群智創新設計研究現狀與進展

羅仕鑒,張德寅+,邵文逸,沈誠儀,郭和睿,盧 楊,鐘方旭

(1.浙江大學 工業設計系,浙江 杭州 310027;2.浙江大學 計算機輔助設計與圖形學國家重點實驗室,浙江 杭州 310027)

0 引言

智能時代,世界逐漸從原來的“物理空間—人類社會”二元空間衍進到“信息空間(cyberspace)—物理空間(physical space)—人類社會(human society)”的三元空間(CPH),社會逐漸從強調與追求個體智慧轉變為重視基于社會網絡的群體智慧[1]。以互聯網為基礎的信息科技革命推動了以全球價值鏈為基礎的國際分工,社會產業的創新邏輯迎來了重要變革[2]。群體的創新實踐比以往更加廣泛,社會的生產聯系比以往更加緊密,大眾文化及思想的傳播比以往更加迅速[3]。國內外以微軟、Meta、騰訊、阿里巴巴為代表的信息科技公司創造了數字時代下的生產創新工具及創新模式,萬物互聯與邊緣智能等技術的突破成功聯系了世界萬物[4]。當下社會正處于數字化生存環境中,數字社會環境賦予了大眾更多的創新能力和創新空間。

數字技術和工具的深入發展成功地將個人的需求、創意、行為等各類知識數據高效匯集和整合,為社會提供了新的創新方向和創新生態[5]。相應地,社會越來越重視利用數字技術手段來匯聚大眾的集體智慧,以解決復雜的問題[6]。在解決社會復雜問題的過程中,用戶與設計師的邊界日趨模糊,群體創新模式逐漸成為社會創新的常態[7],群體提供的多元異構知識也日益成為當前社會創新的重要來源。

現有的創新設計理論與方法需要與時俱進,為設計研究與設計實踐提供新的指導,因此亟需構建一套全新的創新設計理論與方法體系。作為人工智能與創新設計相結合的前沿領域,群智創新設計研究將以數字技術為基礎,整合設計學、計算機科學及社會學等學科知識,聚焦社會性創新,實現共創價值,推動社會全面創新。

1 群智創新設計研究進展

1.1 基于群體的社會性創新范式衍進

20世紀初,社會學研究中產生了社會性創新的概念。MULGAN[8]于2006年最先將社會創新定義為“以滿足社會需求為目的創新活動與服務”;2008年,WESTLEY[9]研究了社會創新的衍變、動力和影響,認為社會創新是一種倡議、產品、過程或計劃,深刻改變了社會系統的基本慣例、資源、權力流動或信仰;九年后,VON JACOBI[10]研究發現,人們可以利用社會創新解決邊緣化問題。隨著相關研究的不斷深入,社會創新的研究范圍和涉及領域變得越來越廣泛。

根據創新范式關注的維度及發展時間的不同,創新范式衍進的過程可大致劃分為封閉式創新階段、開放式創新階段、生態化創新階段3個階段,并在向第4個階段(群智創新階段)衍進,如圖1所示,圖中以理論最早提出的時間為基本線索,呈現了具有代表性的社會創新范式。

1.1.1 封閉式創新階段

封閉式創新階段處于上世紀互聯網發展的起步期,其特點是創新主體單一,創新活動不具備成熟的交互與協作性,創新動力通常源于企業內部需求并聚焦于技術與市場。該階段的創新活動總體呈現出單向、獨立的鏈式特征[11],其代表性創新范式包括樸素式創新[12]、知識創新[13]、顛覆式創新[14]、自主創新[15]、精益創新[16]、模仿式創新[17]等。

樸素式創新是一種以市場需求為出發點的創新管理理念[18],其利用新產品、新技術、新工藝的創新手段獲得競爭優勢并創造市場價值[19],具體包括大幅度降低成本、專注于核心功能和優化性能水平等[20];知識創新強調現代知識在社會中的創造性價值,主張將知識細分為顯性知識和隱性知識[21],并將其作為企業資產進行管理[22];顛覆式創新是一種基于新技術或商業模式,通過突破現有市場格局來改變消費者需求,實現市場顛覆的全面創新方式[23],其涵蓋了技術、產品與商業及管理模式等多方面創新突破[24];自主創新指通過獨立研究開發,獲得具有自主知識產權的創新成果的過程,其特點包括對研究開發的高額投入、涉及眾多研究開發人員的協同工作、信息流通的靈活性以及高度重視勞動力的技能和知識[25];精益創新是典型日式企業創新思維倡導下的生產方式[26],旨在最大可能地減少現代生產中的“創新浪費”,強調準時化、精致化、綠色化;模仿式創新[17]是一種企業創新戰略,指企業通過研究和學習先行創新者的創新方法和思路,獲取并改進其核心技術和創新思路,進而在產品或服務的性能、質量和價格方面獲得更強的競爭力。

