科学家为集体智能制定理论框架，助力社交媒体信息传播的发展

人类社会能够形成、维护和运转，都离不开智能（Intelligence）的帮助。在动物王国中，动物越是机智，它们的社交活动就越频繁。

曾有学者提出“社会大脑理论”的说法，它讲的是人类之所以比其他灵长类动物聪明，是因为人类需要处理和维持各种社交活动。

换句话说，就是因为人类的社交需求，我们才变得越来越聪明。

在人类社会之中，智能不是孤立的，而是大家共同拥有和创造的。这种共同创造的智能，被称之为“集体智能（Collective Intelligence）”。

随着信息和通信技术（ICT，information and communications technology ）的不断进步，人类可以更容易、更成本更低地开展网络合作，这也让集体智能被提升到一个更高的水平。

互联网特别是万维网，正是为了帮助大家一起做事而设计。

万维网帮助人类完成了史无前例的超大型协作项目，比如维基百科（中国与之对应有百度百科）、各种公民科学项目，还有一起开发软件和协作标记项目等。

虽然大规模合作和众包等活动，不完全是互联网特有的。但是，不可否认的是互联网大大推动了人类共同创造知识、完成任务和做决策的方式。

AI 也像互联网一样，正在飞速改变人类生活的方方面面，影响着人类单独和集体做决策的方式。

比如，有了可以学习的智能设备、以及能用自然语言跟人类对话的家电，这些都让人类的日常生活、工作乃至社交方式都发生了变化。

所以，探究 AI 如何像 ICT 革命那样，帮助人类的集体智能更上一层楼，是一件当务之急。

虽然人们一开始研究集体智能时，只关注人和人之间的合作。但是，人们已经开始把 AI 也算作团队里的一员，即所谓的“混合智能”。

支持这个想法的人认为，如果把人类和 AI 结合起来，就能一起能做出更聪明的决定，甚至达到一个人或一台机器单独无法实现的目标。

目前，研究者们正在探索如何让人和电脑协同工作，让人类整体表现得比任何一个人或任何一台电脑都聪明。

近年来，随着 AI 技术的飞速发展，AI 在人类团队里的角色将不仅仅是工具，还能成为一个可以参与决策的成员。

AI 在很多方面都比人类有巨大优势，比如 AI 能更快地处理大量数据、识别肉眼无法看到的模式、基于复杂的算法提供洞见。

而人类又拥有 AI 所不具备的能力，比如人类拥有直觉、复杂的情感、对文化和社会背景的理解，以及伦理道德观念。

人类和 AI 各有独特优势，如能将这些优点结合在一起，就有可能创造出一种新型超级智能。

这种智能超越单个人或单个 AI 的能力，能以更高的效率、更高的精确度、更高的创造力来解决复杂问题。

因此，研究如何将 AI 融入人类团队，以增强整个团队的集体智能变得非常重要。

然而，目前这一领域依旧缺乏一个全面的理论框架。基于此，目前在爱尔兰都柏林大学担任博士后研究员的崔浩博士和所在团队撰写了一篇综述论文。

图 | 崔浩（来源：崔浩）

论文中，课题组介绍了关键概念、最新进展和未来展望。崔浩表示，AI 增强的集体智能可被用于社交媒体信息传播领域。

此前，在读博期间她曾探究过微博热搜榜话题的转发网络和它们随时间的演化模式。社交媒体上的信息真伪难以辨识，而虚假信息的传播可能会误导公众舆论，对社会产生负面影响。

随着 AI 的发展，大量深度伪造（deepfake）视频也开始涌现。那么，如何有效地识别这些信息？

据了解，结合人类的判断力和 AI 技术，能够提高识别的准确率和效率。

已有研究发现，这种结合使用的方式在识别上述视频上，比单独依靠人或单独依靠 AI 更加有效。

此外，AI 增强的集体智能在医疗、教育、农业、金融和环境等领域都取得了初步进展。

那么，崔浩具体是怎么写下这篇论文的？

据介绍，当她在奥地利中欧大学读博时，就了解过集体智能的概念。当时，她觉得这是一个听起来很有趣又很模糊的概念。

