迈向AI作为同事：多智能体系统改进结构化创意构思流程

文献标题

Towards AI as Colleagues: Multi-Agent System Improves Structured Ideation Processes

出版信息

• 主题领域: 人工智能与人类协作在多代理系统中的创意构思。
• 关键词: AI协作，多代理系统，构思过程，人机团队合作，发散性思维，聚合性思维，创意支持，角色分化，引导，GPT-4o。

背景与问题

• 问题/挑战: 当前的人工智能系统主要作为工具或助手使用，限制了其在创意构思中作为协作伙伴的能力。单代理系统通常缺乏多样化的观点和结构化的交互动态。
• 意义: 增强人工智能系统以作为同事参与协作，可以提升创造力，扩大想法探索范围，并促进更具协作性的人机交互。
• 动机与相关研究: 先前研究探讨了多代理框架和基于角色分化的设计，但这些方法通常较为零散，缺乏对真实世界头脑风暴动态的整合。本文基于这些研究基础，解决协作构思系统中的不足。

解决方案

• 提出的方法: MultiColleagues，一个多代理对话系统，结合多样化的AI角色、结构化引导和适应性思维模式，以支持人机协作构思。
• 创新点:
  1. AI角色之间的动态轮流和角色分化，模拟团队动态。
  2. 借鉴“双钻设计方法论”整合发散性和聚合性思维模式。
  3. 以人为中心的引导，保持监督并指导构思阶段的转换。
  4. 用户友好的界面，用于管理多代理协作和认知负担。
• 程序与关键技术:
  • 适应性思维转换：探索模式用于广泛的想法生成，聚焦模式用于精炼和综合。
  • 角色编排：具有不同角色、沟通风格和专业知识的AI同事以结构化轮流方式贡献。
  • 引导机制：实时监控和干预，以引导讨论方向并防止认知过载。
  • 交互设计：视觉提示、基于角色的消息样式，以及用于切换思维模式的控制。

结果

• 具体发现:
  • MultiColleagues系统引发的用户贡献数量几乎是单代理基线的两倍（M = 8.35 vs. M = 4.10，p = .001）。
  • 用户对成果质量和新颖性的评分更高（M = 5.95 vs. M = 4.97，p < .01）。
  • 提升了用户的参与感和流畅性（M = 5.70 vs. M = 4.45，p = .014）。
• 相较于基线的优势:
  • MultiColleagues增强了团队感和角色间的互补优势。
  • 更广泛和深入的探索，具有更高的话题分支（M = 6.45 vs. M = 3.50，p < .001）和概念生成率（M = 2.05 vs. M = 1.26概念/分钟，p < .05）。
• 实验/评估:
  • 采用20名参与者的组内研究，比较MultiColleagues与ChatGPT（单代理基线）。
  • 评估指标包括用户评分、语言连贯性、实用风格和原创性评分。
  • 综合方法结合了问卷调查、访谈和对话日志分析。
• 局限性与未来工作:
  • 参与者多样性有限（学生和初级职业人士）。
  • 交互时间较短（10分钟）；需要更长期的研究。
  • 使用同质语言模型；未来工作应探索异质设置和偏差审计。

总结

MultiColleagues展示了多代理系统如何将人工智能从工具转变为创意构思中的类似同事的协作伙伴。通过结合角色分化、适应性思维模式和引导机制，该系统相比单代理工作流促进了更广泛的探索、更强的参与感以及更高的成果质量。结果强调了多代理框架在模拟团队动态和支持结构化创造力方面的潜力。未来工作应解决参与者多样性、交互时长和模型异质性方面的局限，以进一步优化人工智能的“同事”角色。