1.1.2 開放式創新階段

在開放式創新階段,企業逐漸將重心從技術轉向產品用戶體驗,開始重視用戶的反饋和需求。為了提升創新能力,產業界開始強調協同創新,通過并購整合、戰略聯盟、產業集群、產學研協同創新等方式進行合作,以實現資源共享、優勢互補、協同發展。這些合作方式有助于企業間的知識流動和資源共享,從而提升整個產業的創新能力和競爭力。該階段的代表性創新范式包括用戶創新[27]、協同創新[28]、全面創新[29]、開放式創新[30]等。

用戶創新重視用戶的自主創造性,這種創新方式認為在信息技術的推動下,未來的創新模式將轉變為以用戶為創新中心的民主化創新(democratizing innovation)[31-32],這種轉變將更加注重用戶的參與和反饋,鼓勵用戶積極參與到產品的設計、改進和創新過程中,使產品與用戶需求能夠更好地契合;協同創新是一種利用現代信息通訊技術和工具,整合知識創造及技術創新的復雜創新方式[28],具有整體性和動態性[33];全面創新旨在以戰略為導向,通過協調各個創新要素實現協同創新,以提升企業的價值增值、創新績效和競爭力[29],其中科技創新是核心,管理創新是基礎,體制機制和制度創新是重要手段[34-35];開放式創新是一種分布式創新,強調跨組織知識流動管理,其核心思想是整合內部和外部資源以獲得更大的效益[36],這種創新模式注重有目的地流入和流出知識,從而提升企業的創新能力。

1.1.3 生態化創新階段

隨著數字經濟時代的到來,創新衍進至生態化創新階段。隨著生產消費者的崛起,產學研一體化流程式創新誕生,逐步形成政府、企業、高校院所及用戶協同創新的多重螺旋格局[37]。創新逐漸發展成以社群為中心,關注可持續性發展、經濟增長水平、社會效應與價值等方面[38]。該階段的代表性創新范式有開放眾包[39]、責任式創新[40]、整合式創新[41]等。

開放眾包式創新是一種將具體工作任務以自由、自愿的方式外包到非特定參與者的商業模式[42],包括顯性眾包與隱性眾包[43],近年來相關研究逐漸深入,多是關于眾包模型應用[44-46]和技術融合研究[47-49];責任式創新強調社會責任與創新之間的關系[50],保障社會實踐者和創新者及所有利益相關者共同參與其中,具有可持續性與可取性[51];整合式創新是綜合戰略驅動、縱向整合、上下互動和動態發展的綜合創新范式[52],被廣泛應用于鄉村治理[53]、企業管理[54]、實體經濟[55]、技術攻關[56]等領域。

表1所示為創新范式衍進的3個階段及相關代表性研究。

表1 創新范式衍進的代表性研究

1.2 群智創新設計的發展

智能時代的創新必須注入群體力量,需要號召社會各界共同參與[67]。目前,創新范式正向著群智創新階段衍進。群智創新設計的發展大致被劃分為“群體智慧—機器智能—群智輔助—群智創新”4個階段。

1.2.1 群體智慧

群體智慧的研究是群智創新設計發展的起點,群體智慧概念的起源可以追溯到十八世紀以來的陪審團定理(jury theorem)。陪審團定理指出,如果一個投票團體的每個成員都有可能做出正確的決定,則該團體的最高票數是正確決定的概率將隨團體成員的數量而增加[68]。1907年,《自然》雜志刊登了一篇重要的研究報告[69],該報告通過精心設計的實驗證實,群體在特定場景下可以展現出超越專家智慧的能力。這一發現標志著“群體智慧”的概念開始使人們在理論上引發深入的反思,并促使相關研究領域發生轉向[70]。

