群智创新设计研究现状与进展

罗仕鉴,张德寅+,邵文逸,沈诚仪,郭和睿,卢 杨,钟方旭

(1.浙江大学 工业设计系,浙江 杭州 310027;2.浙江大学 计算机辅助设计与图形学国家重点实验室,浙江 杭州 310027)

0 引言

智能时代,世界逐渐从原来的“物理空间—人类社会”二元空间衍进到“信息空间(cyberspace)—物理空间(physical space)—人类社会(human society)”的三元空间(CPH),社会逐渐从强调与追求个体智慧转变为重视基于社会网络的群体智慧[1]。以互联网为基础的信息科技革命推动了以全球价值链为基础的国际分工,社会产业的创新逻辑迎来了重要变革[2]。群体的创新实践比以往更加广泛,社会的生产联系比以往更加紧密,大众文化及思想的传播比以往更加迅速[3]。国内外以微软、Meta、腾讯、阿里巴巴为代表的信息科技公司创造了数字时代下的生产创新工具及创新模式,万物互联与边缘智能等技术的突破成功联系了世界万物[4]。当下社会正处于数字化生存环境中,数字社会环境赋予了大众更多的创新能力和创新空间。

数字技术和工具的深入发展成功地将个人的需求、创意、行为等各类知识数据高效汇集和整合,为社会提供了新的创新方向和创新生态[5]。相应地,社会越来越重视利用数字技术手段来汇聚大众的集体智慧,以解决复杂的问题[6]。在解决社会复杂问题的过程中,用户与设计师的边界日趋模糊,群体创新模式逐渐成为社会创新的常态[7],群体提供的多元异构知识也日益成为当前社会创新的重要来源。

现有的创新设计理论与方法需要与时俱进,为设计研究与设计实践提供新的指导,因此亟需构建一套全新的创新设计理论与方法体系。作为人工智能与创新设计相结合的前沿领域,群智创新设计研究将以数字技术为基础,整合设计学、计算机科学及社会学等学科知识,聚焦社会性创新,实现共创价值,推动社会全面创新。

1 群智创新设计研究进展

1.1 基于群体的社会性创新范式衍进

20世纪初,社会学研究中产生了社会性创新的概念。MULGAN[8]于2006年最先将社会创新定义为“以满足社会需求为目的创新活动与服务”;2008年,WESTLEY[9]研究了社会创新的衍变、动力和影响,认为社会创新是一种倡议、产品、过程或计划,深刻改变了社会系统的基本惯例、资源、权力流动或信仰;九年后,VON JACOBI[10]研究发现,人们可以利用社会创新解决边缘化问题。随着相关研究的不断深入,社会创新的研究范围和涉及领域变得越来越广泛。

根据创新范式关注的维度及发展时间的不同,创新范式衍进的过程可大致划分为封闭式创新阶段、开放式创新阶段、生态化创新阶段3个阶段,并在向第4个阶段(群智创新阶段)衍进,如图1所示,图中以理论最早提出的时间为基本线索,呈现了具有代表性的社会创新范式。

1.1.1 封闭式创新阶段

封闭式创新阶段处于上世纪互联网发展的起步期,其特点是创新主体单一,创新活动不具备成熟的交互与协作性,创新动力通常源于企业内部需求并聚焦于技术与市场。该阶段的创新活动总体呈现出单向、独立的链式特征[11],其代表性创新范式包括朴素式创新[12]、知识创新[13]、颠覆式创新[14]、自主创新[15]、精益创新[16]、模仿式创新[17]等。

朴素式创新是一种以市场需求为出发点的创新管理理念[18],其利用新产品、新技术、新工艺的创新手段获得竞争优势并创造市场价值[19],具体包括大幅度降低成本、专注于核心功能和优化性能水平等[20];知识创新强调现代知识在社会中的创造性价值,主张将知识细分为显性知识和隐性知识[21],并将其作为企业资产进行管理[22];颠覆式创新是一种基于新技术或商业模式,通过突破现有市场格局来改变消费者需求,实现市场颠覆的全面创新方式[23],其涵盖了技术、产品与商业及管理模式等多方面创新突破[24];自主创新指通过独立研究开发,获得具有自主知识产权的创新成果的过程,其特点包括对研究开发的高额投入、涉及众多研究开发人员的协同工作、信息流通的灵活性以及高度重视劳动力的技能和知识[25];精益创新是典型日式企业创新思维倡导下的生产方式[26],旨在最大可能地减少现代生产中的“创新浪费”,强调准时化、精致化、绿色化;模仿式创新[17]是一种企业创新战略,指企业通过研究和学习先行创新者的创新方法和思路,获取并改进其核心技术和创新思路,进而在产品或服务的性能、质量和价格方面获得更强的竞争力。

