探索支持设计师学习与基于AI的制造设计工具协同创造的挑战与机遇

文献标题

探索支持设计师学习与基于人工智能的制造设计工具协同创作的挑战和机遇

文献信息

• 主题领域: 人机交互 (HCI)、人工智能协同设计、计算机辅助设计
• 关键词: 人机协同、生成式AI、设计工具、学习挑战、思考大声法、团队学习

研究背景与问题

• 作者发现的问题或挑战:

  • 设计师在使用生成式AI支持的设计工具时需要具备不同于传统CAD工具的技能。
  • 当前设计工具缺乏支持设计师学习与AI协同创作的有效机制。
  • 良好的设计成果通常需要设计师具备对AI行为的深刻理解和适应能力。
  • 缺乏针对真实设计任务的实证研究，尤其是设计师如何学习与AI工具协同。

• 问题重要性:

  • 现代制造流程复杂，设计任务对认知能力的要求更高，AI工具可以帮助优化设计目标。
  • AI工具在设计过程中逐渐扮演协创伙伴的角色，但与AI协作存在显著学习曲线。
  • 随着技术进步，未来设计师可能越来越依赖与AI共创解决复杂设计问题。

• 研究动机与相关工作:

  • 利用团队学习和人类协作理论，探索如何支持设计师与AI有效协作。
  • 将现有的关于人类协同工作、认知心理学和学习科学的理论应用到人机协同设计工具中。
  • 通过观察设计师与AI工具的互动，揭示挑战并提出改进建议。

解决方案

• 方法:

  • 进行了两项研究：
    • 研究1：观察训练有素但无AI工具经验的设计师，与AI工具协同完成复杂设计任务。
    • 研究2：新招募设计师与已有经验的“同伴指导”一同完成任务，观察指导者的支持策略。

• 创新之处:

  • 提出了一种多层次的学习框架，结合团队学习和人机协同理论来理解设计师的学习过程。
  • 描绘了设计师与AI工具协同的典型挑战，提供了改进设计工具的具体建议。
  • 研究了通过人类指导的方式提升设计师与AI工具协同工作的效果。

• 实施步骤:

  1. 数据收集:
     • 使用“思考大声法”记录设计师的语言思维过程。
     • 收集任务完成的设计成果及后期访谈反馈。
  2. 数据分析:
     • 对视频交互、访谈内容进行定性和定量分析。
     • 编码设计挑战与学习策略，通过主题分析提炼关键结论。

研究成果

• 具体成果:

  • 识别三大挑战：
    1. 理解并修复AI生成结果的困难。
    2. 与AI“协作感”的缺失，部分设计师选择避开AI功能。
    3. 难以有效向AI传达设计目标参数。
  • 发现成功的设计师使用了以下学习策略：
    1. 系统性测试AI的边界和能力。
    2. 通过自我解释和问题反思提高对问题的理解。
  • 观察到人类指导者使用了五种支持策略，包括逐步引导、反应表达不确定性、建议替代方案等。

• 优势对比:

  • 提供了一套系统的学习支持策略和设计优化建议，使设计师能够在复杂任务中充分利用AI工具。
  • 用实际案例验证了团队学习理论在人机协作领域的有效性。

• 实验与评估结果:

  • 数据表明，指导过程显著增强了设计师与AI工具的协作能力及设计满意度（设计任务完成率上升）。
  • 设计师普遍表达对互动性更强、能提供类似生成案例的工具的期待。

• 局限性与未来方向:

  • 局限性：
    1. 参与者多为学生设计师，行业经验较少。
    2. 使用的AI工具尚处早期阶段，界面问题可能影响结果。
    3. 任务为实验场景，专业设计环境可能有不同表现。
  • 未来方向：
    • 探索其他领域（如图像、音乐生成）的学习支持框架。
    • 提升工具人工智能的上下文感知能力和多模态交互功能。
    • 构建更动态的人机协作模型，并开发新型工具以支持设计任务复杂化。