如今,國內外學者已基本達成共識,認為群體智慧具有強于單一個體智慧,甚至強于個體智慧之和的能力[71-73]。有關群體智慧的研究主要集中于群體智慧的形成及相關理論,例如FLANAGAN[74]建議構建民主合作實驗室,以充分利用群體智慧和力量;WOLPERT等[75]利用生物學中基因的概念來理解互聯網群體智慧系統;GALLUPE等[76]指出群體規模越大,群體決策質量也將更高;劉樹林等[77]指出群體規模與群體智慧質量之間的關系是非固定的拋物線關系。

1.2.2 機器智能

機器智能的研究旨在通過結合多種先進技術,賦予機器學習、適應、決策和展現新行為的能力[78]。楊揚[79]基于現代服務機器人的力學抓取研究,搭建了機器模擬抓取聯網系統,建立了一種快捷靈敏的物體三維建模手段;朱強[80]提出一種基于高性能數值微分博弈的機器智能結構方法;LEGG等[81]通過分析數字化人類專家關于人類智能的非正式結論,構建了機器智能的一般度量指標。

在設計領域,機器智能被認為是促進設計跨領域發展、幫助設計師進行設計的先進智能技術的統稱,出現了如Adobe Sensei、華為ModelArts、特贊等設計平臺及智能設計工具。設計師可以利用智能設計工具,將不同行業的設計方案通過云部署及線下場景計算等方式匯聚,并利用機器學習技術對解決方案進行機器衍生和動態處理,以降低設計師的基礎性重復工作,提升設計生產力[82]。

1.2.3 群智輔助

群智是群體智能的簡稱(英文環境中的表述包括swarm intelligence, collective intelligence,crowd intelligence等),最早由BENI等[83]于1989年提出,用于描述細胞機器人系統的集體行為。隨著計算機技術的發展,學界陸續出現了人工群體智能、集群機器人等概念。BENI[84]將集群機器人定義為可共同完成超出單個個體能力任務的實體代理,強調集群機器人的自組織性與涌現性;ROSENBERG等[85]提出一種名為“人工群體智能”的新型協作技術,該技術旨在增強人類的群體智慧,提高群體在預測、評估和決策方面的能力。因此,將人工智能和群體智慧結合,能發揮出超越個體能力的集體智慧,從而在復雜問題的解決和決策過程中得到更完善且高效的創新成果。

在群智輔助階段,群體智能技術與創新設計進行了深度融合。通過構建群智協作系統,創新主體獲得了號召、引導和管理大規模的參與群體的能力,其將通過多元競爭和團隊合作等多種方式共同解決復雜和具有挑戰性的問題,并可利用群智輔助決策的方式提高創新預測的準確性和創新決策的有效性,進而提升創新效益與價值。

1.2.4 群智創新

邁入人工智能2.0時代,社會由注重個人知識創新轉變為注重以網絡為基礎的群體知識創新,形成了具有群體性智慧的綜合網絡生態,未來的群體智慧創新是與個人知識創新相對應的概念。該階段社會的創新模式發生了結構性轉變,創新主體更加注重于將社會的共同智慧聚焦于特定的復雜問題,由此創新發展進入最后一個階段——群智創新階段。

群智創新指將大數據、區塊鏈、人工智能、群智感知計算等數字技術應用于互聯網平臺[86],以突破學科壁壘,集合社會大眾智力來完成社會復雜任務,解決社會復雜問題的群體性創新過程。群智創新的關鍵在于智能技術和群體智慧的交融,強調感性和理性認知有機結合,尤其注重以用戶為中心的群智創新生態建設,目標在于共同創造立體的、網絡的和多源異構的協同價值。

2 群智創新設計體系

2.1 本體—行為—價值層次

群智創新設計的核心是知識創新,主要研究群體如何積聚設計信息知識、生成設計要素、評價設計創意、推理設計特征、優化設計細節等,目標是創造群體價值?？梢杂谩氨倔w—行為—價值”3個層次來描述與概括群智創新設計[87]:本體層強調群智本體表達;行為層強調群智共創體驗;價值層強調群智價值協同。群智創新設計以群智本體為基礎,以群智行為為路徑,以共創價值為目標,相互支撐與關聯,如圖2所示。

(1)本體層 群智創意表達。本體層主要關注具體創新設計實踐,包括群智創新設計的知識本體、創新工具、協同平臺、技術架構和創新成果等,強調創新活動在具體實踐過程中的美學性和實用性。美學性指產品或者系統、服務本身在視覺界面上是否具有吸引力和美感,是否能夠帶給用戶以“美”的愉悅感受;實用性考量群智創新設計的創新工具與協同平臺是否完備,能否有效聚集群體智慧并生成創新成果,以及能否高效應對復雜性創新任務。

