Luminate：大型语言模型在人机协同创作中对设计空间的结构化生成与探索

文献标题

Luminate: Structured Generation and Exploration of Design Space with Large Language Models for Human-AI Co-Creation

文献信息

• 主题领域: 人机协作、人工智能生成内容、创意支持工具
• 关键词: 大语言模型、人与AI互动、设计空间、创意支持、人机共创、维度探索

研究背景与问题

1. 现有问题与挑战:

   • 当前的语言模型交互方式主要引导用户快速收敛于少量想法，而缺乏对潜在设计空间的探索支持，可能导致用户过早固定思路（fixation）。
   • 系统生成的结果通常是无结构的（unstructured），用户难以系统性地评估生成的选项或探索替代路径。
   • 设计空间思维（design space thinking）被认为对创意过程具有重要价值，但尚未充分体现在现有的AI创意支持工具中。

2. 问题的重要性:

   • 辨识和探索设计空间中的多种可能性，可以帮助用户避免陷入单一思路，提高生成内容的多样性和质量，加强用户设计流程中的灵活性和创造性。

3. 研究动机与相关工作:

   • 当前的用户与AI交互模式（如单一输出或无结构的多输出）不足以支持维度化、系统化的设计空间探索。
   • 研究灵感来自于探索式搜索、信息可视化和维度化推理，这些方法已显示显著增强了领域相关问题的理解和探索能力。

解决方案

1. 方法与框架:

   • 提出了一种新的交互框架："Prompting for Design Space"（设计空间生成框架），利用大语言模型生成相关任务领域的维度及其可能的值（dimensions and values）。
   • 基于生成的维度组织输出内容，支持结构化探索任务中的各类可能性。

2. 创新之处:

   • 强调在创意过程的早期阶段通过生成设计空间来避免过早收敛。
   • 提供一个系统化的交互方式，使用户能够从多维度理解和浏览生成内容，而不是仅围绕某些具体结果进行调整。
   • 引入交互可视化和语义缩放技术，在二维空间中展示生成内容的分布，支持用户高效定位和比较不同内容。

3. 实施步骤与关键技术:

   • 维度生成: 使用语言模型生成与用户提示内容相关的维度（例如语气、情感、情节复杂性等）及其潜在值。
   • 基于维度的响应生成: 随机选择维度值组合，作为生成内容的系统约束条件，并生成多样化的候选输出。
   • 维度选择与可视化: 提供用户界面，使用户能够通过选择维度将生成内容排列到一维或二维空间中，以直观了解内容的分布。
   • 语义缩放: 支持根据缩放比例展示不同粒度的信息（如关键字、摘要、全文）。

研究成果

1. 具体成果:

   • 设计并开发出一个交互系统 —— Luminate，将上述框架付诸实践，支持用户在创意任务中探索语言模型生成的设计空间。
   • 利用用户研究验证了框架的可行性和实际用户的接受度。

2. 与现有解决方案的比较优势:

   • Luminate 能防止用户思维过早收敛，促进更丰富的设计空间思维。
   • 系统化的生成与探索机制，减少用户在传统AI工具中反复调整提示的需求。
   • 提供灵活的探索方式和交互可视化工具，有助用户理解生成内容背后的结构。

3. 实验或评估结果:

   • 用户研究（14名专业写作者）表明Luminate能有效支持用户在创意过程中探索新想法，并普遍认为系统易用且能激发不同类型的创意。
   • 该系统在“创意支持指数”（Creativity Support Index）中取得高分（82.16/100）。

4. 局限性与未来方向:

   • 局限性:
     • 输出内容可以过于多样化，某些用户可能会感到信息过载。
     • 当前维度生成可能不总是与用户需求完全匹配。
     • 研究受限于受试者样本，未能全面覆盖非专业用户群体或与其他AI工具的严格比较。
   • 未来方向:
     • 开发动态调整输出内容数量和粒度的功能，以更好地适应用户需求。
     • 扩展该框架到其他领域（如图片、视频生成）和更广泛的用户群。
     • 进一步调查用户对生成维度的偏好和理解，提升维度生成的精确性和相关性。