来到爱尔兰都柏林大学开始博士后研究之后，导师让她先广泛了解这一领域的现有研究。

但是，集体智能这个概念比较模糊，而随着时间的推移这一概念已经被重新定义。并且，不同研究领域甚至使用这个术语来描述不同内容。

为此，崔浩先是把集体智能看作一种结果，并由大量人群的输入融合而产生。

在这一研究方向里，集体智能的概念又经常和群体智慧（Wisdom of the Crowd）混淆。尽管翻译成中文听起来很相似，但它们还是有所不同。

群体智慧，指的是通过汇集分布在不同地方的大量人群的个人信息来形成判断，通常是依靠简单的统计聚合。

相比之下，集体智能源于智能个体之间的互动协同效应，它们通过相互关联的努力，来协同实现共同目标。

另一种研究方向则将集体智能定义为一种能力，用来解决在复杂环境条件下的一系列随时间变化的问题。

这种基于团队的通用集体智能，类似于个体的通用智能，但是被扩展到了团队层面。

虽然这两个研究方向的学者，对于集体智能的具体定义有区别，但是本质上是相容的，即他们都认为团队中的集体智能，不仅仅是成员个体智能的总和。

此外，网络科学也是崔浩读博期间的研究方向之一。为此，她采用复杂系统的思维模式和网络科学的方法，来探究现实世界的问题。

网络科学可以帮助人类更好地理解社会系统的复杂性，比如理解众多不同因素如何一起作用，从而影响整个系统的行为。

基于此，崔浩开始思考能否用这一套思维来解释集体智能。她将人与 AI 的集体看作一个多层网络复杂系统，其中包含认知层面、物理层面、信息层面这三个层面。

这一复杂系统能够适应环境的变化并且不断进化。在复杂系统中，涌现（emergence）的概念可以用来描述这样的现象：新属性在集体层面出现，而在个体层面并不存在。

在这个框架之下，相比微观层面的个体智能，宏观层面的集体智能是一个更加优秀的新属性。

这个属性包括结果、能力和行为，兼容并包含已有的集体智能的定义。

崔浩表示，集体智能是由系统内部各种复杂、非线性的关系共同作用的结果，可能包括小规模互动（自下而上）和更大范围的结构和规则（自上而下）多种过程的共同影响。

而当她撰写本次综述论文的时候，也不断地有新的综述论文发表。

其表示：“这给我带来了很大压力，以至于我需要找到创新点新视角。当我看到美国卡内基梅隆大学团队的一篇论文时，心已经凉了一半，以为会和我们的论文有较大重叠。”

但是，读完上述论文之后，她发现他们感兴趣的内容更侧重于 AI 如何影响认知层面来增强集体智能，因此在论文上并没有较大重叠。

当她搜寻关于 AI 增强集体智能的现实社会应用案例时，她偶然发现了“超级大脑设计”（Supermind Design）数据集。

该数据集包含了多种智能分类和多个领域的实际应用案例。于是，崔浩联系了“超级大脑设计”的负责人，并就此开展了合作。

最终，相关论文以《人工智能增强的集体智能：现状与前景》（AI-enhanced Collective Intelligence：The State of the Art and Prospects）为题发在 arXiv[1]。

崔浩是第一作者，都柏林大学塔哈·亚瑟利（TAHA YASSERI）教授担任通讯作者。

图 | 相关论文（来源：arXiv）

未来，课题组计划深入研究 AI 在人类团队中的具体角色，以及它如何影响团队的整体运作。

他们会探讨的内容包括 AI 作为团队队员或管理者的角色，人类对 AI 成员的看法和态度，以及 AI 的加入如何影响团队的合作、解决冲突和创新等方面。

据介绍，人类与 AI 的互动中蕴含了丰富的社会学研究价值。随着 AI 的日益普及，研究人与机器之间的社会关系将成为一个重要领域，预计这个领域将迎来显著的发展。

因此，各个学科的专家学者应加强合作，开展更多跨学科的交流、紧跟最新趋势，共同推动 AI 增强集体智能这一新兴研究领域的发展。

参考资料：

1.https://arxiv.org/pdf/2403.10433

运营/排版：何晨龙