(2)行為層 群智共創體驗。行為層主要關注群智創新設計中的設計師、機器和用戶三重角色。設計師在群智創新設計中承擔著創新驅動的任務,他們洞察、分析問題并組織具體創新設計;機器在群智創新設計中提供技術和工具支持,并調用科技手段對設計過程和結果進行測試與反饋;被服務的用戶在群智創新設計中負責提出基于自身使用的實際需求、創意及想法,并全程參與創新設計活動和消費活動?？傮w而言,各方角色的整體體驗是行為層關注的焦點[88]。

(3)價值層 群智價值協同。價值實現是群智創新設計的終極目標。在價值層,創新者更多關注群智創新背后的價值內涵,在滿足產業發展的同時激發關注個人及社會多方價值實現,最終形成滿足個人發展要求、社會集體衍進要求和產業創新要求的社會性群智價值共生協同。

2.2 群智創新設計的理論模型

群智創新設計通過聚集多學科角色人才,利用數字技術的造物手段進行協同共創的創新實踐。依據群智創新設計的衍生體系、設計周期及過程,構建了群智創新設計理論模型,如圖3所示。

2.2.1 群智創新設計的主體

群智創新設計的主體包括需求主體、資源主體和平臺主體。圖4所示為3種創新主體的動態循環關系:需求主體包含來自社會、集體、個人等各類群體提出的各項需求,組成動態的需求群落,其不僅將各個需求動態分配在群智創新設計過程中,還將設計的最優方案反饋至平臺主體;資源主體是群智創新設計開展的基礎與前提,由技術資源、信息資源、人才資源、商業資源等各類資源構成,具有分散性、差異性和可替代性[89];群智創新設計產出的最優創新方案也將作為一種特殊的資源反饋至資源主體,實現資源的自我更新;平臺主體為群智創新設計提供技術支撐,實現群智創新設計知識生態衍化。

2.2.2 群智創新設計的創新環節

群智創新設計并非是一種簡單的自上而下[90]或自下而上[91]的創新。對于流程而言,群智創新設計是一種存在周期性的動態化創新衍進[92]。作為同技術緊密結合的創新設計,群智創新設計包括生成、評價、推理和優化4個環節并動態地轉化。

(1)群智創意生成 是明確創新目標并產生創新方案的第1步。創新者需要重點關注在群體智慧積聚過程中產生的新信息和新知識;在明確創新目標后,創新者需要利用創新工具和平臺激發創意,結合跨領域知識資源和數據資源促進創新方案的生成。

(2)群智創新方案評價 確定參與者的創新貢獻、制定激勵配置計劃等,激勵群智創新方案生成。該階段的評價方法主要包括流形學習、感知評價、聚類降維、價值排序等。例如,提取方案特征進行篩選和分類,尋找并確定與設計目標最接近的設計方案;利用智能算法進行數據感知和篩選、創新度排序、潛在價值分析;進行需求匹配度評價及創新方案決策等。

(3)群智創新設計推理 該環節利用集成學習、線性回歸和聚類降維等技術方法深化、匯總和融合創新方案。創新者利用群智創新設計平臺發現、記錄、識別創新方案的生成行為,并監測和獲取數據,產生群智創意數據流;結合大數據挖掘分析、區塊鏈登記溯源、機器學習綜合推理及人工采訪、用戶定義等定量和定性研究法完成群智知識的推理匯聚,探尋創新方案的共性和個性創新點,建立不同群智創新方案間的網絡關系;網絡關系建立后,依托區塊鏈等數字技術將確認的方案傳遞至群智創意池,為未來方案的保存、決策以及在網絡空間的傳播和推廣提供便利。

(4)群智創新結果優化 創新者基于場景約束、梯度優化和強化學習等技術方法對方案進行進一步優化、迭代和發展,并基于全方位的產品數據與反饋,利用人工智能相關算法模型對群智創新結果進行多角度地整合、分析、歸納、迭代,從而獲得最終創新方案[93]。

2.3 群智創新設計的特征

智能時代下的群智創新設計具有以下特征:

(1)涌現性(emergence) “涌現”一詞最早來自生物學界,在某些場合也稱“突現”[94]。群體智慧的涌現是廣泛、動態和平等化的,具有學習和自我調節能力[95]。群智創新過程中,每位參與者的創新想法和行為都會被實時標注、記錄、存儲、傳遞、計算、整理和分析,每個靈感、想法、創意、知識都會被評價。

