很少有人知道，人工智能和设计思维都可以追溯到诺贝尔奖获得者赫伯特·西蒙（Herbert Simon）的开创性作品。 1956年，西蒙（Simon）以及艾伦·纽厄尔（Allan Newell）和克里夫·肖（Cliff Shaw）开发了逻辑理论家，这是第一个AI计算机程序。在1969年的书中 人造科学，西蒙正式介绍了人工智能的概念，并提出了如何在现实世界中解决问题的方法以及启发式方法的作用（经验法则）。在同一篇论文中，他奠定了设计思维的基础，并指出：“每个人都设计旨在将现有情况变成首选情况的行动课程。”
快进21英石 世纪。得益于计算，沟通和商业方面的进步，设计思维和人工智能几乎都已经达到了主流社会和工业。虽然设计思维植根于同理心，但AI通常被认为是“冷漠”的工作 – 偷工工作，流离失所的行业和价值链的擦拭块。一个相关的问题是 – 您如何调和两者？如果您查看设计思维的过程模型，您将确定AI所能提供的几种途径，而不是帮助之手。它可能会使设计思维更加普遍和有效，而不会抢劫其以人为中心的本质。让我们深入研究融合途径。
在很高的水平上，设计思维可以理解为以人为中心的问题解决问题的模型。它包括五个阶段： 启发 （设置问题的“为什么”）， 同情和定义 （从利益相关者的角度了解问题）， 酝 （产生大量相关想法）， 原型和测试 （在现实世界中验证这些想法），并且 规模 （将思想体现到产品和利润中）。整个过程都是迭代的，保证了以下条件：目标的大胆，上下文的歧义，与客户的访问，时间的可用性和团队的多样性。
AI在其中介入：三个关键阶段
在三个领域中，AI可以帮助设计思维LED问题解决过程。首先，它处于同情和定义阶段。产品设计和经验创造的传统方法在很大程度上依赖于人类到人类的互动，人种志，人类学，洞察诊所，访谈，未注重的群体和观察等，等等，这些互动既昂贵，耗时又消耗且范围有限。 ERGO，广泛的见解是从有限的定性样本中得出的，希望随后的想法能够大规模起作用。数十种失败的产品，尤其是在西方概念化的产品，或者是用精英吸引的产品，可以证明自我限制通常是设计思维的古老手段。
凭借其依赖数据和生成能力，AI可以通过机器智能帮助吸引更大的受众并增强人类智能。可以策划问题，可以以细粒度的方式分析回答，并且可以通过在解决问题的模糊前端采用AI来确保更连贯的图片。例如，字母和元元素定期扫描众多客户论坛和媒介，不仅要抱怨，而且要收集什么作用，什么无效，还可以收集新颖的见解。
其次，在构想阶段，AI具有巨大的价值。创造力的精神之一是：数量导致质量。 “获取好主意的方法是获得很多想法，并把坏蛋扔掉”，诺言两次获得诺贝尔奖得主莱诺斯·鲍林（Linus Pauling）打趣。在典型的构想研讨会中，参与者经常会饱和，最终产生可预测的陈词滥调的想法。不愿扔掉坏人的情况进一步加剧了这种情况。但是，如果这些想法是由机器产生的怎么办？人类给出提示和机器会产生多种原本常见的想法的组合，并共同选择更合适的想法。
这种方法不仅可以解决稀缺思想的问题，而且还消除了无法“杀死您的宠儿”的道德危害。在新药发现的领域，它一直在发生。这些算法将经验丰富的科学家投入了所有可能的组合，然后筛选出最可行的组合。这样的机器干预可以降低2型（假负）错误，从而降低了缺少人类大脑无法自行召唤的有希望的想法的几率。
最后，在原型和验证阶段，AI可以超过时间和成本节省。通常由于时间或人类偏见，并非所有想法都经过考验。因此，桌子上的主要声音接管了，或者公司在经过久经考验的低风险想法中后退。这涉及到洞察力的浪费和构想阶段，以及员工士气的衰退。如果可能的话可以在可能的情况下（如果可能的话）进行系统的测试，该怎么办？可以对他们的命运做出更多数据驱动的判断。 AI可以为您和引人注目的预算做到这一点。得益于大型语言模型和自学能力，这些算法可以识别正确的目标受众，以评估一个想法的功效，确定样本的批判性并征求响应。考虑一下在Insta页面上进行新网站发布或放置广告的新网站测试时的好的机器。
让机器协助，但让人类领导
在愿意为我们提供帮助的机器的情况下，至关重要的是，人类向价值链提升而不是大声疾呼相同的空间。人工智能在荒芜思维中的作用使人有令人信服的案例，赫伯特·西蒙（Herbert Simon）相当清楚。我希望您在设计旅程中有机会，而不会失去任何一个的本质。
作者是书籍的最畅销作者，设计您的思想和设计您的职业。
