中國人工智能產品的設計評價現狀與發展趨勢研究綜述

陳國強，徐麗，于雷，涂偉龍，楊智文

【專題：智能交互時代智能制造的創新設計理論及方法】

中國人工智能產品的設計評價現狀與發展趨勢研究綜述

陳國強，徐麗，于雷，涂偉龍，楊智文

（燕山大學，河北 秦皇島 066000）

針對中國的設計現狀，通過探索現有產品的設計評價體系是否適切于人工智能產品，能夠為人工智能產品的設計及評價研究提供一個更完整的視角。以對比分析為主要研究手段。探析產品和人工智能產品的核心理念，分析兩者之間的區別，為研究主體定性；針對產品和人工智能產品的設計評價展開數據計量分析，了解2個領域的研究熱點與發展趨勢；剖析人工智能、人工智能產品和人工智能產品設計評價的現存問題和發展演進，從歷史角度梳理階段性研究成果并展開熱點評述，進一步定義人工智能產品的設計評價熱點前沿與發展趨勢；綜合所有分析結果共同定位現有產品的設計評價體系對人工智能產品設計評價的適切度。論述了人工智能產品設計評價的重要作用，梳理了現存理論與方法，定位了發展程度，預測了未來的研究重點和發展方向，為構建更加科學、客觀且適切的人工智能產品的設計評價體系提供了理論依據。有助于把控生成產品的質量，提高產品應用落地率，使之與研發投入保持相互平衡的狀態，同時可反向助力于優化人工智能的算法和技術。綜合基本邏輯的區別探析、數據計量分析和發展演進研究的結果，論證了中國現有產品的設計評價體系與人工智能產品的設計評價體系是部分適切的關系，因此人工智能產品的設計評價體系研究與構建不能完全移植產品設計評價的研究成果，需要在部分借鑒與參考現有成果的基礎之上展開以人工智能產品特殊性為核心的針對性研究，進而構建成熟的人工智能產品的設計評價體系。

設計評價；人工智能產品；數據計量分析；發展演進

新一輪的科技革命不斷刺激著產業革新，全行業智能化轉型成為時代主題[1]。人工智能作為智能化轉型的核心熱點，具有自我收集、學習和分析數據的能力，能夠通過推導與演繹感知環境并作出反饋[2]。人工智能的研究成果可以有效地從技術、理論、方法和應用的角度模擬并拓展人的智能，其相關應用已經逐漸蔓延至包括產品設計在內的各個領域，給產品的設計、體驗和欣賞帶來新的機遇和挑戰。

目前，我國在該領域的研究多注重算法的精進。但就科技而言，現階段人工智能產品是否能被人們所認可，是否具有足夠的可靠性，是否具有個性化特征和情感屬性引發了學者的深入思考，許多學者也由此提出了“人工智能威脅論”[3]“人工智能責任鴻溝”[4]“人工智能算法厭惡”[5]“人工智能倫理論”[6]等理論。綜合而言，人工智能產品的核心優勢是具有自主性和學習能力，在發展過程中也因此出現自我學習的可控性弱、產品情感化設計缺失、人與人工智能產品之間的信任與協同度低、隱私保護與倫理遵守缺陷、可靠性評價不成體系、產品準入制度不完善和產品應用落地率低等問題，究其成因，核心是缺少對人工智能產品的設計評價標準與體系的系統性研究。

本文主要以中國人工智能產品的設計現狀為基礎，針對其設計評價展開研究解析：運用數據計量分析的方法，對比分析產品設計評價和人工智能產品的設計評價，歸納總結人工智能產品的設計評價研究進展和發展歷程，闡述研究熱點與前沿領域，最終定位中國現有產品的設計評價體系與人工智能產品設計的適切度，為構建中國人工智能產品的設計評價體系進行基礎性研究。

1 基本邏輯的區別

基本邏輯是事物最基本的原理或事實，把握事物的基本邏輯可以保證認識和研究事物方向的正確性。因此，基于基本邏輯的分析和推演能夠輸出客觀且正確的研究結論，其重要作用[7]如圖1所示。本研究的目的為定位現有產品的設計評價體系對人工智能產品的適切度，產品和人工智能產品基本邏輯的研究可作為基礎。

第四次工業革命又稱為綠色革命，人工智能成為革命中推動新技術、新業態、新模式發展和傳統產業變革的重要力量[8]。人工智能的本質是數據和計算，可以具化為算力、算法和數據，數據的可計算性是促進前沿科技不斷演進的核心力量[9]。可計算是第四次工業革命的基本邏輯，其哲學含義可以解釋為具備正確可能性的思想、實現正確思想的可被計算的所有對象及能夠計算所有可能性的算力3個要素[10-11]。在第四次工業革命的背景下，產品和人工智能產品都可以進行以可計算為核心的基本邏輯探析。