1.1.2 开放式创新阶段

在开放式创新阶段,企业逐渐将重心从技术转向产品用户体验,开始重视用户的反馈和需求。为了提升创新能力,产业界开始强调协同创新,通过并购整合、战略联盟、产业集群、产学研协同创新等方式进行合作,以实现资源共享、优势互补、协同发展。这些合作方式有助于企业间的知识流动和资源共享,从而提升整个产业的创新能力和竞争力。该阶段的代表性创新范式包括用户创新[27]、协同创新[28]、全面创新[29]、开放式创新[30]等。

用户创新重视用户的自主创造性,这种创新方式认为在信息技术的推动下,未来的创新模式将转变为以用户为创新中心的民主化创新(democratizing innovation)[31-32],这种转变将更加注重用户的参与和反馈,鼓励用户积极参与到产品的设计、改进和创新过程中,使产品与用户需求能够更好地契合;协同创新是一种利用现代信息通讯技术和工具,整合知识创造及技术创新的复杂创新方式[28],具有整体性和动态性[33];全面创新旨在以战略为导向,通过协调各个创新要素实现协同创新,以提升企业的价值增值、创新绩效和竞争力[29],其中科技创新是核心,管理创新是基础,体制机制和制度创新是重要手段[34-35];开放式创新是一种分布式创新,强调跨组织知识流动管理,其核心思想是整合内部和外部资源以获得更大的效益[36],这种创新模式注重有目的地流入和流出知识,从而提升企业的创新能力。

1.1.3 生态化创新阶段

随着数字经济时代的到来,创新衍进至生态化创新阶段。随着生产消费者的崛起,产学研一体化流程式创新诞生,逐步形成政府、企业、高校院所及用户协同创新的多重螺旋格局[37]。创新逐渐发展成以社群为中心,关注可持续性发展、经济增长水平、社会效应与价值等方面[38]。该阶段的代表性创新范式有开放众包[39]、责任式创新[40]、整合式创新[41]等。

开放众包式创新是一种将具体工作任务以自由、自愿的方式外包到非特定参与者的商业模式[42],包括显性众包与隐性众包[43],近年来相关研究逐渐深入,多是关于众包模型应用[44-46]和技术融合研究[47-49];责任式创新强调社会责任与创新之间的关系[50],保障社会实践者和创新者及所有利益相关者共同参与其中,具有可持续性与可取性[51];整合式创新是综合战略驱动、纵向整合、上下互动和动态发展的综合创新范式[52],被广泛应用于乡村治理[53]、企业管理[54]、实体经济[55]、技术攻关[56]等领域。

表1所示为创新范式衍进的3个阶段及相关代表性研究。

表1 创新范式衍进的代表性研究

1.2 群智创新设计的发展

智能时代的创新必须注入群体力量,需要号召社会各界共同参与[67]。目前,创新范式正向着群智创新阶段衍进。群智创新设计的发展大致被划分为“群体智慧—机器智能—群智辅助—群智创新”4个阶段。

1.2.1 群体智慧

群体智慧的研究是群智创新设计发展的起点,群体智慧概念的起源可以追溯到十八世纪以来的陪审团定理(jury theorem)。陪审团定理指出,如果一个投票团体的每个成员都有可能做出正确的决定,则该团体的最高票数是正确决定的概率将随团体成员的数量而增加[68]。1907年,《自然》杂志刊登了一篇重要的研究报告[69],该报告通过精心设计的实验证实,群体在特定场景下可以展现出超越专家智慧的能力。这一发现标志着“群体智慧”的概念开始使人们在理论上引发深入的反思,并促使相关研究领域发生转向[70]。

