AI使能工业创新白皮书（2024）：有关处理创新及人工智能支持创新的工作

基于AI的决策依赖于数据 ，而且在大多数情况下 ，依赖于好是经过人类专家验证的已训练 模型 。随着复杂性的增加 ，AI可能会提出人类未曾想到的解决方案 。从这个意义上说 ，如今的AI是 “系统2”的自动助手 。因此 ，我们发现 ，在寻找新的解决方案时 ，AI和人类行为方组成的混合团队 将是好的创新者 。考虑到生成式AI ，我们认为一种新型创新文化正在不断发展 。

与任何跨文化经历一样 ，我们需要文化学习和沟通技能来应对陌生和意外情况 ，从而将惊讶 转化为接受 。惊讶是六种基本且普遍的情绪之一 ， 这些情绪在所有文化中都是一样的（ Paul Ekman ）。人工智能系统的未来设计需要预见学习循环 ，以应对人类的惊讶 ，并在需要时提供所 用数据和模型的背景信息 ，因此双方都需要学习。

本书旨在作为跨文化的学习演练 ，也是一项仍在进行中的有关处理创新及人工智能支持创新的工作 。本书还旨在邀请所有对创新感兴趣的读者和初创公司作为共同作者 ，与日益壮大的AI社区 分享他们的解决方案和想法 。从长远来看 ，这将有助于开发和部署从设计上保证遵循用户意图的AI 系统。

由于AI尚处于早期阶段 ，现在正是引导其发展 、“教育 ”其能力以确保实现我们的意图的时 候 。彭罗斯阶梯上的二进制代码是作者发出的“机器可读 ”信息 ， 旨在描述这个混合团队踏上的旅程的愿景和使命 。如果您现在就想知道这段信息的含义 ，您可以获得生成式AI工具的翻译支持 ，以 节省时间 。但是 ，随着时间的推移——在您消化我们在后续章节中介绍的创新开胃应用时——您就 会知道它的含义 ，也会在本书的展望章节看到相关摘要。

附件：AI使能工业创新白皮书（2024）：有关处理创新及人工智能支持创新的工作