產品的本質可以理解為滿足用戶需求的方案，Creusen[12]強調產品具有物理屬性，表現為不同功能模塊的創新組合；Brakus[13]和Homburg等[14]提出產品能夠表達情感，是對服務的一種物理化呈現；張林波等[15]提出產品具有生態性，是一種為消費者“量需定制”的使用體驗。王宏飛[16]認為人工智能產品是具有信息計算和學習能力的工具或相關功能零部件的集合，其設計是利用知識對產品或零部件進行整合使其具備目標功能的手段；齊佳音等[17]強調人工智能產品憑借較強的感知、計算和決策能力能夠更為高效地實現預期設計目標；楊慧等[18]從消費者購買意愿的角度論述了對人工智能產品展開設計評價的強需求性。由此可知，人工智能產品是產品的智能化升級，是第四次工業革命背景下產品的重要組成部分之一。以第四次工業革命的基本邏輯為參照進行分析：產品和人工智能產品的基本邏輯可以定義為思想、對象和算力三個維度[19]，具備正確可能性的思想可以理解為產品和人工智能產品的合理性和正確性，強調的是評價的概念，其中產品的基本邏輯包含功能、情感與服務的滿足度[20-22]，人工智能產品更加強調功能目標的達成度；實現正確思想的可被計算的所有對象可以細化為產品和人工智能產品本身所表現出來的特性，如功能、形態、色彩、材質等方面（即產品構成的基礎模塊），是產品整體和各部分零件所具有的產品數據的集合；能夠計算所有可能性的算力可以定義為實現設計需求與目標達成度的能力[23-24]。

圖1 基本邏輯的重要作用

綜上所述，產品和人工智能產品的基本邏輯研究奠定了設計評價的核心地位，進一步驗證了本研究的需求性與必要性。對比分析基本邏輯可知：人工智能產品的設計評價須在合理性與正確性的評價、整體與零部件所具有的數據集合評價和預期目標達成度評價的基礎之上增加情感與服務的滿足度評價，可以為評價系統和指標體系的構建提供一定的指導。

2 數據計量分析

2.1 研究方法

本文的研究方法為文獻計量法，利用數學和統計學的手段進行定量分析，預測產品設計評價和人工智能產品設計評價的研究現狀與發展趨勢。分析流程為定義研究目的與范圍、選擇適切的分析技術、收集數據及數據分析[25]。技術的選擇需基于研究目的與范圍，本節重點針對產品設計評價和人工智能產品的設計評價展開空間分布和時間演進可視化分析，通過對比的手段，探討現有產品的設計評價體系與人工智能產品的設計評價體系的適切度。空間分布可視化分析包括科研機構、發文作者和熱點主題的共現分析，目的在于為研究者提供該領域的研究熱點和發展方向；時間演進可視化分析包括發文數量和熱點主題，有助于分析目標領域的發展歷史并預測發展趨勢[26]。運用CiteSpace（版本號為5.7.R2）展開標題、摘要、關鍵詞、作者、國家/地區、科研機構等信息的數據挖掘與分析[27]。為確保原始樣本數據足夠全面和權威，選擇中國知網中的中文社會科學引文索引CSSCI和核心期刊數據集作為原始樣本源進行數據的搜集和整理，檢索的結束時間為2022年12月31日。以“產品設計評價”為主題詞進行檢索，去除新聞、課程、金融、旅游和化工等文獻以提升研究數據的代表性和準確性，確定樣本數據為366篇。以人工智能領域具有代表性的技術算法（人工智能、機器學習、深度學習、決策樹、隨機森林、支持向量機、樸素貝葉斯、K近鄰算法、邏輯回歸和神經網絡等）為關鍵詞，通過機器篩選和人工篩選結合的方式在產品設計評價樣本數據中篩選與人工智能產品相關的樣本，最終確定人工智能產品的設計評價研究樣本數據為29篇。分別以366篇和29篇樣本數據為基礎數據展開關于“產品設計評價”和“人工智能產品的設計評價”兩方面的數據計量分析。

2.2 空間分布可視化分析

運用CiteSpace V軟件，網絡節點先后選擇機構、作者和關鍵詞，分別得到如圖2—4所示的產品設計評價和人工智能產品的設計評價關于科研機構、發文作者和熱點主題的共現網絡，進而展開共現分析，結果見表1—3。共現結果表明，在產品設計評價領域中，科研機構和發文作者方面的研究力量雄厚，人工智能產品的設計評價研究力量薄弱。以理工類院校為核心力量，地理位置的分散和研究方向的發散限制了相互之間的研究合作，但仍存在核心團隊。其中，西北工業大學以陳彥蒿等[28]為核心，研究以機電產品設計評價、文創產品設計評價和網絡評價群決策系統為主；合肥工業大學以鮑宏等[29]為核心，主要研究產品生產設計制造的綠色設計評價；浙江大學團隊依托計算機學院和CAD&CG國家重點實驗室的先進科研條件，借助計算機學科產品參數化網絡分析等手段主要對復雜產品展開設計評價研究[30]；河北工業大學楊冬梅等[31]主要研究老年人產品設計評價；山東大學馬艷等[32]主要研究綠色設計與生命周期評價。人工智能產品的設計評價領域研究力量薄弱，整體合作水平一般。相比較而言，產品設計評價研究相對成熟，體系仍在不斷完善，人工智能產品的設計評價研究處于萌芽探索階段。