如今,国内外学者已基本达成共识,认为群体智慧具有强于单一个体智慧,甚至强于个体智慧之和的能力[71-73]。有关群体智慧的研究主要集中于群体智慧的形成及相关理论,例如FLANAGAN[74]建议构建民主合作实验室,以充分利用群体智慧和力量;WOLPERT等[75]利用生物学中基因的概念来理解互联网群体智慧系统;GALLUPE等[76]指出群体规模越大,群体决策质量也将更高;刘树林等[77]指出群体规模与群体智慧质量之间的关系是非固定的抛物线关系。

1.2.2 机器智能

机器智能的研究旨在通过结合多种先进技术,赋予机器学习、适应、决策和展现新行为的能力[78]。杨扬[79]基于现代服务机器人的力学抓取研究,搭建了机器模拟抓取联网系统,建立了一种快捷灵敏的物体三维建模手段;朱强[80]提出一种基于高性能数值微分博弈的机器智能结构方法;LEGG等[81]通过分析数字化人类专家关于人类智能的非正式结论,构建了机器智能的一般度量指标。

在设计领域,机器智能被认为是促进设计跨领域发展、帮助设计师进行设计的先进智能技术的统称,出现了如Adobe Sensei、华为ModelArts、特赞等设计平台及智能设计工具。设计师可以利用智能设计工具,将不同行业的设计方案通过云部署及线下场景计算等方式汇聚,并利用机器学习技术对解决方案进行机器衍生和动态处理,以降低设计师的基础性重复工作,提升设计生产力[82]。

1.2.3 群智辅助

群智是群体智能的简称(英文环境中的表述包括swarm intelligence, collective intelligence,crowd intelligence等),最早由BENI等[83]于1989年提出,用于描述细胞机器人系统的集体行为。随着计算机技术的发展,学界陆续出现了人工群体智能、集群机器人等概念。BENI[84]将集群机器人定义为可共同完成超出单个个体能力任务的实体代理,强调集群机器人的自组织性与涌现性;ROSENBERG等[85]提出一种名为“人工群体智能”的新型协作技术,该技术旨在增强人类的群体智慧,提高群体在预测、评估和决策方面的能力。因此,将人工智能和群体智慧结合,能发挥出超越个体能力的集体智慧,从而在复杂问题的解决和决策过程中得到更完善且高效的创新成果。

在群智辅助阶段,群体智能技术与创新设计进行了深度融合。通过构建群智协作系统,创新主体获得了号召、引导和管理大规模的参与群体的能力,其将通过多元竞争和团队合作等多种方式共同解决复杂和具有挑战性的问题,并可利用群智辅助决策的方式提高创新预测的准确性和创新决策的有效性,进而提升创新效益与价值。

1.2.4 群智创新

迈入人工智能2.0时代,社会由注重个人知识创新转变为注重以网络为基础的群体知识创新,形成了具有群体性智慧的综合网络生态,未来的群体智慧创新是与个人知识创新相对应的概念。该阶段社会的创新模式发生了结构性转变,创新主体更加注重于将社会的共同智慧聚焦于特定的复杂问题,由此创新发展进入最后一个阶段——群智创新阶段。

群智创新指将大数据、区块链、人工智能、群智感知计算等数字技术应用于互联网平台[86],以突破学科壁垒,集合社会大众智力来完成社会复杂任务,解决社会复杂问题的群体性创新过程。群智创新的关键在于智能技术和群体智慧的交融,强调感性和理性认知有机结合,尤其注重以用户为中心的群智创新生态建设,目标在于共同创造立体的、网络的和多源异构的协同价值。

2 群智创新设计体系

2.1 本体—行为—价值层次

群智创新设计的核心是知识创新,主要研究群体如何积聚设计信息知识、生成设计要素、评价设计创意、推理设计特征、优化设计细节等,目标是创造群体价值。可以用“本体—行为—价值”3个层次来描述与概括群智创新设计[87]:本体层强调群智本体表达;行为层强调群智共创体验;价值层强调群智价值协同。群智创新设计以群智本体为基础,以群智行为为路径,以共创价值为目标,相互支撑与关联,如图2所示。

(1)本体层 群智创意表达。本体层主要关注具体创新设计实践,包括群智创新设计的知识本体、创新工具、协同平台、技术架构和创新成果等,强调创新活动在具体实践过程中的美学性和实用性。美学性指产品或者系统、服务本身在视觉界面上是否具有吸引力和美感,是否能够带给用户以“美”的愉悦感受;实用性考量群智创新设计的创新工具与协同平台是否完备,能否有效聚集群体智慧并生成创新成果,以及能否高效应对复杂性创新任务。

