生成式AI來勢洶洶，人類是否會被取代的話題甚囂塵上，但答案並非只有「是」與「否」。我們還有另一種選擇，就是活用這項最新科技，強化我們身為人類的寶貴價值。

本文觀念精粹

問題
20年來，企業愈來愈讓外部人士參與新產品構思過程。群眾外包和構想競賽是兩個主要的例子。但企業仍然很難好好利用由此產生的大量構想。

根本原因
缺乏一個有效率的方式來評估構想；領域專家很難接受新穎的構想；貢獻構想的人無法提供必要的細節，讓構想變得可行；綜合不同構想是一項挑戰。這些都是造成問題的因素。

解決方案
生成式AI可以協助克服這些挑戰。它可以擴增員工和顧客的創造力，協助他們生成和找出新穎的構想，並改善原始構想的品質。

▲圖像由Midjourney 生成。這張圖像使用燈泡、花、彩色粉筆、幾何形狀、簡約、乾淨的線條和極簡靜物等提示創造而成。

生成式人工智慧（generative AI）這項科技可以創造新的內容，例如音訊、文本、圖像和影片等，有些人十分擔心它可能會取代人類擔任的許多職務。但是生成式AI提供給企業和政府的最大機會之一，就是擴增人類的創造力，以及克服「創新民主化」（democratizing innovation，亦譯大眾化創新）所面臨的挑戰。

「創新民主化」一詞，是由麻省理工學院（MIT）的艾瑞克．馮希培（Eric von Hippel）所創造。他從1970年代中期以來，一直研究並撰文探討的主題，是產品與服務的使用者有潛力能夠開發自己需要的東西，而不是單純依賴企業來做這件事。讓使用者深度參與創新流程，這個觀念在過去20年左右已然大受歡迎，而且今天有企業利用群眾外包（crowdsourcing）和構想競賽，來生成許多新的構想。然而許多企業很難好好利用這些貢獻，原因在於以下四項挑戰。

第一，創新民主化的努力可能造成評估作業的負荷過重。例如，群眾外包可能會產出極為大量的構想，而其中許多構想最終都會被拋棄或漠視，因為企業缺乏有效率的方式去進行評估，或是缺乏有效率的方式去合併不完整或微小的構想，但如果它們真的合併起來，結果可能十分驚人。

第二，企業可能因為擁有專業知識而受害。最擅長生成與找出「可行」構想的領域專家，往往很難生成、甚至接受「新穎」的構想。

第三，缺乏領域專業知識的人，也許能夠找出新穎的構想，但可能無法提供細節，讓這些構想變得可行。他們無法將雜亂無章的構想，轉化為條理分明的設計。

最後，企業很難見樹又見林。組織專注於結合大量的顧客要求，卻無力產出一個全方位的解決方案，吸引整個社群。

我們的研究，以及我們和企業、學術機構、政府、軍方在數百項創新行動的合作經驗（其中有一些使用生成式AI，有一些沒有），都已證明這項技術可以協助組織克服上述挑戰。它可以擴增員工和顧客的創造力，協助他們生成和找出新穎的構想，並改善原始構想的品質。我們觀察到以下五種方式。

▲圖像使用生成式AI創造。本文作者提示Midjourney製作一張結合大象和蝴蝶的圖像，並稱之為「象蝶」（phantafly）。

1促進發散式思考

生成式A I可以支援發散式思考（divergent thinking），讓我們在彼此不相關的概念之間建立關聯，並從中產生構想。這裡舉一個例子來說明我們如何使用Midjourney。Midjourney是一套把文字轉為圖像的演算法，可以偵測圖像之間的類比相似性，因而能依照人類的文字提示，來生成新穎的產品設計。（本文提到的例子使用了Midjourney、ChatGPT和Stable Diffusion，但現在可以運用的生成式AI工具非常多，它們只是其中一小部分而已。）我們要求Midjourney結合大象和蝴蝶來創造一張圖像，然後它就產生了一個混合生物，我們稱為「象蝶」（phantafly）。

接著，我們參考這張由Midjourney產出的細節豐富的「算圖」（rendering）來產生一些提示，用於Stable Diffusion。這是另一款受到歡迎的文字轉圖像模型，為不同產品類別生成了一系列構想，包括椅子和傳統手工巧克力糖果（見次頁圖）

以這種方式迅速而低成本地產出大量設計，讓企業能夠快速評估許多不同的產品概念。例如，服裝公司使用生成式AI來創造T恤的新設計，也許就能站在潮流的最前端，並給顧客提供不斷變化的產品選擇。