圖2 科研機構共現網絡

圖3 發文作者共現網絡

圖4 熱點主題共現網絡

表1 科研機構共現分析結果對比

Tab.1 Comparison of the co-emergence analysis results of scientific research institutions

表2 發文作者共現分析結果對比

Tab.2 Comparison of the co-emergence analysis results of authors

表3 熱點主題共現分析結果對比

Tab.3 Comparison of the co-emergence analysis results of hot topics

高頻關鍵詞能夠反映目標領域的研究重點，見表4—5。采用層次分析法聚焦熱點主題，更有助于深入分析。采用KJ法[33]（一種民主評議、集體決策的思維方式，更加側重于綜合性地歸納不同性質的數據，保證分析結果更加客觀、理性）先后對2個領域的高頻關鍵詞進行層次分類、歸納和命名，去除與檢索項重復性較強的關鍵詞（“產品設計、設計評價、評價和設計”等），最終的分析結果相對一致，同樣可以整理為三大熱點主題，如圖5所示，其中設計評價理論是基礎研究，設計評價方法是行動指南，設計評價應用是實例驗證。

雖說是印刷科班出身，但在報業浸潤多年，加之多個管理崗位的歷練，郭獻軍已習慣于從多維角度切入去分析問題。采訪中，他建議我們跳出固有的思維模式，讓視野更廣闊一些，而不是就印刷談印刷。所謂眼光放遠格局更大，我想，關于報紙與報紙印刷的未來，正是如此！

表4 產品設計評價高頻關鍵詞

Tab.4 High-frequency key words of product design evaluation

表5 人工智能產品的設計評價高頻關鍵詞

Tab.5 High-frequency key words of AI product design evaluation

圖5 三大熱點主題（KJ法聚類）

通過對三大熱點主題的深入分析可知，現有產品的設計評價理論研究較為豐富且評價體系相對成熟。如圖6所示，為構建評價體系，需要在評價理論的基礎上提出相應的評價指標體系，選擇或創新應用合適的評價方法，從而形成基于某理論或某評價方法的評價模型。評價對象實踐是針對某一產品類別、設計環節、具體的產品設計或設計要素進行的實際評價活動。產品設計評價往往涉及產品全生命周期的眾多復雜問題，其研究需立足于相關學科的眾多思想理論[34]。目前我國產品設計評價理論研究以綜合評價和生命周期評價為基礎，主要從產品設計開發、生產制造管理、生態環境保護的角度出發，構建相應的評價理論。科學性是客觀評價的基礎，適配性是合理評價的前提。然而，關于人工智能產品的設計評價理論研究有限，且針對性不強。目前的研究主要集中在方法領域，進一步驗證了關于人工智能產品的設計評價研究未成體系。綜合來看，面對具有復雜系統的人工智能產品，對其進行科學、客觀、適切且全面的評價極具難度和挑戰性。

2.3 時間演進可視化分析

年度發文量見圖7，熱點主題突現值的對比分析如圖8—9所示。產品設計評價大致可分為3個階段：萌芽探索階段（1992—1997年），產品設計評價發跡于產品設計市場實踐研究，以產學研模式探索為代表，標志著產品設計評價領域的初步確立；快速發展階段（1998—2007年），隨著經濟的高速發展和國外優秀產品的不斷涌進，國外先進設計實踐理論進一步促進了國內產品設計評價的研究，使之呈現出兩段式高速增長態勢，相關研究發展迅猛，研究內容更加全面和深入，整體研究框架基本確立；波動發展階段（2008—2022年），該階段產品設計評價研究受國家發展戰略、信息技術革命和社會環境因素的影響呈現三段式波動狀態。隨著《關于促進工業設計發展的若干指導意見》的發布，工業設計學科中以感性工學為代表的從設計要素和用戶體驗視域出發的產品設計感性評價研究逐步展開。文化建設、健康中國[35]等國家戰略的提出以及大數據[36]、機器深度學習技術[37]的快速發展進一步拓展了產品設計評價的研究方向，使之在研究內容和方法方面取得了突破性創新。對比可知，人工智能產品的設計評價研究起源于產品設計評價快速發展后期，主要驅動力量是技術革命。

圖6 產品設計評價應用體系構建圖解

圖7 年度發文量

圖8 產品設計評價關鍵詞突現值排名

圖9 人工智能產品的設計評價關鍵詞突現值排名

目前產品設計評價領域的研究呈現理論、方法和應用三驅并進的態勢：理論研究主要是指從以綠色設計為核心的環境保護評價及以并行工程為核心的生產制造管理評價轉向以設計思維為核心的設計要素評價、用戶體驗評價和設計與制造的綜合評價；方法研究從利用模糊數學對多因素且模糊的評價指標進行科學量化處理的研究開始，不斷探索其他應用于產品設計評價的新方法，通過融合的手段不斷提升評價方法的適配性，進而提高評價結果的精確度；評價應用從致力于開發產品設計評價決策支持系統向致力于促進更加優良的方案設計產出進行轉變。人工智能產品的設計評價研究主要集中于評價方法研究，不斷探索將以BP神經網絡為代表的機器學習技術作為評價方法的創新應用。

