Аннотації

Оцінка рівня креативності мультимодальної системи ШІ для управління інноваціями в турбулентному середовищі

Автор(и):
Бушуєва Н. С., Лобок Є. А., Лященко Т. О.
Автор(и) (англ)
Bushuyeva N., Lobok Ye., Liashchenko T.
Дата публікації:

27.06.2025

Анотація (укр):

В епоху, яка характеризується швидким технологічним прогресом і непередбачуваними соціально-економічними зрушеннями, організації стикаються з дедалі більшим тиском щодо інновацій та адаптації. Ця турбулентність вимагає розвинутих стратегій управління на основі інтелектуальних систем, здатних творчо вирішувати проблеми. У цій статті досліджується новий підхід до оцінки рівня креативності мультимодальних систем штучного інтелекту (ШІ), розроблених для стимулювання інновацій управління в турбулентних середовищах. Дослідження представляє комплексну систему оцінювання, яка оцінює креативність, керовану штучним інтелектом, за чотирма параметрами: оригінальність, плавність, гнучкість і продуманість. Використовуючи мультимодальні можливості, включаючи обробку природної мови, комп’ютерне бачення та машинне навчання, система ШІ генерує, аналізує та вдосконалює інноваційні рішення для складних управлінських завдань. Зважена система підрахунку балів у поєднанні з експертною оцінкою та зворотним зв’язком у реальному часі забезпечує цілісну оцінку творчих результатів ШІ. Запропонована структура була протестована в різних контекстах управління, включаючи планування проекту, зниження ризиків і прийняття стратегічних рішень в умовах невизначеності. Результати показують, що мультимодальні системи штучного інтелекту значно підвищують креативність менеджерів шляхом виявлення нових рішень, прогнозування потенційних результатів та адаптації стратегій у реальному часі. Крім того, дослідження підкреслює, як креативність, керована ШІ, сприяє стійкості, ефективності та сталим інноваціям у динамічному бізнес-середовищі. Оцінка рівня креативності мультимодальної системи штучного інтелекту, як-от ChatGPT, вимагає визначення креативності в вимірюваних термінах і створення основи для її кількісної оцінки.

Анотація (рус):

Анотація (англ):

In an era characterized by rapid technological advancements and unpredictable socio-economic shifts, organizations face increasing pressure to innovate and adapt. This turbulence necessitates advanced management strategies powered by intelligent systems capable of creative problem-solving. This paper explores a novel approach to evaluating the creativity level of multimodal artificial intelligence (AI) systems designed to drive management innovation in turbulent environments. The study presents a comprehensive evaluation framework that assesses AI-driven creativity through four dimensions: originality, fluency, flexibility, and elaboration. Leveraging multimodal capabilities – including natural language processing, computer vision, and machine learning – the AI system generates, analyzes, and refines innovative solutions for complex managerial challenges. A weighted scoring system, combined with expert judgment and real-time feedback, ensures a holistic evaluation of the AI's creative output. The proposed framework was tested in various management contexts, including project planning, risk mitigation, and strategic decision-making under uncertainty. Results indicate that multimodal AI systems significantly enhance managerial creativity by identifying novel solutions, predicting potential outcomes, and adapting real-time strategies. Furthermore, the study highlights how AI-driven creativity fosters resilience, efficiency, and sustainable innovation in dynamic business environments. Evaluating the creativity level of a multimodal AI system like ChatGPT requires defining creativity in measurable terms and creating a framework to assess it quantitatively.

Література:

1.     Chen, Z., & Ye, R. (2021). Principles of Creative Problem Solving in AI Systems. Science & Education, 31, 555–557. https://doi.org/10.1007/s11191-021-00270-7.

2.     Utami, N., Sagita, L., Rahmawati, R., & Nurdianto, H. (2024). Cultural Change of Mathematics Teachers' Views on Technology: Navigating the Artificial Intelligence Revolution. International Journal of Artificial Intelligence Research. https://doi.org/10.29099/ijair.v8i2.1232.