(2)協同性(cooperativity) 群智協同精準滿足用戶需求。協同性原本是生物學領域的概念,指生物體內不同元素之間相互關聯和協同工作的能力,反映了生物元素在機體發展過程中的整體協同關系。群智創新沿襲了生物協同的性質,呈現出深領域、多維度的協同共創屬性,其包括組織、學科、資源、機制、技術等多方面的協同創新,本質上是群體智能、協同計算、社會創新的融合與發展[96]。

(3)共享性(sharing) 群智創新設計能夠突破人—時—空限制,實現群體智慧共享。在群智創新設計中,參與者的所有創新活動都被可視化地存儲、共有和優化,這意味著該過程中儲存下來的設計流程可以在很大程度上被共享。與傳統的設計理念不同,在傳統設計中,個人知識產權的概念根深蒂固,造成想法或創意難以有效交流;在群智創新活動中,參與者相互信任、精誠合作,共享創意與想法,使創新資源得到最大化利用。

(4)技術性(technicality) 技術驅動賦能多領域創新。在理想狀態下,群智創新平臺以云計算、互聯網、人工智能為支撐,借助數字媒體、物聯網等新興數字技術獲取創新靈感,憑借感知、挖掘技術具體化創新靈感,利用3R技術、智能交互及可視化技術等手段優化創新環境,加速知識推理[97]。在群智創新背景下,技術對接場景是一個反復迭代的協作過程,在該過程中不同領域的創新者共同努力,促使技術手段與場景需求不斷匹配、互相影響[98],確保場景需求在新技術支持下獲得解決思路,使解決方案更好地貼近用戶場景,滿足實際需要。

3 群智創新設計的關鍵技術

3.1 群智數據感知

當前社會產生了大量多模態數據,對這些數據的采集并沒有固定的模式,而不同結構的信息需要被融合使用來滿足社會對多元化信息的需求。在感知數據的過程中,數據最初是由終端設備或傳感器產生只能被機器識別的物理信號,需要經過整流、降噪、放大、采樣等操作才能轉變為可以被計算機存儲和運算的數據[99]。因此,數據采集設備之間要相互關聯,彼此之間形成自組織的群體感知網絡[89]。群智感知技術需要對感知到的數據質量進行評估和分級,然后根據數據質量進行后續優化選擇,經過優化選擇的數據將通過高效的數據移交技術移交給中心服務器或用戶。例如,鄧寧等[100]以社交網站中的北京城市圖片作為元數據集,采用計算機文本分析方法研究了北京城市旅游形象;黃蔓云等[101]提出一種基于歷史數據深度挖掘的態勢感知方法,并采用配電網絡的歷史數據深度挖掘技術高效地捕捉配電網實時運行狀態;韓立等[102]將情境感知技術應用于數據采集過程,采用基于情境感知的遠程數據采集方法準確獲取了多種用戶在真實環境下的行為和體驗數據。

3.2 群體行為建模與優化

在群智創新設計過程中,多人提交多種方案是一種普遍現象,這涉及最優化解決的情境求解問題。針對該問題,可以采用群智行為建模優化技術在極短時間內尋找到符合實際需要的近似解,設計者通過這種技術可以有效整合和優化各種設計方案,從而提高設計的效率和準確性。該技術主要包括蟻群優化、粒子群優化和人工蜂群優化等算法,例如REYNOLDS[103]提出集群保持穩定和一致運動的三大規則,構建了動力學Boids模型;VICSEK等[104]引入噪聲和群體密度的概念,在統計力學層面對集群行為進行系統分析,最終提出Vicsek模型;COUZIN等[105]拓展了Boids模型的三大規則,劃分了粒子決定未來運動方向的三大區域(排斥區、取向區和吸引區),并將其適用范圍拓展至三維空間,最終提出了Couzin模型。