2.4 可視化分析結果

空間分布和時間演進可視化對比分析結果表明：人工智能產品的設計評價研究力量薄弱，研究方向不聚焦，技術革命是主要驅動力。現有的研究內容以方法研究為主，方法的研究主要集中于利用人工智能技術手段對現有產品展開設計評價研究，對人工智能產品自身的設計評價研究更為薄弱。隨著人工智能相關技術的快速發展，人工智能產品大量涌現。由于缺少有效的評價體系，無法保證人工智能產品質量和需求的滿意達成度。深入研究相關理論和原則，構建系統性的評價指標體系及理論模型成為研究重點。綜合而言，空間分布和時間演進的可視化分析揭示了人工智能產品設計評價在研究熱點和趨勢上與產品設計評價具有一定的內容重合性和規律統一性。因此，產品設計評價已形成的相對成熟的理論研究和評價體系在一定程度上能夠為人工智能產品的設計評價提供基礎和思路。除此之外，可視化的分析結果進一步驗證了在創新驅動的社會發展中，對大量涌現的人工智能產品進行評價以輸出真正優良的轉化方案是本領域需要解決的應用實踐問題。

3 發展演進研究

由于現階段關于人工智能產品的設計評價研究有限，可分析的數據樣本相對有限，本研究嘗試從人工智能、人工智能產品和產品設計評價的發展歷程等角度找到人工智能產品設計評價發展演進的切入點，以期更好地了解人工智能產品設計評價研究中的現存問題，提出針對性的解決辦法。

3.1 人工智能的發展歷程

人工智能的核心是機器智能，包括感知、思維、學習和行為四個部分，關鍵技術包含算法（重要推動力）、軟件框架（算法應用媒介）和芯片（關鍵基礎硬件）[38]，其概念的提出可以追溯到“圖靈測試”[39]，人工智能在1956年的達特茅斯會議上被正式確定為研究學科，部分代表性成果見表6。

人工智能的發展可以劃分為6個階段：起步發展階段（1956—1974年）、反思發展階段（1975—1980年）、快速發展階段（1981—1987年）、抑制發展階段（1988—1993年）、復蘇發展階段（1994—2005年）和高速發展階段（2006—2022年）。2006年以深度學習為代表的人工智能技術的飛速發展，促進了人工智能在第三次發展高潮中由復蘇發展轉向高速發展[42]。

3.2 人工智能產品的發展歷程

以“人工智能+產品設計”為檢索詞，確定樣本數據為142篇，運用CiteSpace V軟件展開人工智能產品熱點主題共現分析和時間演進分析，結果如圖11所示，輸出的359個關鍵詞彼此之間的連線較多（=705），共現網絡密度較低（Density值=0.001 1）。綜合分析可知，現有的研究主要集中于不同技術手段在設計中的運用，是對人工智能產品設計過程的研究。對人工智能產品的研究處于不斷發展中，感性工學、價值工程學、情感計算和設計倫理可以被納入其中。深入研究發現，該領域現有的研究中雖然沒有直接體現設計評價，但研究內容表明現有的理論研究慢慢在向人工智能和人工智能產品的評價方向傾斜，如“人工智能威脅論”“人工智能責任鴻溝”“人工智能算法厭惡”“人工智能倫理論”等，從不同的切入點展開對人工智能和人工智能產品的評判，為人工智能產品的設計評價提供了一定的研究基礎。

表6 人工智能取得的重大研究成果

Tab.6 Major research achievements in AI

圖10 人工智能發展歷程

圖11 熱點主題共現網絡、熱點主題Timezone圖譜（人工智能產品）

隨著人工智能相關技術的發展，具有時代代表性的人工智能產品層出不窮，部分產品見表7。結合人工智能的發展歷程進行分析，未來人工智能產品的發展將追求更自然的交互、更智慧的功能、更個性的服務和更全面的自動化生產[43]。人工智能產品是公式化的設計產物，能更好地滿足用戶在使用功能方面的需求。然而在實際生活中，產品除了需要具備使用功能之外，也要具備文化功能和審美功能[44]。而現階段的人工智能并不具備對社會環境、文化底蘊和人類情感的理解能力，因此生成的產品對文化、審美和情感的表達相對較弱。

結合共現分析結果、時間演進分析結果和代表性產品產生的時間可知，人工智能產品的文獻研究起步于1996年，其發展歷程可以分為3個階段：萌芽探索階段（1951—1995年）、穩步發展階段（1996—2005年）和高速發展階段（2006—2022年）。

