ProductMeta: 一个用于多模态大型语言模型的隐喻产品设计互动系统

研究背景与问题

• 作者发现了哪些问题或挑战？
  作者指出，初学设计者在隐喻产品设计过程中面临三个主要挑战：

  1. 难以发现与目标产品具有创意关联的源概念。
  2. 在探索多样的映射可能性时容易忽略一些非显著属性，同时面临认知负荷。
  3. 平衡产品的实际可用性与隐喻表达的难度。

• 为什么这个问题很重要？
  隐喻产品设计在提升产品创新性、用户体验和情感引发方面具有重要作用。成功的设计作品能通过隐喻在感官、行为以及社会文化层面与用户产生深刻联系。然而，这些深度设计通常因复杂的设计流程及经验不足而难以实现。

• 研究动机与相关工作
  尽管大量研究探讨了视觉设计和建筑领域的隐喻应用，但在产品设计领域对隐喻设计支持工具的研究仍存在较大缺口。传统工具如灵感板和隐喻卡片由于依赖手动连接，效果有限。新兴的多模态大型语言模型 (MLLMs) 虽有潜力支持创意设计，但缺乏领域特定知识，难以系统性支持隐喻设计。

解决方案

• 作者提出了哪些方法或解决方案？
  作者开发了一个名为 ProductMeta 的交互式隐喻产品设计支持工具。该工具利用 ML 大型语言模型（GPT-4o）分析目标和源概念，用框架式界面补充系统性设计支持。

• 该解决方案的创新之处是什么？

  1. 将隐喻设计拆分为三个模块化流程：源探索、映射探索、设计提案构建。
  2. 通过基于 Norman 的情感设计三层理论（感官、行为、反思）生成与目标产品高度关联的隐喻源。
  3. 支持多感官映射，激发设计者从视觉、触觉、声音等不同维度进行创意探索。
  4. 提案构建时平衡功能性约束与隐喻表达，为设计者提供更灵活的生成选项。

• 实施步骤是什么？使用了哪些关键技术？

  1. 源探索模块：分析目标产品并生成隐喻卡片展示情感关联，支持用户手动添加源概念。
  2. 映射探索模块：通过交互式属性组合面板，分析目标和源之间的映射可能性，支持多感官映射探索。
  3. 设计提案构建模块：提供约束和属性面板，提示设计者从结构、功能、材质等维度调整设计输出。最终系统生成多样化设计提案并支持视觉呈现。

研究成果

• 取得了哪些具体成果？
  通过用户实验，ProductMeta 显示出帮助初学者发现创意来源、探索多感官映射以及设计提案生成的显著优势。研究表明，与现有工具（如基于 GPT-4o 的 ChatGPT）相比，ProductMeta 在以下方面表现更好：

  • 提供了更多多样化和上下文相关的隐喻源建议。
  • 更好地支持多感官和非线性映射探索。
  • 设计生成质量更高，包括更丰富的创意表达和情景化实现。

• 实验或评估结果是什么？

  • 用户实验表明使用 ProductMeta 时设计者平均生成的概念数量显著多于 ChatGPT（7.21 vs 2.43），且更关注发现和映射探索阶段。
  • 在系统满意度调查中，ProductMeta 在支持探索、创意表达、透明性等方面显著优于 ChatGPT。
  • 专家评审认可 ProductMeta 生成的设计方案更具上下文相关性、隐喻深度和情感连接。

• 局限性与未来方向
  局限性包括：

  1. 系统对物理和功能约束的理解仍较表面化，某些生成设计缺乏深度和复杂性。
  2. 系统反应速度受 MLLMs 的生成延迟影响，可能间接削弱用户体验。
  3. AI 的生成结果有时过于抽象或出现偏向，需设计者主动过滤和调整。

  未来研究方向：

  1. 在更多复杂设计领域中拓展系统应用（如汽车、建筑设计）。
  2. 探索结合自然语言交互与框架式界面的混合方法，提供更多交互选择。
  3. 引入更直观的交互方式（如手绘输入），优化设计细节编辑体验。

通过 ProductMeta 的研究，作者展示了人机协作对隐喻创意设计的促进作用，并为基于 AI 的创意支持工具提供了设计方向性和评估优劣方法。