BioSpark：超越类比启发至LLM增强迁移
人机交互
2025-03-14 v1
摘要
我们提出了BioSpark，一个旨在作为创造力伙伴的类比创新系统，用于减少在寻找、映射和创造性地适应多样化启发来源时的认知努力。虽然先前方法侧重于寻找启发来源的初始阶段，但BioSpark利用嵌入在熟悉的、类似Pinterest的视觉界面中的LLM，超越启发来源，支持用户识别关键解决方案机制，将其迁移到问题领域，权衡利弊，并展开细节和特征。为实现这一目标，BioSpark引入了若干新颖贡献，包括用于生成相关且多样化启发来源的生命之树方法，以及AI驱动的卡片，包括用于类比迁移的'Sparks'、用于权衡利弊的'Trade-offs'以及用于深入展开的'Q&A'。我们通过专业设计师的工作坊和受控用户研究评估了BioSpark，发现使用BioSpark能够生成更多创意；这些创意在创意质量上评分更高；并且在使用的生物启发来源多样性方面优于对照条件。我们的结果表明了在设计师工作流中嵌入AI的熟悉交互范式中支持创造力的新途径。
引用
@article{arxiv.2503.09838,
title = {BioSpark: Beyond Analogical Inspiration to LLM-augmented Transfer},
author = {Hyeonsu Kang and David Chuan-en Lin and Yan-Ying Chen and Matthew K. Hong and Nikolas Martelaro and Aniket Kittur},
journal= {arXiv preprint arXiv:2503.09838},
year = {2025}
}