3.3 人工智能產品的設計評價發展歷程

綜合數據計量對比分析（產品設計評價與人工智能產品的設計評價）和人工智能與人工智能產品的發展歷程分析，探討人工智能產品的設計評價發展歷程和歷史演進。如圖12所示為人工智能、人工智能產品、產品設計評價和人工智能產品設計評價的發展歷程圖解，由人工智能產品的設計評價發文量時間演進可視化分析結果可知，2005年為起始點，年發文量較低且不穩定，其發展歷程可劃分為4個階段：萌芽探索階段（1951—2005年）、波動發展階段（2006—2013年）、穩步發展階段（2014—2018年）和抑制發展階段（2019—2022年）。綜合分析相關領域的研究現狀和趨勢，可大膽地猜測未來將進入蓬勃發展階段。

表7 具有代表性的人工智能產品

Tab.7 Representative AI product

圖12 發展歷程

3.4 人工智能產品的設計評價發展演進

發展演進分析能夠將目標研究領域的前沿熱點進行直觀的可視化表達，有利于以熱點主題為中心探討研究趨勢。通過將熱點主題帶入發展歷程（如圖12所示）中，進行雙維度的研究，橫向沿人工智能產品的設計評價發展歷程展開，縱向以熱點主題為核心，歷史發展演進圖解如圖13所示。由于人工智能產品的設計評價未成體系，研究力量比較薄弱，因此演進趨勢的研究可以借鑒產品設計評價的成熟體系：理論研究以設計思維為核心，展開融合設計要素、用戶體驗和設計制造等方面的綜合性評價理論研究；在方法上致力于研究綜合的評價方法和其他學科方法的遷移，進而實現多方法的創新融合；在應用演進分析中，重點對設計方案的直接評價進行研究，評判并把控人工智能產品的質量，提高產品應用落地率。

4 評價體系適切度定位

評價體系適切度定位是指現有產品設計評價體系是否適切于人工智能產品的設計評價分析，通過基本邏輯（基本邏輯的區別）、研究熱點與評價體系（數據計量分析）、發展歷程與發展演進（發展演進研究），層層遞進地論述了二者之間部分適切的關系。如圖14所示，綜合分析結果可知：從宏觀的角度來看，二者具有較高的內容重合性和規律統一性，因此現有的產品設計評價體系與人工智能產品的設計評價體系是部分適切的關系，具體的作用機制包括補充、借鑒、拓展、預測與指導；從微觀的角度來看，基本邏輯的對比分析表明二者在思想維度不適切，對象維度和算力維度保持相對適切但研究的側重點有所不同，提出了人工智能產品的設計評價需要在現有的三大評價模塊（產品合理性與正確性評價、整體與零部件所具有的產品數據的集合評價、預期目標達成度評價）的基礎上增加情感與服務滿足度模塊，構建四大模塊體系。研究熱點與評價體系的對比分析說明了二者具有共同的前沿研究內容（評價理論、方法、應用）和評價體系中方法維度的研究成果，針對人工智能產品設計評價體系的不足，提出構建系統性的評價指標體系與理論模型的研究重點。二者的發展歷程大致保持統一，然而人工智能產品的設計評價起步較晚，同歷史時段下的具體表現與產品設計評價發展狀況有所出入。發展演進的研究維度保持彼此適切，而具體內容不完全適切，需要以人工智能產品的特殊性為核心進行針對性的研究。人工智能產品的設計評價發展方向可以利用現有的產品設計評價體系進行有效預測：追求綜合性的評價理論研究、實現多方法的創新融合研究和產品設計方案的直接評價研究。

圖13 人工智能產品設計評價歷史演進

圖14 評價體系適切度定位

5 結語

放眼未來，人工智能技術和人工智能產品的研究成果將呈現爆炸式增長，然而以人工智能為工具進行設計轉化生成的產品不可能自我演變出情感和道德。面對大量涌現的人工智能產品，對其進行科學且有效的設計評價研究是保證質量和需求達成度的決定性手段。因此，在人工智能產品和服務的研究中，評價環節需要被高度重視。本文對比分析了國內產品設計評價和人工智能產品設計評價的現有研究成果、熱點和趨勢，指出了現階段研究存在的問題與難點；探索了產品和人工智能產品的基本邏輯，保證了研究方向的正確性；結合人工智能和人工智能產品發展歷程的研究結果，梳理了人工智能產品的設計評價發展演進，對熱點與趨勢進行了預測，最終實現了現有產品設計評價體系與人工智能產品的設計評價體系適切度的定位。結果表明，現有的產品設計評價體系對人工智能產品的設計評價體系研究有較強的借鑒價值，領域的跨界、團隊研究成果的集聚效應、產品品類研究成果的嫁接、科技創新、政策引導、需求升級、設計能動性的提高和評價視角的轉變可以在不同的歷史階段下為人工智能產品的設計評價研究提供有效的發展路徑。構建系統性的評價體系，有利于人工智能產品設計積極地應對社會、技術和需求的飛速變化，作出實時且有效的正反饋，最終保證人工智能產品的質量和應用落地率。總體來說，目前人工智能產品的設計評價研究相對薄弱且處于抑制發展階段，如何構建更加完善且適切的評價體系需要更加深入的探索研究。

[1] 陸繼翔, 余隋懷, 陸長德. 面向工業設計的智能設計體系[J]. 機械設計, 2020, 37(4): 140-144. LU Ji-xiang, YU Sui-huai, LU Chang-de. Intelligent Design System for Industrial Design[J]. Journal of Machine Design, 2020, 37(4): 140-144.