(2)行为层 群智共创体验。行为层主要关注群智创新设计中的设计师、机器和用户三重角色。设计师在群智创新设计中承担着创新驱动的任务,他们洞察、分析问题并组织具体创新设计;机器在群智创新设计中提供技术和工具支持,并调用科技手段对设计过程和结果进行测试与反馈;被服务的用户在群智创新设计中负责提出基于自身使用的实际需求、创意及想法,并全程参与创新设计活动和消费活动。总体而言,各方角色的整体体验是行为层关注的焦点[88]。

(3)价值层 群智价值协同。价值实现是群智创新设计的终极目标。在价值层,创新者更多关注群智创新背后的价值内涵,在满足产业发展的同时激发关注个人及社会多方价值实现,最终形成满足个人发展要求、社会集体衍进要求和产业创新要求的社会性群智价值共生协同。

2.2 群智创新设计的理论模型

群智创新设计通过聚集多学科角色人才,利用数字技术的造物手段进行协同共创的创新实践。依据群智创新设计的衍生体系、设计周期及过程,构建了群智创新设计理论模型,如图3所示。

2.2.1 群智创新设计的主体

群智创新设计的主体包括需求主体、资源主体和平台主体。图4所示为3种创新主体的动态循环关系:需求主体包含来自社会、集体、个人等各类群体提出的各项需求,组成动态的需求群落,其不仅将各个需求动态分配在群智创新设计过程中,还将设计的最优方案反馈至平台主体;资源主体是群智创新设计开展的基础与前提,由技术资源、信息资源、人才资源、商业资源等各类资源构成,具有分散性、差异性和可替代性[89];群智创新设计产出的最优创新方案也将作为一种特殊的资源反馈至资源主体,实现资源的自我更新;平台主体为群智创新设计提供技术支撑,实现群智创新设计知识生态衍化。

2.2.2 群智创新设计的创新环节

群智创新设计并非是一种简单的自上而下[90]或自下而上[91]的创新。对于流程而言,群智创新设计是一种存在周期性的动态化创新衍进[92]。作为同技术紧密结合的创新设计,群智创新设计包括生成、评价、推理和优化4个环节并动态地转化。

(1)群智创意生成 是明确创新目标并产生创新方案的第1步。创新者需要重点关注在群体智慧积聚过程中产生的新信息和新知识;在明确创新目标后,创新者需要利用创新工具和平台激发创意,结合跨领域知识资源和数据资源促进创新方案的生成。

(2)群智创新方案评价 确定参与者的创新贡献、制定激励配置计划等,激励群智创新方案生成。该阶段的评价方法主要包括流形学习、感知评价、聚类降维、价值排序等。例如,提取方案特征进行筛选和分类,寻找并确定与设计目标最接近的设计方案;利用智能算法进行数据感知和筛选、创新度排序、潜在价值分析;进行需求匹配度评价及创新方案决策等。

(3)群智创新设计推理 该环节利用集成学习、线性回归和聚类降维等技术方法深化、汇总和融合创新方案。创新者利用群智创新设计平台发现、记录、识别创新方案的生成行为,并监测和获取数据,产生群智创意数据流;结合大数据挖掘分析、区块链登记溯源、机器学习综合推理及人工采访、用户定义等定量和定性研究法完成群智知识的推理汇聚,探寻创新方案的共性和个性创新点,建立不同群智创新方案间的网络关系;网络关系建立后,依托区块链等数字技术将确认的方案传递至群智创意池,为未来方案的保存、决策以及在网络空间的传播和推广提供便利。

(4)群智创新结果优化 创新者基于场景约束、梯度优化和强化学习等技术方法对方案进行进一步优化、迭代和发展,并基于全方位的产品数据与反馈,利用人工智能相关算法模型对群智创新结果进行多角度地整合、分析、归纳、迭代,从而获得最终创新方案[93]。

2.3 群智创新设计的特征

智能时代下的群智创新设计具有以下特征:

