Innovation in the Digital Age: Expanding the Boundaries of the Creative Process with Generative AI
Notice bibliographique
Résumé
Until now, Artificial intelligence (AI) has primarily created economic value through applications of supervised learning, a process in which an algorithm is trained to categorize data into specific classes (e.g., label customers as churners or non-churners) or predict a sequence of labels (e.g., text translation). However, recent advancements in generative AI have enabled the generation of complex and diverse outputs such as images and written text. These systems evoke the impression of being capable of creative behavior. The introduction of large language models, such as ChatGPT, and large text-to-image engines, such as DALL-E, Midjourney, or Stable Diffusion, has created a lively debate on their potential use in organizations, schools, and the broader society. Given the rapidly growing need for a better understanding of generative AI and its implications on creative processes, this symposium aims to present the most recent perspectives and insights on this topic, as well as integrate across the different views and provide fruitful directions for future research. Specifically, in this symposium, we will discuss how new generative AI technologies impact organizational ideation and innovation in both desirable and undesirable ways and reflect on respective research avenues. In the session, we will have an introduction presenter, four paper presentations, and an integrative discussion. Combining generative AI and human creative processes Author: Jeffrey V. Nickerson; Stevens Institute of Technology AI-deation: The effect of AI-based search algorithms on idea creation Author: Ben Wolfson; New York U. Author: Moran Lazar; Coller School of Management, Tel Aviv U. Author: Hila Lifshitz-Assaf; Warwick Business School InnoVAE: Generative AI for Patents and Innovation Author: Zhaoqi Cheng; - Author: Dokyun Lee; Boston U. Questrom School of Business Author: Prasanna Tambe; The Wharton School, U. of Pennsylvania Predicting Idea Creativity with AI Language Models Author: Xubo Cao; Stanford Graduate School of Business
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,018 |
| Communication savante | 0,013 | 0,020 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».