[2] MARTíNEZ-PLUMED F, GóMEZ E, HERNáNDEZ- ORALLO J. Futures of Artificial Intelligence through Technology Readiness Levels[J]. Telematics and Informatics, 2021, 58: 101, 525.

[3] DE VAN N. The Ethics of AI,Unesco and the African Ubuntu Perspective[J]. Journal of Information, Communication and Ethics in Society, 2023, 21(1): 112-128.

[4] 褚建勛, 劉新生. 試論人工智能產品可靠性與企業倫理責任[J]. 自然辯證法研究, 2022, 38(10): 71-77. CHU Jian-xun, LIU Xin-sheng. On the Reliability of Artificial Intelligence Products and the Ethical Responsibility of Enterprises[J]. Studies in Dialectics of Nature, 2022, 38(10): 71-77.

[5] 李游, 梁哲浩, 常亞平. 用戶對人工智能產品的算法厭惡研究述評及展望[J]. 管理學報, 2022, 19(11): 1725-1732. LI You, LIANG Zhe-hao, CHANG Ya-ping. Consumers' Algorithm Aversion to AI Products: A Literature Review and Prospect[J]. Chinese Journal of Management, 2022, 19(11): 1725-1732.

[6] HOLMES W, PORAYSKA-POMSTA K. The Ethics of Artificial Intelligence in Education: Practices, Challenges, and Debates[M]. New York: Routledge, 2022.

[7] HEIDEGGER M. Basic Questions of Philosophy: Selected "Problems" of "Logic"[M]. Bloomington: Indiana University Press, 1994

[8] QIN Shi-fan, LI Long-jiang. Visual Analysis of Image Processing in the Mining Field Based on a Knowledge Map[J]. Sustainability, 2023, 15(3): 1810.

[9] 曹祥哲. 人工智能視域下的產品設計新特征及情感交互設計探究[J]. 包裝工程, 2022, 43(18): 32-38. CAO Xiang-zhe. New Features of Product Design and Emotional Interaction Design from Perspective of Artificial Intelligence[J]. Packaging Engineering, 2022, 43(18): 32-38.

[10] SAMPATH KUMAR V R, KHAMIS A, FIORINI S, et al. Ontologies for Industry 4.0[J]. The Knowledge Engineering Review, 2019, 34: e17.

[11] 馬奔, 葉紫蒙, 楊悅兮. 中國式現代化與第四次工業革命: 風險和應對[J]. 山東大學學報(哲學社會科學版), 2023(1): 11-19. MA Ben, YE Zi-meng, YANG Yue-xi. Chinese Path to Modernization and the Fourth Industrial Revolution: Risks and Solutions[J]. Journal of Shandong University (Philosophy and Social Sciences), 2023(1): 11-19.

[12] CREUSEN M E H. Research Opportunities Related to Consumer Response to Product Design[J]. Journal of Product Innovation Management, 2011, 28(3): 405-408.

[13] BRAKUS J. Experiential Product Attributes and Preferences for New Products: The Role of Processing Fluency[J]. Journal of Business Research, 2014, 67(11): 2291-2298.

[14] HOMBURG C, SCHWEMMLE M, KUEHNL C. New Product Design: Concept, Measurement, and Consequences[J]. Journal of Marketing, 2015, 79(3): 41-56.

[15] 張林波, 虞慧怡, 郝超志, 等. 生態產品概念再定義及其內涵辨析[J]. 環境科學研究, 2021, 34(3): 655-660. ZHANG Lin-bo, YU Hui-yi, HAO Chao-zhi, et al. Redefinition and Connotation Analysis of Ecosystem Product[J]. Research of Environmental Sciences, 2021, 34(3): 655-660.

[16] 王宏飛. 論人工智能產品的設計邏輯[J]. 創意設計源, 2019(6): 43-47. WANG Hong-fei. On the Design Logic of Artificial Intelligence Products[J]. Idea&Design, 2019(6): 43-47.

[17] 齊佳音, 王琳琳, 袁雨飛. 人工智能產品的適應性創新邏輯——哈貝馬斯交往理論視角[J]. 北京交通大學學報(社會科學版), 2021, 20(1): 31-45. QI Jia-yin, WANG Lin-lin, YUAN Yu-fei. Adaptive Innovation of AI Products: Based on Habermas'Communication Theory[J]. Journal of Beijing Jiaotong University (Social Sciences Edition), 2021, 20(1): 31-45.

[18] 楊慧, 王舒婷. 人工智能產品對消費者自我擴展感知的影響研究[J]. 江西社會科學, 2021, 41(11): 211-220. YANG Hui, WANG Shu-ting. Research on the Influence of Artificial Intelligence Products on Consumers' Self-Expansion Perception[J]. Jiangxi Social Sciences, 2021, 41(11): 211-220.