(1)涌现性(emergence) “涌现”一词最早来自生物学界,在某些场合也称“突现”[94]。群体智慧的涌现是广泛、动态和平等化的,具有学习和自我调节能力[95]。群智创新过程中,每位参与者的创新想法和行为都会被实时标注、记录、存储、传递、计算、整理和分析,每个灵感、想法、创意、知识都会被评价。

(2)协同性(cooperativity) 群智协同精准满足用户需求。协同性原本是生物学领域的概念,指生物体内不同元素之间相互关联和协同工作的能力,反映了生物元素在机体发展过程中的整体协同关系。群智创新沿袭了生物协同的性质,呈现出深领域、多维度的协同共创属性,其包括组织、学科、资源、机制、技术等多方面的协同创新,本质上是群体智能、协同计算、社会创新的融合与发展[96]。

(3)共享性(sharing) 群智创新设计能够突破人—时—空限制,实现群体智慧共享。在群智创新设计中,参与者的所有创新活动都被可视化地存储、共有和优化,这意味着该过程中储存下来的设计流程可以在很大程度上被共享。与传统的设计理念不同,在传统设计中,个人知识产权的概念根深蒂固,造成想法或创意难以有效交流;在群智创新活动中,参与者相互信任、精诚合作,共享创意与想法,使创新资源得到最大化利用。

(4)技术性(technicality) 技术驱动赋能多领域创新。在理想状态下,群智创新平台以云计算、互联网、人工智能为支撑,借助数字媒体、物联网等新兴数字技术获取创新灵感,凭借感知、挖掘技术具体化创新灵感,利用3R技术、智能交互及可视化技术等手段优化创新环境,加速知识推理[97]。在群智创新背景下,技术对接场景是一个反复迭代的协作过程,在该过程中不同领域的创新者共同努力,促使技术手段与场景需求不断匹配、互相影响[98],确保场景需求在新技术支持下获得解决思路,使解决方案更好地贴近用户场景,满足实际需要。

3 群智创新设计的关键技术

3.1 群智数据感知

当前社会产生了大量多模态数据,对这些数据的采集并没有固定的模式,而不同结构的信息需要被融合使用来满足社会对多元化信息的需求。在感知数据的过程中,数据最初是由终端设备或传感器产生只能被机器识别的物理信号,需要经过整流、降噪、放大、采样等操作才能转变为可以被计算机存储和运算的数据[99]。因此,数据采集设备之间要相互关联,彼此之间形成自组织的群体感知网络[89]。群智感知技术需要对感知到的数据质量进行评估和分级,然后根据数据质量进行后续优化选择,经过优化选择的数据将通过高效的数据移交技术移交给中心服务器或用户。例如,邓宁等[100]以社交网站中的北京城市图片作为元数据集,采用计算机文本分析方法研究了北京城市旅游形象;黄蔓云等[101]提出一种基于历史数据深度挖掘的态势感知方法,并采用配电网络的历史数据深度挖掘技术高效地捕捉配电网实时运行状态;韩立等[102]将情境感知技术应用于数据采集过程,采用基于情境感知的远程数据采集方法准确获取了多种用户在真实环境下的行为和体验数据。

3.2 群体行为建模与优化

在群智创新设计过程中,多人提交多种方案是一种普遍现象,这涉及最优化解决的情境求解问题。针对该问题,可以采用群智行为建模优化技术在极短时间内寻找到符合实际需要的近似解,设计者通过这种技术可以有效整合和优化各种设计方案,从而提高设计的效率和准确性。该技术主要包括蚁群优化、粒子群优化和人工蜂群优化等算法,例如REYNOLDS[103]提出集群保持稳定和一致运动的三大规则,构建了动力学Boids模型;VICSEK等[104]引入噪声和群体密度的概念,在统计力学层面对集群行为进行系统分析,最终提出Vicsek模型;COUZIN等[105]拓展了Boids模型的三大规则,划分了粒子决定未来运动方向的三大区域(排斥区、取向区和吸引区),并将其适用范围拓展至三维空间,最终提出了Couzin模型。