3.3 多元異構知識融合

多元異構知識融合技術包括以下3點:①利用強化學習和無監督學習技術整合群智創新系統的創意、技術、文化、商業等設計資源,使群智生態擁有人類觀察環境、學習經驗和總結規律的自主決策能力,例如KONDAKA等[106]提出一種采用基于物聯網的機器學習策略的強化醫療監控范式,SHAFIZADEH等[107]采用機器學習技術成功預測和優化了生物質的水熱液化,ZHOU等[108]采用文本挖掘和非監督學習方法分析了可持續超精密加工,提出一種非保留學習方法;②基于深度學習技術挖掘已有知識,將已有的知識資源可視化,展示知識之間的聯系,促進新知識產出[109],例如王仁武等[110]利用深度置信網絡構建了圖書館學科中知識模塊間的關系網絡,提出一種適用于商業領域快速形成的具體細分領域知識資源可視化方法,安傳艷等[111]通過構建我國鄉村旅游領域的知識圖譜,詳細分析了1992年～2016年鄉村旅游的特征趨勢;③基于大數據技術和大知識概念,存儲多元異構的海量數據、分布式并行處理數據,并通過大數據知識工程將大數據轉變為大知識[112],例如葉鑫等[113]從知識信息和數據信息的數字化視角重新設計了政務云平臺體系架構,提出互聯網形態下知識信息及數據信息平臺的協同創新策略。

3.4 群智創新設計自動生成與評價

目前,人工智能技術領域的熱點正從傳統的分析型AI轉向生成式AI,意味著人工智能技術不再局限于“擬合”“分類”“識別”等分析技術,而是轉向更具創新價值的創新工作[114]。GOODFELLOW等[115]基于深度學習的生成式對抗網絡在圖像和視覺計算、語音和語言處理、信息安全等領域被廣泛研究,通過生成器和判別器相互學習和訓練生成高分辨率的全新形象。群智創新設計的評價包括創新方案的評選、創新者各自創新貢獻的評估及創新方案自身創新價值的評價3方面:①將自評價技術應用在定性與定量數據評價中,在得到“設計方案—得分數據集”后,利用機器學習算法訓練生成評價模型,以形成主客觀結合的創新方案量化評價方法,例如CONG等[116]采用機器學習的迭代設計方法,在智能產品服務系統(Smart Product-Service System,Smart PSS)中進行用戶滿意度預測,為當今工業界智能產品服務系統開發提供了指南;②對創新成果的知識產權歸屬及設計要素的貢獻度進行評估,例如PAZAITIS等[117]采用分布式的價值記錄和去中心化的識別技術,在多人社區的價值生產、記錄和實現方面進行了探索;③利用行為跟蹤及大數據挖掘技術了解用戶對相關產品(及服務)的綜合使用偏好,繪制準確的用戶模型,指導和評價創新設計方案[118],例如SPILIOTOPOULOS等[119]在設計初期提取了社交媒體Twitter平臺上的實時信息,構建了精確用戶模型,提高了后續創意評價工作的準確率和效率。

4 群智創新設計的研究范圍

群智創新設計是人工智能2.0時代下,運用智能技術,整合多學科知識,匯聚社會群體智慧來實現個體智慧升維,解決社會復雜問題的社會創新范式。群智創新設計的研究范圍如圖5所示。

4.1 群體創新設計大數據

設計大數據研究是群智設計知識的生成與融合、群智創新網絡圖譜構建、創新成果評價、創新平臺開發和創新生態衍化等方面的創新之源。群智設計大數據主要包括精準畫像數據、智能化設計決策數據、智能化精準營銷數據、人因工程數據、視聽和生理數據、多模態人機交互數據、文化風格語義數據、文化符號特征數據、美學五維評價數據等。

在實際研究中,群智設計大數據需要通過數據清理(包括缺失值處理、離群點處理、噪聲值處理等)、數據集成(包括實體識別、冗余處理、沖突處理等)、數據規約(包括維度規約、數據壓縮、數值規約等)、數據變化(包括規范化、離散化、稀疏化處理等)等手段,使數據滿足結構化、可讀取和可運算的要求。

4.2 群智創新設計知識網絡及知識圖譜

構建群智知識網絡時,需要客觀界定知識的范圍和領域,同時深入研究群智創新本體、用途、信息等基本問題,還需要明確群智創新設計中的重要術語、定義類和繼承類等研究細節,并厘清其屬性關系和相關限制,在此基礎上按照類和繼承類的劃分創建知識實例,最終實現知識的網絡化建模[120]。

知識網絡圖譜的數據源(集)來自社會各界,不同數據源對同一個實體的表達存在偏差。因此,創新者需要客觀地利用數據分析技術進行信息篩選、知識合并、數據歸類和相似度排序,以降低計算數據量,提高知識網絡圖譜的構建效率。

