Algorithmic Framework for Design Thinking : Enhancing Innovation in Complex Problem Spaces

• 발행기관: 한국디자인리서치학회
• 저자명: 페날바 테바르 호세 미겔(Penalva Tebar, Jose iguel) 나건(Ken Nah)
• 간행물 정보: 『한국디자인리서치』Vol9, No. 4(통권 33권), 48~61쪽, 전체 14쪽
• 주제분류: 예술체육 > 미술
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

이 논문은 복잡한 문제 해결을 위해 디자인 사고와 인공지능(AI)을 결합하는 프레임워크를 제시합니다. AI가 디자인 프로세스에 점점 더 통합됨에 따라, 인간의 직관과 기계의 능력을 모두 활용하는 접근 방식의 필요성이 커지고 있습니다. 본 프레임워크는 디자인을 인간-기계 알고리즘 시스템으로 개념화하여 확률적 알고리즘을 통해 솔루션을 동적으로 탐색하고 개선합니다. 이를 통해 디자인을 높은 차원의 상태 공간을 탐색하는 확률적 과정으로 보고, 인간의 창의성과 AI의 계산 능력이 요구되는 '난해한 문제' 해결에 적합한 접근 방식을 제공합니다. 이 프레임워크는 전통적인 디자인 사고를 보완하는 구조적이고 반복적인 프로세스를 제공하며, 기존의 디자인 사고와 AI 기반 방법론 간의 격차를 메우고, 현대 디자인 과제의 복잡성을 효과적으로 다룰 수 있는 통합된 접근 방식을 제안합니다.

영문 초록

This paper presents a framework that combines Design Thinking with Artificial Intelligence (AI) to tackle complex problem-solving challenges. With AI increasingly integrated into design processes, the framework aims to leverage both human intuition and machine capabilities. It conceptualizes design as a human-machine algorithmic system, using probabilistic algorithms to dynamically explore and refine solutions. By viewing design as a stochastic process that navigates high-dimensional state spaces, this approach is well-suited for addressing “wicked problems” requiring a blend of human creativity and AI's computational power. The framework offers a structured, iterative process that enhances traditional Design Thinking, bridging the gap between conventional and AI-driven methodologies to handle the complexities of modern design challenges.

목차

1. Introduction

2. Theoretical Research

3. Stochastic Framework

4. Conclusions

References

키워드

Artificial Intelligence in Design Design Methodologies Complex Problem-Solving Design Thinking

참고문헌

• Policy Sciences
• Harvard Business Review
• Journal of Product Innovation Management
• Design Studies
• Springer
• Design Issues
• McGraw-Hill Education
• HarperBusiness
• Design Issues
• IEEE Transactions on Systems, Man, and Cybernetics
• Design Studies
• AI EDAM
• MIT Press