3.3 多元异构知识融合

多元异构知识融合技术包括以下3点:①利用强化学习和无监督学习技术整合群智创新系统的创意、技术、文化、商业等设计资源,使群智生态拥有人类观察环境、学习经验和总结规律的自主决策能力,例如KONDAKA等[106]提出一种采用基于物联网的机器学习策略的强化医疗监控范式,SHAFIZADEH等[107]采用机器学习技术成功预测和优化了生物质的水热液化,ZHOU等[108]采用文本挖掘和非监督学习方法分析了可持续超精密加工,提出一种非保留学习方法;②基于深度学习技术挖掘已有知识,将已有的知识资源可视化,展示知识之间的联系,促进新知识产出[109],例如王仁武等[110]利用深度置信网络构建了图书馆学科中知识模块间的关系网络,提出一种适用于商业领域快速形成的具体细分领域知识资源可视化方法,安传艳等[111]通过构建我国乡村旅游领域的知识图谱,详细分析了1992年～2016年乡村旅游的特征趋势;③基于大数据技术和大知识概念,存储多元异构的海量数据、分布式并行处理数据,并通过大数据知识工程将大数据转变为大知识[112],例如叶鑫等[113]从知识信息和数据信息的数字化视角重新设计了政务云平台体系架构,提出互联网形态下知识信息及数据信息平台的协同创新策略。

3.4 群智创新设计自动生成与评价

目前,人工智能技术领域的热点正从传统的分析型AI转向生成式AI,意味着人工智能技术不再局限于“拟合”“分类”“识别”等分析技术,而是转向更具创新价值的创新工作[114]。GOODFELLOW等[115]基于深度学习的生成式对抗网络在图像和视觉计算、语音和语言处理、信息安全等领域被广泛研究,通过生成器和判别器相互学习和训练生成高分辨率的全新形象。群智创新设计的评价包括创新方案的评选、创新者各自创新贡献的评估及创新方案自身创新价值的评价3方面:①将自评价技术应用在定性与定量数据评价中,在得到“设计方案—得分数据集”后,利用机器学习算法训练生成评价模型,以形成主客观结合的创新方案量化评价方法,例如CONG等[116]采用机器学习的迭代设计方法,在智能产品服务系统(Smart Product-Service System,Smart PSS)中进行用户满意度预测,为当今工业界智能产品服务系统开发提供了指南;②对创新成果的知识产权归属及设计要素的贡献度进行评估,例如PAZAITIS等[117]采用分布式的价值记录和去中心化的识别技术,在多人社区的价值生产、记录和实现方面进行了探索;③利用行为跟踪及大数据挖掘技术了解用户对相关产品(及服务)的综合使用偏好,绘制准确的用户模型,指导和评价创新设计方案[118],例如SPILIOTOPOULOS等[119]在设计初期提取了社交媒体Twitter平台上的实时信息,构建了精确用户模型,提高了后续创意评价工作的准确率和效率。

4 群智创新设计的研究范围

群智创新设计是人工智能2.0时代下,运用智能技术,整合多学科知识,汇聚社会群体智慧来实现个体智慧升维,解决社会复杂问题的社会创新范式。群智创新设计的研究范围如图5所示。

4.1 群体创新设计大数据

设计大数据研究是群智设计知识的生成与融合、群智创新网络图谱构建、创新成果评价、创新平台开发和创新生态衍化等方面的创新之源。群智设计大数据主要包括精准画像数据、智能化设计决策数据、智能化精准营销数据、人因工程数据、视听和生理数据、多模态人机交互数据、文化风格语义数据、文化符号特征数据、美学五维评价数据等。

在实际研究中,群智设计大数据需要通过数据清理(包括缺失值处理、离群点处理、噪声值处理等)、数据集成(包括实体识别、冗余处理、冲突处理等)、数据规约(包括维度规约、数据压缩、数值规约等)、数据变化(包括规范化、离散化、稀疏化处理等)等手段,使数据满足结构化、可读取和可运算的要求。

4.2 群智创新设计知识网络及知识图谱

构建群智知识网络时,需要客观界定知识的范围和领域,同时深入研究群智创新本体、用途、信息等基本问题,还需要明确群智创新设计中的重要术语、定义类和继承类等研究细节,并厘清其属性关系和相关限制,在此基础上按照类和继承类的划分创建知识实例,最终实现知识的网络化建模[120]。

知识网络图谱的数据源(集)来自社会各界,不同数据源对同一个实体的表达存在偏差。因此,创新者需要客观地利用数据分析技术进行信息筛选、知识合并、数据归类和相似度排序,以降低计算数据量,提高知识网络图谱的构建效率。