3.     Synekop, O., Lytovchenko, I., Lavrysh, Y., & Lukianenko, V. (2024). Use of Chat GPT in English for Engineering Classes: Are Students' and Teachers' Views on Its Opportunities and Challenges Similar? Int. J. Interact. Mob. Technol., 18, 129–146. https://doi.org/10.3991/ijim.v18i03.45025.

4.     Zhang, Z., Li, Z., Pan, J., Chen, W., & Bai, Q. (2022). Artificial Intelligence Development and Music Education System Reform in the Context of 5G Network. Wireless Communications and Mobile Computing. https://doi.org/10.1155/2022/2384794.

5.     Acosta, J. N., Falcone, G. J., Rajpurkar, P., & Topol, E. J. (2022). Multimodal biomedical AI. Nature Medicine, 28 (9), 1773-1784.https://www.nature.com/articles/s41591-022-01981-2.

6.      Baltrušaitis, T., Ahuja, C., & Morency, L. P. (2018). Multimodal machine learning: A survey and taxonomy. IEEE transactions on pattern analysis and machine intelligence, 41(2), 423-443.https://ieeexplore.ieee.org/abstract/document/8269806.

7.      Gautam, S. (2023). Bridging Multimedia Modalities: Enhanced Multimodal AI Understanding and Intelligent Agents. Proceedings of the 25th International Conference on Multimodal Interaction.https://dl.acm.org/doi/abs/10.1145/3577190.3614225.

8.     Liang, P. P., Zadeh, A., & Morency, L. P. (2024). Foundations & trends in multimodal machine learning: Principles, challenges, and open questions. ACM Computing Surveys, 56 (10), 1–42.https://dl.acm.org/doi/full/10.1145/3656580.

References:

1.     Chen, Z., & Ye, R. (2021). Principles of Creative Problem Solving in AI Systems. Science & Education, 31, 555–557. https://doi.org/10.1007/s11191-021-00270-7.

2.     Utami, N., Sagita, L., Rahmawati, R., & Nurdianto, H. (2024). Cultural Change of Mathematics Teachers' Views on Technology: Navigating the Artificial Intelligence Revolution. International Journal of Artificial Intelligence Research. https://doi.org/10.29099/ijair.v8i2.1232.

3.     Synekop, O., Lytovchenko, I., Lavrysh, Y., & Lukianenko, V. (2024). Use of Chat GPT in English for Engineering Classes: Are Students' and Teachers' Views on Its Opportunities and Challenges Similar? Int. J. Interact. Mob. Technol., 18, 129–146. https://doi.org/10.3991/ijim.v18i03.45025.

4.     Zhang, Z., Li, Z., Pan, J., Chen, W., & Bai, Q. (2022). Artificial Intelligence Development and Music Education System Reform in the Context of 5G Network. Wireless Communications and Mobile Computing. https://doi.org/10.1155/2022/2384794.

5.     Acosta, J. N., Falcone, G. J., Rajpurkar, P., & Topol, E. J. (2022). Multimodal biomedical AI. Nature Medicine, 28 (9), 1773-1784.https://www.nature.com/articles/s41591-022-01981-2.

6.      Baltrušaitis, T., Ahuja, C., & Morency, L. P. (2018). Multimodal machine learning: A survey and taxonomy. IEEE transactions on pattern analysis and machine intelligence, 41(2), 423-443.https://ieeexplore.ieee.org/abstract/document/8269806.

7.      Gautam, S. (2023). Bridging Multimedia Modalities: Enhanced Multimodal AI Understanding and Intelligent Agents. Proceedings of the 25th International Conference on Multimodal Interaction.https://dl.acm.org/doi/abs/10.1145/3577190.3614225.

8.     Liang, P. P., Zadeh, A., & Morency, L. P. (2024). Foundations & trends in multimodal machine learning: Principles, challenges, and open questions. ACM Computing Surveys, 56 (10), 1–42.https://dl.acm.org/doi/full/10.1145/3656580.