格。然后，当这些设计摆在我们面前时，我们首先考虑了功能。例如，在下面绘制的螃蟹玩具系列中，左上角的卡通可以变成一个带有攀爬墙的玩具；第二个卡通可以是一个玩具，可以将一个小球从房间的一个角落射到另一个角落。中间接近盘子里的螃蟹可以变成一个慢速喂食器。

这并不是一种提出不寻常产品的新方法：迪士尼世界等企业中的许多建筑主题以及许多可骑乘功能的实现，都受到了重现叙事场景或角色的尝试的启发。然而，生成式 AI 工具可以帮助启动公司奇幻的战略规划。

3. 辅助创意评估

在创新前端的其他领域，生成式 AI 工具也能提供帮助，其中一些包括提高创意的抽象层次、判断、选择，有时甚至重新组合创意。考虑一个以“解决食物浪费”为主题的创意竞赛。ChatGPT 评估了三个初步想法的优缺点。因此，相关的解决方案如下：（1）智能包装（带有动态标签，标签会根据它们所处的条件改变日期或颜色）；（2）推广食物捐赠的应用程序；（3）通过宣传活动提高公众意识，解释各种日期标签的含义及其在食物新鲜度和可食用性方面的意义。ChatGPT 生成的互动包含了这些想法的优点和缺点，就像两个对该主题感兴趣的个人进行的合乎逻辑的对话一样。

例如，当 ChatGPT 分析动态保质期包装时，它建议这将有助于消费者区分食物的保质期，并且食品制造商还可以通过提供小批量包装来帮助消费者，这些包装可以更频繁地在超市补货。ChatGPT 表示，由于动态保质期，产品制造和包装过程很可能需要发生巨大变化，因此会增加制造商和消费者的成本。

因此，ChatGPT 总结道，食物捐赠应用程序意味着人们会在食物过期前使用它，并将未开封的、可食用的食物捐赠给有需要的人。它指出该应用程序可能无用，需要庞大的用户群，并且从不同未经批准的来源运输和分发食物可能存在风险。

它表示，对消费者进行教育的计划的好处如下：消费者对各种到期日期的含义有了更多的了解，从而能够就食物支出和食物浪费做出更好的决定。然而，它也指出，这项教育计划可能很复杂，因为并非所有食品都有明确的最佳食用日期。它警告说，虽然提高用户对各种到期日期的认识可能需要为该计划增加额外费用，尤其是在大规模推广时，从宣传活动到教育材料，所达到的理解都极具优势。

生成式 AI 有一些优点和缺点，它还可以帮助人类评估创造力的各个维度，如具体性、可行性、新颖性等等。ChatGPT 被要求根据这些标准评估示例。

以下是 ChatGPT 对动态到期日期包装的评估：

新颖性：已经开发了智能包装来增强食品和其他易腐品的耐用性，而动态日期标签是相对较新的想法。

可行性：可能非常难以实践，因为需要新的包装介质和技术。它们还必须通过销售其产品的食品制造商、监管机构和分销商。

具体性：这是一个局部解决方案，因为它通过为消费者提供更好的食物到期日期来解决食物浪费的常见问题。

影响：可能有助于食物保鲜，减少食物浪费，提高食品卫生。如果消费者能够更准确地了解产品的到期日期，他们只会使用少量产品直到过期。

可操作性：整体形成一个正式框架可能需要专业知识和时间，该策略的全部好处可能需要两到三年才能充分利用。

以下是 ChatGPT 对捐赠临近过期食物的应用程序的评估：

新颖性：当然，如今也有其他项目和组织旨在解决食物浪费问题并将多余食物分发给人们。

可行性：食物捐赠的实践已经非常成熟，并且有相应的模型和必要结构。

具体性：目标明确，旨在解决食物浪费和食物浪费管理问题。

影响：它有可能产生巨大影响，因为它试图解决两个问题：饥饿和食物浪费。通过这种方式，可以解决两个问题：食物浪费和那些无力获得正餐的人的饥饿问题。

可操作性：它相当实用，易于应用，并且从公司财务的角度来看并不昂贵。这需要与食品生产商、供应商、食品银行合作，更重要的是，需要有愿意接收和分发食品的民众。

以下是 ChatGPT 评估用户教育各种过期日期的想法的响应：

新颖性：已尝试让消费者了解保质期意味着什么以及如何储存食物以减少过期率。

可行性：高度可行。它可以采取意识提升、信息制作、教育、沟通和倡议等形式。

具体性：另一方面，其目标非常集中，确保消费者了解与食品相关的各种日期以及如何处理食品以避免变质。

影响：因此，让消费者了解各种日期的存在以及正确的储存食物方法，可以让他们更清楚地认识到食物浪费及其预防。

可操作性：非常易于使用，并且可以轻松地应用于特定的商业环境，花费相对较少。一些预防策略包括与其他食品行业团体、政府和其他相关组织合作，制定宣传材料。

事实上，当结合 ChatGPT 的评估来决定这三个概念时，比较或排序它们，甚至根据优先级给分，将不会那么困难。

4. 支持创意完善

生成式 AI 工具可以解决许多重要的挑战，例如将大量想法分组以获得更强的想法。考虑一个组织试图赢得一项关于减少食物浪费计划的合同的例子，该计划可以用作对这三个概念进行分组的工具。它们如下：