4.3 群智数据感知与设计知识的生成和融合

由于不同用户在活动上存在时空重叠,感知数据可能存在大量冗余,导致感知资料出现多模态、不准确、不一致等问题。为此,群智创新服务设计平台需要进行持续的社会学习,研究相关专业人士发布的知识,不断扩充平台的知识框架体系,优化群智思维结构。创新者应获取多模态数据,防止价值判断的单一性,以免陷入“信息茧房”,促进对知识常识和思维结构认识的突破。

另外,还需要研究信息的特征级融合技术。特征级融合技术是一种多源数据的特征融合方法,它通过提取和融合不同类型的数据特征,得到比原始数据更精炼的特征。与像素级融合方法相比,特征级融合技术在实时性方面具有更大的优势,但也存在更大的信息损耗问题。因此,在应用特征级融合技术时,需要权衡实时性和信息保真度。

4.4 群智创新成果评价体系

几乎任何综合性活动都可以进行综合评价[121],构建合理的评价体系是反馈群智创新成果、反思群智创造经验的重要的方式。群智创新设计评价包括以下3层内容:

(1)对创新方案的评选 无论是创新方案的中间产物还是最终确定的方案成果,都需要准确一致的评价方法。首先,研究设计师对创新方案的主观评价,形成设计方案—评价数据集,由机器学习算法训练生成创新方案的主观评价模型;然后,将具体子领域的评价理论作为客观的评价模型,得到主客观结合的设计方案量化评价方法。

(2)对创新贡献的评估 群智创新设计的特点决定了同一创新需求会由多位设计师协作完成,之间还会存在信息的交流与整合。因此,需要研究产生设计产品的知识产权归属、设计师对最终产品的贡献度评估等问题。

(3)对创新价值的评价 对于最终使用创新产品或服务的用户而言,创新产物必须是解决了实际问题、有使用价值或能创造价值的产物。可以通过内置传感器或记录工具(预先告知用户,避免侵犯用户的隐私权)绘制用户画像,研究不同用户对产品的实际评价,准确反映创新产品的使用价值。

4.5 群体智慧生态衍化

群智创新设计知识生态衍化包括深度学习中的自学习强化与自适应衍化等,创新者需要参照群智创新设计知识与相应数据之间的关联机理研究群智知识结构和系统,以对知识进行优化更新,同时优化自身知识网路和知识图谱,实现群智服务平台的自组织、自适应与自优化。

在执行任务过程中,群智创新设计服务平台将不断感知应用情境的变化,密切关注新发现的数据和执行新任务所需的性能需求。平台可以借助新的情境要素更新知识图谱,吸纳新知识以充实知识库,并构建新的知识体系。为了实现平台的自适应衍化策略及方案,群智创新设计服务平台需要持续捕捉和量化动态环境并实时反馈,同时根据需求调用模型自适应地进行压缩、搜索、分割等[122]。

4.6 群智创新设计服务平台的开发

群智创新设计平台是汇聚创新信息、共享创新知识、进行创新实践的重要场所。在界面的开发阶段,创新者需要确定整个产品功能逻辑、页面逻辑、单独页面的页面设计,并考虑用户使用的复杂性;在界面的可视化设计和界面修饰阶段,创新者必须在用户体验层面对界面原型进行优化,使其具有优良的使用体验;在界面的输出阶段,创新者需要与开发人员合作,将设计的原始文档以不同的形式输出;在界面输出后,测试人员需要对界面进行可用性测试。

除了对平台界面的设计,群智创新设计服务平台开发还需要大数据后端技术的强力支撑,这种后端技术包括构建先进的技术工具集和设计知识库,并通过人工智能技术与设计知识服务深度融合与集成,为群智创新设计的各项活动提供稳定的平台支持。

4.7 群体智慧产权保护与激励

群智创新设计中,参与者的各类想法、创意思考等过程数据不仅需要被系统地记录下来,更需要得到充分地保护和激励。为此,群智创新设计的参与者需要根据所承担的任务建立一套合理的质量评价和激励机制。

