AutoTRIZ: Artificial Ideation with TRIZ and Large Language Models

研究人员和创新者为开发构思方法进行了巨大的努力，例如形态分析和类比设计，以帮助工程设计构思解决问题和创新。其中，TRIZ是最知名的方法，被广泛应用于系统创新。然而，TRIZ资源和概念的复杂性，以及其依赖用户的知识、经验和推理能力，限制了其实用性。本文提出了AutoTRIZ，一种利用大型语言模型（LLMs）自动化和增强TRIZ方法的人工构思工具。通过利用LLMs的广泛知识和先进的推理能力，AutoTRIZ提供了一种新颖的人工智能设计自动化和可解释的构思方法。我们通过矛盾检测的一致性实验和与TRIZ教材收集的案例的比较研究来证明和评估AutoTRIZ的有效性。此外，所提出的基于LLM的框架具有将自动化其他基于知识的构思方法，包括SCAMPER、设计启发法和类比设计，为设计和创新开启一个新时代的潜力。

本论文旨在提出一种利用大型语言模型（LLMs）自动化和增强TRIZ方法的人工创意工具AutoTRIZ，以解决TRIZ方法的复杂性和依赖用户知识、经验和推理能力等问题。

AutoTRIZ利用大型语言模型的广泛知识和先进推理能力，为设计自动化和可解释的人工智能创意提供了一种新方法。

论文通过矛盾检测的一致性实验和与TRIZ教材案例的比较研究来展示和评估AutoTRIZ的有效性。此外，该框架还具有扩展到自动化其他基于知识的创意方法的潜力，包括SCAMPER、设计启发式和类比设计等。

在这个领域中，还有一些相关的研究，例如“基于TRIZ的创新设计方法研究”和“利用机器学习技术辅助TRIZ创新设计的研究”。