DIKWP-TRIZ：构建全方位创新方法论

段玉聪（Yucong Duan）

DIKWP-AC人工意识实验室

AGI-AIGC-GPT评测DIKWP（全球）实验室

DIKWP research group, 海南大学

duanyucong@hotmail.com

摘要

在不断演进的知识经济时代，TRIZ作为一种成熟的创新方法论，已经促成了无数的技术革新。然而，面对日益复杂的社会和技术挑战，传统TRIZ方法需要进一步扩展其理论和应用框架以适应新的时代需求。DIKWP-TRIZ模型正是在此背景下提出，该模型将数据（Data）、信息（Information）、知识（Knowledge）、智慧（Wisdom）以及意图（Purpose）融入到创新过程中，旨在打造一个更加人性化、价值驱动、认知增强、完整性和一致性强、以及效率更高的创新方法论体系。

关键词

人本TRIZ，价值TRIZ，认知TRIZ，完整TRIZ，一致TRIZ，效率TRIZ，DIKWP-TRIZ

引言

随着信息技术和认知科学的迅猛发展，创新不再仅仅局限于技术突破，而是需要更全面地考虑人的需求、价值取向、认知能力以及数据和信息的有效利用。DIKWP-TRIZ模型以人为本，重视价值导向，增强知识与认知的应用，确保信息与数据的完整利用，同时提升整个创新转化过程的效率。

在当今快速演变的社会和技术环境中，创新方法论需要不断演进以适应新的挑战和机遇。TRIZ作为一个成熟的创新工具，已经帮助无数组织和个人解决了复杂的技术和管理问题。然而，随着数字化时代的到来和人类价值观的变化，传统TRIZ面临需要进一步发展的需求。基于此背景，DIKWP-TRIZ模型应运而生，旨在提供一个更全面、更人性化的创新框架。

人本TRIZ（意图TRIZ）

DIKWP-TRIZ模型作为人本化的创新工具，重塑了传统TRIZ的出发点和落脚点。它不再仅仅关注技术问题的解决，而是将人的意图和需求置于核心位置。在这个模型中，意图的维度超越了技术性能的简单追求，延伸到了技术与人类生活的深层次交融，如何通过技术改善人们的工作和生活品质，提高社会福祉，甚至解决更为根本的社会问题。

例如，在设计一个新的交通工具时，人本TRIZ的应用不仅要考虑其速度和效率，而是要深入理解这一交通工具如何适应人的行为，符合文化习俗，甚至如何在保证安全的同时，提升用户的整体体验。在这一过程中，人的需求、习惯和预期将驱动技术创新的方向，这要求创新者具备跨学科的知识和深入的用户理解能力。

价值TRIZ（智慧TRIZ）

在价值TRIZ的维度上，智慧的运用变得至关重要。它要求创新者不仅仅在技术上推陈出新，更要在价值观的层面上进行思考和突破。创新不应仅仅是为了创新本身，而是要服务于更广泛的社会价值和长期的人类福祉。这需要创新者具备预见性的思维，能够在技术方案设计之初就考虑其对社会、文化和环境可能产生的影响。

在智慧TRIZ的指导下，一个技术方案在设计时，会综合考虑效率、成本、可持续性及其对社会结构可能产生的影响。例如，在开发新能源技术时，创新者不仅要考虑其能源效率，还要评估它对环境的影响，它如何适应和促进可持续的生活方式，以及它在全球能源政治中的角色。智慧TRIZ要求创新者在保持科技前沿的同时，也要保持道德前瞻，确保科技的发展能够为社会带来正面影响。

认知TRIZ（知识TRIZ）

认知TRIZ强调了知识在创新过程中的作用，不仅作为累积的信息的集合，而是作为深入理解和解决复杂问题的关键。在这个模型中，知识管理和应用成为连接原始数据和深层智慧的桥梁。它促进了从信息到知识，再到智慧的转变，帮助创新者更好地把握和利用复杂的信息流。

通过应用认知心理学的原理，认知TRIZ使得创新者能够更好地理解用户的思维模式和决策过程，设计出更符合用户认知习惯的产品和服务。这意味着创新过程中不仅要注重技术的高级功能，还要关注这些功能如何被用户理解和采纳。例如，在开发一个新的移动应用时，认知TRIZ将指导创新者深入研究用户如何与应用互动，如何处理信息，从而设计出既高效又易于使用的界面。

完整TRIZ（数据TRIZ）

在数字化时代，数据成为了新的生产要素，也是创新的关键资源。完整TRIZ认识到了这一点，并将数据分析和挖掘置于创新流程的核心。在这个模型中，数据不仅仅是数字和事实的堆砌，而是一个可以揭示问题本质、指导创新方向的深度资源。