在设置激励机制时,管理者应充分考虑如何避免和抑制群体内部可能出现的冲突对抗,同时满足参与者的个性化需求,为此可能需要建立能够解析群体行为的分析模型。另外,群智创新设计服务平台还要保护参与者、项目及自身的隐私,群智创新平台可以利用区块链技术进行创新溯源和登记,确保所有参与者和节点遵守相关的交易规则。通过采用数字水印处理创意和设计方案的数据,创新者可以协同保护群智创新方案中的知识产权,并根据任务完成情况计算出各参与者的贡献率,据此分配相应的报酬。

5 群智创新设计的未来发展

当前社会正面临着快速变化、不确定和互联共通性日益增强的问题,这些问题具有持续性和复杂性,无法依靠单一学科提供的对策来解决。因为每门学科在处理学科边界时难以摆脱既定的研究范式,某些特定问题甚至难以通过多学科、跨学科的方式得到解决,所以需要运用大数据、区块链、人工智能技术,聚集大众智慧,打破学科与非学科的界限。群智创新设计能够集聚社会群体创新资源,共创群体协同价值,成为新时代下的群体协同创新范式[123]。

5.1 构建群智创新范式与理论体系

研究者需要探索群智设计数据融合的方法和理论体系,包括信息关联匹配、知识网络图谱、知识融合推理、知识冗余管理等,还需要关注知识数据的一致性问题。由于群智感知数据来源广泛,不同数据源之间的语义理解一致性和方法流一致性成为亟待解决的问题。为了提升群智大数据知识发现的深度、广度和质量,需要确保不同数据源之间的数据具有一致性,为群智设计的成功应用提供可靠的数据保障。

随着社会群智感知数据来源的不断扩展,未来还需探索将不可感知数据转化为可感知信息的方式,这一转化过程需要充分考虑数据的可解释性和可理解性,以拓展群智设计的应用领域和应用效果。

5.2 优化群智组织形态与管理机制

群智创新是一种紧密结合智能数字化技术的、去中心化的集体创新行为,旨在号召、吸引、汇聚和管理社会广泛参与者。未来研究需要在不同群智创新网络场景下进行,根据不同群智任务的目标和性质建立不同的管理、组织和激励机制。

对于群智创新过程中产生的创新想法,需要建立创新与任务要求之间的匹配模型来进行管理,还需要探索群智单元内外部之间的交流、激励和管理机制,探索更高效进行群智创新活动等组织和管理的手段,达到降低创新成本、提高创新效率的目的。在优化管理机制时,需要建立科学的评价体系,准确及时地评价群智创新成果,更好地指导未来的群智创新实践。

5.3 共创群智生态系统

共创群智生态的价值在于提升产业价值,驱动整个信息社会各方面创新,特别是应用创新、体制创新、管理创新和商业创新。未来研究需要思考如何搭建将群智创新设计与互联网、人工智能及大数据技术、区块链等新兴数字技术相结合的技术手段和生态系统,如何构建技术间的交叉共融及协同映射机制。

为了推动群智创新设计的产业化推广与应用,未来还需要开发相应的数字化软件来实现创新生态系统,这些软件可以提供工具和平台,帮助企业和个人更好地参与群智创新设计,提高创新效率和成果的质量。同时,通过建立共创群智生态系统,也可以更好地保护参与者的权益和隐私,确保群智创新的可持续性和社会效益。

6 结束语

相比过去,创新在组织创造和维持竞争优势中扮演着至关重要的角色[124]。未来的群智创新设计研究将以数字技术为基础,借助人工智能方法、技术与工具,整合多学科跨领域资源,挖掘群体创新设计想法流,实现从单线条和多线条的创新设计模式向网络状的协同整合创新设计模式转变。

根据以往研究成果,本文对群智设计的相关研究进行了整理和归纳,探讨了不同创新阶段的代表性研究、社会创新范式衍变和群体智慧发展,同时提出群智创新设计理论模型,包括群智创新主体、群智创新环节、关键技术和研究范围等。群智创新设计研究将进一步拓展人工智能与创新设计的科学研究范畴,催生新的学科发展方向,促进集成创新。未来研究将更加重视智能技术的实际应用和跨学科群体之间的协作。创新者将借助先进的信息技术工具和手段,开发具有自适应和自学习能力的智能系统,促进群体创新设计的有效实施,推动科技创新和社会进步。通过不断探索和应用新技术,未来的创新者必定能够以更高效的方式解决复杂问题并迎接挑战,为推动人类社会发展贡献更多的力量。