[19] LONGLEY J, NORMANN D. Higher-Order Computability[M]. Berlin, Heidelberg: Springer Berlin Heidelberg, 2015.

[20] 任成元. 產品設計[M]. 北京: 人民郵電出版社, 2016.REN Cheng-yuan. Product Design[M]. Beijing: Posts and Telecommunications Press, 2016.

[21] LUCHS M G, BROWER J, CHITTURI R. Product Choice and the Importance of Aesthetic Design Given the Emotion-Laden Trade-off between Sustainability and Functional Performance[J]. Journal of Product Innovation Management, 2012, 29(6): 903-916.

[22] ROTH C H, KINNEY L L, JOHN E B. Fundamentals of logic design[M]. Enhanced seventh edition.

[23] GIL D, HOBSON S, MOJSILOVIć A, et al. AI for Management: An Overview[M]//The Future of Management in an AI World. Cham: Palgrave Macmillan, 2020: 3-19.

[24] NETO W L, AUSTIN M, TEMPLE S, et al. LSOracle: A Logic Synthesis Framework Driven by Artificial Intelligence: Invited Paper[C]//2019 IEEE/ACM International Conference on Computer-Aided Design (ICCAD). Westminster, CO, USA. IEEE, 2019: 1-6.

[25] 師洪波, 郭紅梅, 岳婷, 等. 基于分布式大數據技術的科學計量模塊化分析平臺構建研究[J]. 數據分析與知識發現, 2020, 4(Z1): 231-238.SHI Hong-bo, GUO Hong-mei, YUE Ting, et al. Research on the Construction of Modular Analysis Platform for Scientific Metrology Based on Distributed Big Data Technology[J]. Data Analysis and Knowledge Discovery, 2020, 4(Z1): 231-238.

[26] 孫大光, 唐小飛, 魯平俊. 知識創新管理研究熱點與演進——基于“協同引證矩陣”和“時間異質性LOG模型”的分析[J]. 科研管理, 2021, 42(2): 1-11. SUN Da-guang, TANG Xiao-fei, LU Ping-jun. Hotspots and Evolution of Knowledge Innovation Management Research—An Analysis Based on Cocitation Matrix and Time-Heterogenous Log-Multiplicative Model[J]. Science Research Management, 2021, 42(2): 1-11.

[27] 許娜, 黃嵐鈴. 基于CiteSpace的旅游服務設計研究可視化分析[J]. 包裝工程, 2022, 43(24)204-214 XU Na, HUANG Lan-ling. Visual Analysis of Tourism Service Design Research Based on CiteSpace[J]. Packaging Engineering, 2022, 43(24)204-214

[28] 陳彥蒿, 余隋懷, 初建杰, 等. 基于猶豫模糊集的飛機駕駛艙形態評價[J]. 浙江大學學報(工學版), 2022, 56(8): 1568-1577. CHEN Yan-hao, YU Sui-huai, CHU Jian-jie, et al. Evaluation of Aircraft Cockpit Form Based on Hesitant Fuzzy Sets[J]. Journal of Zhejiang University (Engineering Science), 2022, 56(8): 1568-1577.

[29] 鮑宏, 劉光復, 張雷, 等. 面向多樣性和綠色性需求滿意的產品配置設計[J]. 中國機械工程, 2012, 23(7): 815-822. BAO Hong, LIU Guang-fu, ZHANG Lei, et al. Product Configuration Design Oriented to Satisfaction for Diversity and Green Requirements[J]. China Mechanical Engineering, 2012, 23(7): 815-822.

[30] 楊智淵, 楊文波, 楊光, 等. 人工智能賦能的設計評價方法研究與應用[J]. 包裝工程, 2021, 42(18): 24-34, 62. YANG Zhi-yuan, YANG Wen-bo, YANG Guang, et al. Research and Application of Artificial Intelligent Empowered Design Evaluation Method[J]. Packaging Engineering, 2021, 42(18): 24-34, 62.

[31] 楊冬梅, 劉佳鑫, 張健楠, 等. 面向居家輔助康復產品的設計評價方法[J]. 機械設計, 2022, 39(1): 154-160. YANG Dong-mei, LIU Jia-xin, ZHANG Jian-nan, et al. Design Evaluation Method for Home-Based Assisted Rehabilitation Products[J]. Journal of Machine Design, 2022, 39(1): 154-160.

[32] 馬艷, 李方義, 王黎明, 等. 基于多層級數據分配的機床生命周期環境影響評價[J]. 計算機集成制造系統, 2021, 27(3): 757-769. MA Yan, LI Fang-yi, WANG Li-ming, et al. Life Cycle Environmental Impact Assessment of Machine Tool Based on Multi-Level Data Distribution[J]. Computer Integrated Manufacturing Systems, 2021, 27(3): 757- 769.

[33] 楊寧, 張志強. 結合計量分析和內容分析的科學數據集使用特征研究[J]. 圖書情報工作, 2022, 66(10): 122-130. YANG Ning, ZHANG Zhi-qiang. Research on the Use Characteristics of Scientific Datasets Combined with Quantitative Analysis and Content Analysis[J]. Library and Information Service, 2022, 66(10): 122-130.