DIKWP-TRIZ模型将数据视为一个动态的、可开发的资产，强调了从数据中提取信息，从信息中提炼知识，从知识中生成智慧的过程。这要求创新者具备数据分析能力，能够处理和分析大量的定量和定性数据，从而发现潜在的问题和机会。例如，在进行市场研究时，创新者会分析消费者行为数据、市场趋势和竞争对手信息，以确保新产品的开发能够满足市场需求并具备竞争力。

一致TRIZ（信息TRIZ）

信息TRIZ关注的是信息一致性和准确性。在DIKWP-TRIZ模型中，强调了创新过程中信息流动的优化，确保信息在创新链的每一个环节都是一致和可靠的。在实际应用中，这意味着创新团队需要建立起一套有效的信息共享和沟通机制，确保跨职能和跨学科团队之间的信息不会出现失真或者延误。

例如，在跨国公司内部，不同部门可能因为地理位置和文化背景的差异而产生信息解读上的偏差。信息TRIZ通过建立标准化的信息传递协议和工具，帮助各方面准确理解信息内容，避免因误解造成的决策失误。此外，它也强调了信息安全和知识产权的保护，确保创新活动在一个安全可靠的环境中进行。

效率TRIZ（DIKWP转化TRIZ）

效率TRIZ专注于DIKWP元素间的转化效率，追求创新过程的精益化和快速响应。在这个模型中，每一个步骤，从数据的收集、信息的处理、知识的形成，到智慧的应用和意图的实现，都被精心设计以消除不必要的步骤和冗余操作。

这要求创新者不仅仅关注创新的结果，还要关注创新的过程。通过应用精益方法和持续改进原则，效率TRIZ帮助组织缩短产品从概念到市场的时间，同时提高创新质量。例如，在产品开发过程中，效率TRIZ可以指导团队通过快速原型制作和测试，在保持创新质量的同时，提升了响应速度和创新实施的效率。

结论

DIKWP-TRIZ模型是一个全方位的创新方法论体系，它通过整合数据、信息、知识、智慧和意图的管理与应用，为面临复杂挑战的创新者提供了一个全新的解决方案框架。这一模型不仅仅提升了传统TRIZ的有效性，更重要的是，它强调了人性化、价值驱动、认知增强、完整性和一致性以及效率提升，为现代社会的创新活动指明了方向。

总结以上各点，DIKWP-TRIZ模型提供了一种综合性的视角，使得创新过程能够更加贴近人的实际需要，促进社会价值的实现，充分利用认知与知识的力量，确保信息与数据的高效运用，从而在复杂的现代社会环境中实现高效率和高质量的创新成果。

参考文献：

1. Altshuller, G. (1984). Creativity as an Exact Science. Gordon and Breach.

2. Altshuller, G., & Shulyak, L. (2002). 40 Principles: TRIZ Keys to Technical Innovation. Technical Innovation Center, Inc.

3. Fey, V., & Rivin, E. I. (2005). Innovation on Demand: New Product Development Using TRIZ. Cambridge University Press.

4. Kaplan, S. (1996). An Introduction to TRIZ: The Russian Theory of Inventive Problem Solving. Ideation International Inc.

5. Rantanen, K., & Domb, E. (2008). Simplified TRIZ: New Problem-Solving Applications for Engineers. CRC Press.

6. Mann, D. L. (2007). Hands-On Systematic Innovation for Business and Management. IFR Press.

7. Savransky, S. D. (2000). Engineering of Creativity: Introduction to TRIZ Methodology of Inventive Problem Solving. CRC Press.

8. Zlotin, B., & Zusman, A. (2001). Directed Evolution: Philosophy, Theory and Practice. Ideation International Inc.

9. Orloff, M. A. (2006). Inventive Thinking through TRIZ: A Practical Guide. Springer.

10. Terninko, J., Zusman, A., & Zlotin, B. (1998). Systematic Innovation: An Introduction to TRIZ. CRC Press.

11. Souchkov, V. (2008). TRIZ and Systematic Business Model Innovation. Value Innovation.

12. Cascini, G., & Russo, D. (2007). Computer-Aided Analysis of Patents for Product Innovation: Comparing Strategic Design and TRIZ. Creativity and Innovation Management, 16(3).

13. DeCarlo, N., & DeCarlo, D. (2002). The 7 Steps of Creative Thinking: Rationalize, Analyze, Detect, Enhance, Locate, Implement, Predict. The TRIZ Journal.

14. Chechurin, L., & Borgianni, Y. (2016). Value Driven TRIZ Innovation of Product-Service Systems. Procedia CIRP.

15. Lee, S., & Park, J. (2005). TRIZ-facilitated Innovation Strategy in Information Technology. Journal of Computer Information Systems.