• 第一个解决方案可以是动态保质期，旨在减少食物浪费。它包括集成到包装中的技术，可以实时调整产品的寿命。借助传感器，可以根据不断变化的环境因素更新过期日期，为消费者提供准确的产品过期估算。
• “一款允许消费者捐赠临近过期食物的应用程序，可以在防止食物浪费的同时，将未开封的、仍然完好的食物通过接收并分发食物的组织或机构提供给有需要的人。”
• “一项教育宣传活动，可以告知用户食物上的标签类型，这将有助于用户在购买、食用或丢弃食物方面做出有益的决定，因为标签上的日期可能表示食物的安全性或需要丢弃。”

最后，我们向 ChatGPT 提供了三个项目：食物浪费、回收和减少。然后提出了最终问题：现在将这三个项目合并成一个食物浪费项目。它很快就产生了以下描述：“该解决方案是开发具有可变保质期的智能包装，并引入食物捐赠计划和关于食物产品保质期使用的公众意识宣传活动。该解决方案意味着减少食物浪费水平，推广使用剩余食物的新技术，以及通过适当的教育促进以最少浪费的方式可持续地使用食物。”

5. 促进与用户以及用户之间的协作

在创造新的产品想法或设计时，生成式 AI 可能扮演着增强公司设计师与特定潜在产品的用户之间，以及用户之间相互作用的角色。也就是说，当客户与公司携手合作时，它们可以降低创造新产品的成本。

例如，一家企业可以为用户提供设计产品的工具，从而根据客户的输入创造出独特的最终产品。也许用户的设计可以提交到众包平台，在那里大家将对设计的优点进行权衡。只有最好的设计才可能被其他人采纳并孵化，以产生更好的版本。

为了说明其潜力，它展示了飞行汽车——一项已经尝试了一个多世纪但没有太大成功的发明——可能如何被设计出来。我们向 Stable Diffusion 提供了以下提示：简报是设计一款飞行汽车；因此，在 Stable Diffusion 中，我们生成了几种设计，我们选择的手稿设计是下一张图片右下角的车辆。

接下来，我们邀请 Stable Diffusion 反转这一过程，并将设计变成另一种概念，使汽车看起来像一只机器人老鹰。以下图片是基础生成式 AI 模型即时创建的变体——从最像机器人老鹰的左上角设计到右下角相对逼真的飞行汽车设计。

第二个例子解释了设计师如何利用这类工具协同处理结构主题的变体。从所有 AI 创建的飞行汽车设计开始，他们要求该工具创建更像蜻蜓设计、老虎设计、乌龟设计和老鹰设计的（参见图）。

另一种方法是，拥有产品想法的人类协作者可以利用像 ChatGPT 这样的工具来形成产品的具体细节，并在像 Stable Diffusion 这样的另一个工具中，根据一系列输入获得视觉设计，这些输入通过一个逐渐添加产品信息的提示来启动。我们向 ChatGPT 提供了与我们给 Stable Diffusion 类似的提示：例如，可以详细说明一个产品：一辆飞行汽车。

ChatGPT 提供了以下描述：“这辆飞行汽车是一款为最激动人心的冒险设计的车辆，因为它与时尚的汽车不同，外观光滑，外部表面抛光，但内置了直升机的旋翼。”

不用说，当我们把这个描述交给 Stable Diffusion 时，它提供了左边的图像。然后，我们向 ChatGPT 输入指示，要求它扩展描述，并添加产品应该像蜻蜓，并应有夜间飞行的照明标记。它返回了以下内容：“伸展身体，展开翅膀，隐藏旋翼，这种交通工具看起来像一只栩栩如生的逼真蜻蜓。沿着翅膀和身体的轮廓设置的应用标记在黑暗中发光，这也增强了交通工具的可见性。”

换句话说，Stable Diffusion 将该描述重新解释为各种变体，这些变体保留了可行的设计，同时根据蜻蜓翅膀的布局增加了照明的方面。右侧下方的图像是增加某项物品的图片数量如何提高该物品的相关性的示例。

然而，自黑暗时代以来，以书面或绘画形式呈现概念就限制了相当多的人提出新的概念。