团队零样本提示法，让幽灵进驻机器获方案

对于成功的设计团队而言，拥有支持多样化问题解决者的工作环境是毫无商量余地的。

克里斯·麦考姆（Chris McComb）是人类与人工智能团队合作领域的专家，他和他的研究团队把认知风格融入大型语言模型，以此来弥合团队成员之间的认知差距，让团队能够更轻松地发挥个人的独特优势。

“总的来讲，我们之所以如此关注类人机器人，是因为我们的世界在很大程度上是围绕类人事物构建的，”

“所以，当我们思考对于设计师而言人工智能应该呈现何种模样时，它得是为设计师量身打造的，这就意味着它需要体现出不同的问题解决风格。”

基于柯顿的适应-创新理论所提出的认知连续体，麦克康布的团队促使现成的大型语言模型去模仿两种认知风格——适应型和创新型——同时生成设计问题的解决方案。适应能力更强的思考者更倾向于通过高度结构化的流程来解决问题，而更具创新精神的思考者则更喜欢更灵活的结构，凭借开创性的想法来解决问题。

瓦斯维·阿加瓦尔是发表于《ASME 计算与信息科学工程杂志》的这篇论文的第一作者，她解释说，该团队采用了零样本提示方法来获取设计解决方案，表明该模型在很少的指导下就能采用一种认知风格。

它生成了有关单手即可打开的有盖食品容器、旅行时可用的轻便便携式健身器材以及在公共场合保护人们财物的方法的设计，既展现出更强的适应性思维，又展现出更具创新性的思维。

研究人员发现，在适应性提示下生成的设计可行性更强——这与人类设计师的情况相同。

同样，在创新提示下生成的设计更具突破性——这再次体现了人类的特征。

阿加瓦尔认为，尽管一些创新设计“突破常规”，但语言模型可以进行微调从而获得更好的结果。

她说：“这项研究的主要目的在于推进人类与人工智能的团队协作。”

在设计团队中运用人工智能，能够减轻工作量，还能创造出更多创新的解决方案。

现在一谈到人工智能，这个世界可太令人兴奋啦。

麦科姆说：“我们已经到达了一个构建系统更容易，并且能测试设计师如何与它们互动的阶段。”

这项工作展现出了一种快速、不断迭代并且与用户互动的研究模式。

我们不仅在推进用于设计的语言模型，而且还在推进一种新的设计研究模式。