另一個例子可說明這項科技如何將各種構想連結起來，創造出個人或團隊也許永遠無法靠自己想出來的概念。我們用ChatGPT這種以大型語言模型著稱的生成式AI，來引導產生各種構想。我們要求它連結三個不同的東西，藉由這種三重關聯（trisociation）的過程來生成各種構想；三重關聯是指連結三個不同的實體，這是「二元關聯」（bisociation）這種創意技巧的擴大做法。我們團隊給ChatGPT以下的提示：「你將扮演構想發想者的角色。請隨機生成十個常見的名詞，然後從中隨機選擇兩個名詞，接著要我提供第三個名詞。你把你找出的兩個名詞和我提供的那個名詞組合起來，或建立它們之間的關聯，然後生成一個商業構想。」

ChatGPT生成了「食物」和「科技」這兩個名詞。它提示我們提供第三個名詞時，我們輸入了「汽車」。ChatGPT很快就產生出以下的商業構想：「一種智慧型外送服務，使用自動駕駛汽車將餐點送交顧客。科技層面可能包括運用AI來優化送餐路線、即時追蹤食物溫度，以及給顧客提供訂單處理狀態的即時更新資訊。這種服務可以針對忙碌的專業人士和家庭，他們希望在不犧牲美味和品質的情況下，獲得便利、健康的餐飲選擇。」

在另一回合，ChatGPT產生了「航空公司」和「椅子」這兩個名詞。它提示我們提供第三個名詞時，我們輸入了「大學」，然後ChatGPT就產生出一個商業概念，提供一個便捷而具有成本效益的方式，讓學生和學者可以參加世界各地的會議和工作坊，而且還能在飛行途中取用圖書館裡收藏的教育書籍。它建議將這家航空公司命名為「飛讀」（Flyand Study）或「育飛」（Edu-Fly）。

2挑戰專業知識偏見

在新產品開發的初期階段，生成式AI創造的非典型設計，可以激發設計師在思考可能或渴望的產品形式與功能時，擺脫既有的成見。這種方法所能產生的解決方案，是人類運用傳統方法也許永遠想像不到的。傳統的方法是先確定各項功能，然後配合這些功能來設計產品的形式。生成式AI提供的這些構想有助於克服偏見，例如設計的僵化（過度依賴標準的設計形式）、功能的固化（無法想像傳統用途之外的其他用途），以及定勢效應（Einstellungeffect），也就是過往的個人經驗會阻礙人們考慮運用新方法解決問題。

以下的例子可說明這個過程。我們要求StableDiffusion針對以螃蟹為靈感的玩具生成一些一般的設計，但沒有提供任何功能規格的說明。在看到生成的設計後，我們才去想像它們的功能。例如，上圖以螃蟹為靈感的一堆玩具中，左上角那個可以發展成爬牆的玩具，而它旁邊那個可以是一個把小球射過房間的玩具。靠近中間那個盤子上的螃蟹，可以當成寵物的慢食盤。

這並不是構思出不尋常產品的全新方式：迪士尼世界（Disney World）之類的主題樂園有許多建築和乘坐式遊樂設施，一直以來，推動它們的力量就是渴望重現故事的場景和角色。但是生成式AI工具有助於啟動企業創造出富於想像力的設計。

▲由左至右：本文作者提示Stable Diffusion 生成一些以「象蝶」為靈感的椅子和傳統手工巧克力設計。在另一次演練中，作者要求Stable Diffusion 提出以螃蟹為靈感的玩具概念。

3協助評估構想

生成式AI工具還可以在創新前期的其他層面提供助力，包括提升構想的明確性，以及評估各種構想，有時還可以結合不同的構想。假設有一個創新挑戰，目標是找出方法盡量把食物浪費降到最低。ChatGPT評估了三個原始構想的優缺點：（1）包裝上標示動態的有效日期（標籤會根據食物存放位置的環境條件，自動更改日期或顏色）；（2）開發應用程式（app），協助使用者捐贈食物；（3）舉辦宣傳活動，教育人們了解有效日期的類型，以及它們在新鮮度和適合食用度方面代表的意義。ChatGPT對這些優缺點進行平衡的分析，反映出對這個問題感興趣的兩個人，在討論這些構想的優點時可能會出現的情況。例如，ChatGPT評估動態有效日期包裝的概念時，判定這個做法能協助消費者更了解產品的保存期限，並鼓勵食品製造商減少每批次生產的數量，因而雜貨店就能更頻繁補貨到架上。此外，ChatGPT指出，動態有效日期可能需要大幅更動製造和包裝流程，因此有可能提高製造商和消費者的成本。

ChatGPT判定食物捐贈app可以鼓勵人們在食物… 閱讀完整內容