4.3 群智數據感知與設計知識的生成和融合

由于不同用戶在活動上存在時空重疊,感知數據可能存在大量冗余,導致感知資料出現多模態、不準確、不一致等問題。為此,群智創新服務設計平臺需要進行持續的社會學習,研究相關專業人士發布的知識,不斷擴充平臺的知識框架體系,優化群智思維結構。創新者應獲取多模態數據,防止價值判斷的單一性,以免陷入“信息繭房”,促進對知識常識和思維結構認識的突破。

另外,還需要研究信息的特征級融合技術。特征級融合技術是一種多源數據的特征融合方法,它通過提取和融合不同類型的數據特征,得到比原始數據更精煉的特征。與像素級融合方法相比,特征級融合技術在實時性方面具有更大的優勢,但也存在更大的信息損耗問題。因此,在應用特征級融合技術時,需要權衡實時性和信息保真度。

4.4 群智創新成果評價體系

幾乎任何綜合性活動都可以進行綜合評價[121],構建合理的評價體系是反饋群智創新成果、反思群智創造經驗的重要的方式。群智創新設計評價包括以下3層內容:

(1)對創新方案的評選 無論是創新方案的中間產物還是最終確定的方案成果,都需要準確一致的評價方法。首先,研究設計師對創新方案的主觀評價,形成設計方案—評價數據集,由機器學習算法訓練生成創新方案的主觀評價模型;然后,將具體子領域的評價理論作為客觀的評價模型,得到主客觀結合的設計方案量化評價方法。

(2)對創新貢獻的評估 群智創新設計的特點決定了同一創新需求會由多位設計師協作完成,之間還會存在信息的交流與整合。因此,需要研究產生設計產品的知識產權歸屬、設計師對最終產品的貢獻度評估等問題。

(3)對創新價值的評價 對于最終使用創新產品或服務的用戶而言,創新產物必須是解決了實際問題、有使用價值或能創造價值的產物?？梢酝ㄟ^內置傳感器或記錄工具(預先告知用戶,避免侵犯用戶的隱私權)繪制用戶畫像,研究不同用戶對產品的實際評價,準確反映創新產品的使用價值。

4.5 群體智慧生態衍化

群智創新設計知識生態衍化包括深度學習中的自學習強化與自適應衍化等,創新者需要參照群智創新設計知識與相應數據之間的關聯機理研究群智知識結構和系統,以對知識進行優化更新,同時優化自身知識網路和知識圖譜,實現群智服務平臺的自組織、自適應與自優化。

在執行任務過程中,群智創新設計服務平臺將不斷感知應用情境的變化,密切關注新發現的數據和執行新任務所需的性能需求。平臺可以借助新的情境要素更新知識圖譜,吸納新知識以充實知識庫,并構建新的知識體系。為了實現平臺的自適應衍化策略及方案,群智創新設計服務平臺需要持續捕捉和量化動態環境并實時反饋,同時根據需求調用模型自適應地進行壓縮、搜索、分割等[122]。

4.6 群智創新設計服務平臺的開發

群智創新設計平臺是匯聚創新信息、共享創新知識、進行創新實踐的重要場所。在界面的開發階段,創新者需要確定整個產品功能邏輯、頁面邏輯、單獨頁面的頁面設計,并考慮用戶使用的復雜性;在界面的可視化設計和界面修飾階段,創新者必須在用戶體驗層面對界面原型進行優化,使其具有優良的使用體驗;在界面的輸出階段,創新者需要與開發人員合作,將設計的原始文檔以不同的形式輸出;在界面輸出后,測試人員需要對界面進行可用性測試。

除了對平臺界面的設計,群智創新設計服務平臺開發還需要大數據后端技術的強力支撐,這種后端技術包括構建先進的技術工具集和設計知識庫,并通過人工智能技術與設計知識服務深度融合與集成,為群智創新設計的各項活動提供穩定的平臺支持。

4.7 群體智慧產權保護與激勵

群智創新設計中,參與者的各類想法、創意思考等過程數據不僅需要被系統地記錄下來,更需要得到充分地保護和激勵。為此,群智創新設計的參與者需要根據所承擔的任務建立一套合理的質量評價和激勵機制。