16. Kim, C., & Song, B. (2007). Creating New Product Ideas with TRIZ-Based Semantic Network Analysis. Expert Systems with Applications.

17. Vincenti, W. G. (1990). What Engineers Know and How They Know It: Analytical Studies from Aeronautical History. Johns Hopkins University Press.

18. Bogatyreva, O., et al. (2010). Bridging the Gaps between Innovation, TRIZ, and Biological Analogy. Procedia Engineering.

19. Sokolov, G., & Abramov, O. (2019). TRIZ and Digital Transformation: From Information to Knowledge Management. Journal of Engineering and Technology Management.

20. Sato, Y., & Hanaoka, K. (2007). TRIZ-based Technology Forecasting: Identification of Evolution Patterns. Futures.

21. 
    

TRIZ 是俄语 "Теория решения изобретательских задач" 的缩写，英文全称为 "Theory of Inventive Problem Solving"。这是一种解决复杂问题和创新设计挑战的方法论，最初由苏联发明家和科学家 Genrich Altshuller 及其同事在 1946 年开发，并且自那时起不断发展和完善。

TRIZ 基于这样的理念：创造性问题解决的规律是普遍适用的，而且这些规律可以通过分析大量的发明专利来识别。TRIZ 的目的是帮助解决问题的人预测技术系统的发展方向，并找到创新解决方案，从而突破传统的思维方式和技术障碍。

TRIZ 方法论包括多种工具和概念，其中包括：

1. 问题分析工具：

• 功能分析：识别系统中的所有组件以及它们之间的关系。

• 问题形式化：将实际问题转换为标准问题。

2. 解决问题的原则和模式：

• 发明原理：用于生成解决问题的创新思路的40种普遍原理。

• 矛盾矩阵：用于解决发明问题中的技术矛盾，通过将问题描述转换为标准参数并使用预先定义的解决方案。

• 物质-场分析：使用物质和场的概念来改进系统或解决问题。

3. 创新过程：

• ARIZ（Algorithm for Inventive Problem Solving）：一种结构化的问题解决过程，旨在系统化地引导用户从问题的描述转向解决方案的创造。

4. 预测工具：

• 技术系统发展的规律：描述了系统随着时间的发展所遵循的一般规律和趋势。

• S-曲线分析：评估技术系统的成熟度和潜在的发展空间。

TRIZ 被广泛应用于产品设计、工程、问题解决等领域。它鼓励创新者超越现有知识的边界，通过新颖的途径解决问题。TRIZ 的一个核心概念是，创新常常涉及解决系统中的矛盾，即所谓的技术矛盾和物理矛盾。技术矛盾是指系统的某些部分需要进行某种改进，但这种改进可能会损害系统的其他部分。物理矛盾是指同一部件或特性在不同条件下需要有不同的状态。

TRIZ 方法论的优势在于它提供了一种系统化的创新过程，这一过程通过分析和应用以前解决类似问题的方法，有助于加速和指导创新活动。尽管它最初是为了解决工程和技术问题而开发的，但TRIZ 的原则和工具已被应用于商业、管理和社会科学等其他领域。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

• 数据（Data）可以理解为我们认知的“相同”语义的具象表示。数据通常表示一种具体化的事实或观察结果，其背后蕴含着某种特定的语义。在处理数据时，我们常常会寻找并抽取相同的语义，将其统一视为一个概念。例如，我们看到一群羊，虽然每只羊的体型、颜色、性别等可能有所不同，但我们会把它们归为“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。
  

• 
  信息（Information）则是对应认知中的“不同”语义的表达。信息通常指我们通过感官和观察获得的有关环境或某个对象的知识或数据。在处理信息时，我们会根据输入的数据找出其内在的不同之处，并将其分类。例如，在停车场中，尽管所有汽车都可以归类到“汽车”这一概念，但每一辆汽车都有其特殊性，如品牌、型号、颜色等，这些都是信息。
  
  知识（Knowledge）对应于认知中的“完整”语义。知识是我们通过信息获得的对于世界的理解和解释。在处理知识时，我们会通过观察和学习抽象出完整的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后得出的关于“天鹅”这一概念的一个完整认识。
  
  智慧（Wisdom）对应着伦理、社会道德、人性等方面的信息，是一种对知识和信息的高度理解、综合和应用。在处理智慧时，我们会整合这些信息，并运用它们来指导决策。例如，当面对一个决策问题时，我们会考虑到伦理、道德、可行性等各个方面的因素，而不仅仅是技术或者效率。
  
  意图（Purpose）可以理解为一个二元组（输入，输出），其中输入和输出都是DIKWP内容。意图代表了我们对某一现象或问题的理解（输入）以及我们希望通过处理和解决该现象或问题来达到的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的DIKWP内容，通过学习和适应，使其输出趋近于预设的目标。