[34] DéR A, KALUZA A, REIMER L, et al. Integration of Energy Oriented Manufacturing Simulation into the Life Cycle Evaluation of Lightweight Body Parts[J]. International Journal of Precision Engineering and Manufacturing-Green Technology, 2022, 9(3): 899-918.

[35] 吳寧, 石丹陽. 新時代中國特色社會主義健康中國[J]. 社會科學家, 2022, 308(12): 30-37. WU Ning, SHI Dan-yang. New Age Socialism with Chinese Characteristics Healthy China[J]. Social Scientist, 2022,308(12):30-37.

[36] IAFRATE F. Artificial Intelligence and Big Data: The Birth of a New Intelligence[M]. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2018.

[37] JOEL S, MIGUEL A, GUILLERMO F, et al. Pattern Recognition and Deep Learning Technologies, Enablers of Industry 4.0, and Their Role in Engineering Research[J]. Symmetry, 2023, 15(2): 535.

[38] AHMED N, WAHED M, THOMPSON N C. The Growing Influence of Industry in AI Research[J]. Science, 2023, 379(6635): 884-886.

[39] 高新民, 羅巖超. “圖靈測試”與人工智能元問題探微[J]. 江漢論壇, 2021(1): 56-64. GAO Xin-min, LUO Yan-chao. On "Turing Test" and Meta-Problem of Artificial Intelligence[J]. Jianghan Tribune, 2021(1): 56-64.

[40] 李開復, 王詠剛. 人工智能[M]. 北京: 文化發展出版社, 2017.LI Kai-fu, WANG Yong-gang. Artificial Intelligence[M]. Cultural Development Press, 2017.

[41] 何立民. 人工智能系統智能生成機理探索之六: 從弱人工智能、強人工智能到超人工智能[J]. 單片機與嵌入式系統應用, 2020, 20(8): 87-89. HE Li-min. From Weak Artificial Intelligence, Strong Artificial Intelligence to Super Artificial Intelligence[J]. Microcontrollers & Embedded Systems, 2020, 20(8): 87-89.

[42] HOU Hong-xia. On the Three Constraints of the Development of Artificial Intelligence: Value, Liberation and Responsibility[J]. Cultures of Science, 2021, 4(3): 159-168.

[43] 張恒. 人工智能技術驅動下的智能產品應用探析[J]. 電腦知識與技術, 2021, 17(4): 256-257. ZHANG Heng. Application of Intelligent Products Driven by Artificial Intelligence Technology[J]. Computer Knowledge and Technology, 2021, 17(4): 256-257.

[44] YU Lei, FENG Xin, WANG Jing-ya, et al. Research on the Mechanism of Emotional Design in Chinese Cultural and Creative Products[J]. Heritage Science, 2022, 10: 1-18.

Research Review on the Current Situation and Development Trend of Chinese AI Product Design Evaluation

CHEN Guo-qiang, XU Li, YU Lei, TU Wei-long, YANG Zhi-wen

(Yanshan University, Hebei Qinhuangdao 066000, China)

The work aims to provide a more complete perspective for the design and evaluation of AI products by exploring whether the existing product design evaluation system is suitable for AI products in view of the current design situation in China. Comparative analysis was used as the main research method. First of all, the core concepts of the product and AI product were explored, and the difference between the both was analyzed. Secondly, data econometric analysis was carried out on the design evaluation of products and AI products to understand the research hot spot and development trend of the two fields. Thirdly, the existing problems and evolution of AI, AI products and AI product design evaluation were analyzed. The historical perspective was used to sort out the phased research results and launch hot comments to further define the hot frontier and development trend of AI product design evaluation. Finally, all the analysis results were integrated to determine the suitability of the existing product design evaluation system to the design evaluation of AI products. The important role of design evaluation of AI products was discussed, the existing theories and methods were sorted out, the development degree was positioned and the future research focus and development direction were predicted, which provided a theoretical basis for building a more scientific, objective and appropriate design evaluation system of AI products, and then helped to control the quality of generated products, increase the product adoption rates in balance with R&D investment and optimize the AI algorithms and technologies in reverse. Based on the results of basic logic analysis, data econometric analysis and development evolution research, the relationship between the existing product design evaluation system in China and the design evaluation system of AI products is demonstrated. Therefore, the research and construction of the design evaluation system of AI products can not completely transplant the research results of product design evaluation and it is necessary to carry out targeted research with the particularity of AI products as the core on the basis of partial reference and reference to build a mature design evaluation system of AI products.

design evaluation; AI products; data econometric analysis; development evolution

TB472

A

1001-3563(2023)12-0016-13

10.19554/j.cnki.1001-3563.2023.12.002

2023–01–24

國家社會科學基金藝術學項目（21BG125）

陳國強（1975—），男，教授，博士，主要研究方向為高端裝備創新設計理論及方法研究。

徐麗（1993—），女，博士生，主要研究方向為裝備制造產品創新設計理論及方法研究、農用機械生態化設計研究。

責任編輯：馬夢遙