在設置激勵機制時,管理者應充分考慮如何避免和抑制群體內部可能出現的沖突對抗,同時滿足參與者的個性化需求,為此可能需要建立能夠解析群體行為的分析模型。另外,群智創新設計服務平臺還要保護參與者、項目及自身的隱私,群智創新平臺可以利用區塊鏈技術進行創新溯源和登記,確保所有參與者和節點遵守相關的交易規則。通過采用數字水印處理創意和設計方案的數據,創新者可以協同保護群智創新方案中的知識產權,并根據任務完成情況計算出各參與者的貢獻率,據此分配相應的報酬。

5 群智創新設計的未來發展

當前社會正面臨著快速變化、不確定和互聯共通性日益增強的問題,這些問題具有持續性和復雜性,無法依靠單一學科提供的對策來解決。因為每門學科在處理學科邊界時難以擺脫既定的研究范式,某些特定問題甚至難以通過多學科、跨學科的方式得到解決,所以需要運用大數據、區塊鏈、人工智能技術,聚集大眾智慧,打破學科與非學科的界限。群智創新設計能夠集聚社會群體創新資源,共創群體協同價值,成為新時代下的群體協同創新范式[123]。

5.1 構建群智創新范式與理論體系

研究者需要探索群智設計數據融合的方法和理論體系,包括信息關聯匹配、知識網絡圖譜、知識融合推理、知識冗余管理等,還需要關注知識數據的一致性問題。由于群智感知數據來源廣泛,不同數據源之間的語義理解一致性和方法流一致性成為亟待解決的問題。為了提升群智大數據知識發現的深度、廣度和質量,需要確保不同數據源之間的數據具有一致性,為群智設計的成功應用提供可靠的數據保障。

隨著社會群智感知數據來源的不斷擴展,未來還需探索將不可感知數據轉化為可感知信息的方式,這一轉化過程需要充分考慮數據的可解釋性和可理解性,以拓展群智設計的應用領域和應用效果。

5.2 優化群智組織形態與管理機制

群智創新是一種緊密結合智能數字化技術的、去中心化的集體創新行為,旨在號召、吸引、匯聚和管理社會廣泛參與者。未來研究需要在不同群智創新網絡場景下進行,根據不同群智任務的目標和性質建立不同的管理、組織和激勵機制。

對于群智創新過程中產生的創新想法,需要建立創新與任務要求之間的匹配模型來進行管理,還需要探索群智單元內外部之間的交流、激勵和管理機制,探索更高效進行群智創新活動等組織和管理的手段,達到降低創新成本、提高創新效率的目的。在優化管理機制時,需要建立科學的評價體系,準確及時地評價群智創新成果,更好地指導未來的群智創新實踐。

5.3 共創群智生態系統

共創群智生態的價值在于提升產業價值,驅動整個信息社會各方面創新,特別是應用創新、體制創新、管理創新和商業創新。未來研究需要思考如何搭建將群智創新設計與互聯網、人工智能及大數據技術、區塊鏈等新興數字技術相結合的技術手段和生態系統,如何構建技術間的交叉共融及協同映射機制。

為了推動群智創新設計的產業化推廣與應用,未來還需要開發相應的數字化軟件來實現創新生態系統,這些軟件可以提供工具和平臺,幫助企業和個人更好地參與群智創新設計,提高創新效率和成果的質量。同時,通過建立共創群智生態系統,也可以更好地保護參與者的權益和隱私,確保群智創新的可持續性和社會效益。

6 結束語

相比過去,創新在組織創造和維持競爭優勢中扮演著至關重要的角色[124]。未來的群智創新設計研究將以數字技術為基礎,借助人工智能方法、技術與工具,整合多學科跨領域資源,挖掘群體創新設計想法流,實現從單線條和多線條的創新設計模式向網絡狀的協同整合創新設計模式轉變。

根據以往研究成果,本文對群智設計的相關研究進行了整理和歸納,探討了不同創新階段的代表性研究、社會創新范式衍變和群體智慧發展,同時提出群智創新設計理論模型,包括群智創新主體、群智創新環節、關鍵技術和研究范圍等。群智創新設計研究將進一步拓展人工智能與創新設計的科學研究范疇,催生新的學科發展方向,促進集成創新。未來研究將更加重視智能技術的實際應用和跨學科群體之間的協作。創新者將借助先進的信息技術工具和手段,開發具有自適應和自學習能力的智能系統,促進群體創新設計的有效實施,推動科技創新和社會進步。通過不斷探索和應用新技術,未來的創新者必定能夠以更高效的方式解決復雜問題并迎接挑戰,為推動人類社會發展貢獻更多的力量。