Inteligencja zbiorowa

Rodzaje inteligencji zbiorowej
Część serii o
koncepcjach
inteligencji zbiorowej
CI types1s 2.jpg
Koncepcje tła
Systemy rekomendujące
Pojęcia
Metody i wyzwania
Implementacje
Badania

Inteligencja zbiorowa ( CI ) to inteligencja wspólna lub grupowa ( GI ), która wyłania się ze współpracy , zbiorowych wysiłków i rywalizacji wielu osób i pojawia się w podejmowaniu decyzji w drodze konsensusu . Termin pojawia się w socjobiologii , politologii oraz w kontekście masowych recenzji i aplikacji crowdsourcingowych . Może obejmować konsensus , kapitał społeczny i formalizmy , takie jak systemy głosowania , media społecznościowe i inne sposoby kwantyfikacji masowej aktywności. Zbiorowe IQ jest miarą zbiorowej inteligencji, chociaż często jest używane zamiennie z terminem inteligencja zbiorowa. Zbiorową inteligencję przypisywano również bakteriom i zwierzętom.

Można to rozumieć jako właściwość wyłaniającą się z synergii między:

  1. dane- informacje -wiedza
  2. oprogramowanie-sprzęt
  3. osoby (te z nowymi spostrzeżeniami, jak również uznane autorytety), które nieustannie uczą się na podstawie informacji zwrotnych, aby tworzyć wiedzę „dokładnie na czas” w celu podejmowania lepszych decyzji niż te trzy elementy działające samodzielnie

Lub może być rozumiana w węższym znaczeniu jako wyłaniająca się właściwość między ludźmi i sposobami przetwarzania informacji. To pojęcie inteligencji zbiorowej jest określane przez Normana Lee Johnsona jako „inteligencja symbiotyczna”. Pojęcie to jest używane w socjologii , biznesie , informatyce i komunikacji masowej: pojawia się również w science fiction . Pierre Lévy definiuje inteligencję zbiorową jako: „Jest to forma powszechnie rozproszonej inteligencji, stale ulepszanej, koordynowanej w czasie rzeczywistym i skutkującej skuteczną mobilizacją umiejętności. Dodam do tej definicji następującą niezbędną cechę: Podstawa i cel inteligencji zbiorowej polega na wzajemnym uznawaniu i wzbogacaniu jednostek, a nie na kulcie fetyszyzowanych lub hipostatycznych społeczności”. Według badaczy Pierre'a Lévy'ego i Derricka de Kerckhove odnosi się to do zdolności połączonych w sieć ICT (technologii komunikacji informacyjnej) do zwiększania zbiorowej puli wiedzy społecznej poprzez jednoczesne rozszerzanie zakresu interakcji międzyludzkich. Szerszą definicję przedstawił Geoff Mulgan w serii wykładów i raportów począwszy od 2006 roku oraz w książce Big Mind, która zaproponowała ramy analizy dowolnego systemu myślenia, w tym inteligencji zarówno ludzkiej, jak i maszynowej, pod kątem elementów funkcjonalnych (obserwacja, przewidywanie , kreatywność, osąd itp.), pętle uczenia się i formy organizacji. Celem było zapewnienie sposobu diagnozowania i doskonalenia zbiorowej inteligencji miasta, biznesu, organizacji pozarządowej lub parlamentu.

Inteligencja zbiorowa silnie przyczynia się do przeniesienia wiedzy i władzy z jednostki na kolektyw. Według Erica S. Raymonda w 1998 r. i JC Herz w 2005 r., inteligencja open source ostatecznie przyniesie lepsze wyniki niż wiedza generowana przez zastrzeżone oprogramowanie opracowane w korporacjach. Teoretyk mediów Henry Jenkins postrzega zbiorową inteligencję jako „alternatywne źródło władzy mediów”, związane z kulturą konwergencji. Zwraca uwagę na edukację i sposób, w jaki ludzie uczą się uczestniczyć w kulturach wiedzy poza formalnymi środowiskami edukacyjnymi. Henry Jenkins krytykuje szkoły, które promują „autonomiczne rozwiązywanie problemów i samodzielnych uczniów”, pozostając jednocześnie wrogo nastawionymi do uczenia się za pomocą zbiorowej inteligencji. Zarówno Pierre Lévy, jak i Henry Jenkins popierają twierdzenie, że zbiorowa inteligencja jest ważna dla demokratyzacji , ponieważ jest powiązana z kulturą opartą na wiedzy i wspierana przez zbiorowe dzielenie się pomysłami, a tym samym przyczynia się do lepszego zrozumienia zróżnicowanego społeczeństwa.

Podobnie jak współczynnik g ( g ) dla ogólnej inteligencji indywidualnej, nowe naukowe rozumienie inteligencji zbiorowej ma na celu wyodrębnienie ogólnego czynnika inteligencji zbiorowej c dla grup, wskazującego na zdolność grupy do wykonywania szerokiego zakresu zadań. Definicja, operacjonalizacja i metody statystyczne wywodzą się z g . Podobnie jak g jest silnie powiązane z koncepcją IQ , ten pomiar inteligencji zbiorowej można interpretować jako iloraz inteligencji dla grup (IQ grupowy), mimo że wynik sam w sobie nie jest ilorazem. Badane są również przyczyny c i trafność predykcyjna.

Pisarze, którzy wywarli wpływ na ideę inteligencji zbiorowej, to Francis Galton , Douglas Hofstadter (1979), Peter Russell (1983), Tom Atlee (1993), Pierre Lévy (1994), Howard Bloom (1995), Francis Heylighen (1995), Douglas Engelbart , Louis Rosenberg, Cliff Joslyn , Ron Dembo , Gottfried Mayer-Kress (2003) i Geoff Mulgan .

Historia

Światowy mózg HG Wellsa (1936–1938)

Koncepcja (choć nie tak nazwana) została zapoczątkowana w 1785 roku przez markiza de Condorcet , którego „twierdzenie o ławie przysięgłych” głosi, że jeśli każdy członek grupy wyborczej ma większe szanse na podjęcie prawidłowej decyzji niż jej brak, prawdopodobieństwo, że najwyższy głos w grupie grupa jest poprawną decyzją, rośnie wraz z liczbą członków grupy (patrz twierdzenie jury Condorceta ). Wielu teoretyków zinterpretowało Arystotelesa w Politics , że „uczta, na którą składa się wielu, jest lepsza niż obiad wydany z jednej sakiewki” w ten sposób, że tak samo wielu może przynieść różne potrawy na stół, tak podczas narady wielu może wnieść różne informacje w celu podjęcia lepszej decyzji. Ostatnie badania sugerują jednak, że prawdopodobnie nie to miał na myśli Arystoteles, ale jest to nowoczesna interpretacja oparta na tym, co wiemy teraz o inteligencji zespołowej.

Prekursora tej koncepcji można znaleźć w obserwacji entomologa Williama Mortona Wheelera z 1910 r., Że pozornie niezależne jednostki mogą współpracować tak ściśle, że stają się nie do odróżnienia od pojedynczego organizmu. Wheeler zaobserwował ten proces współpracy u mrówek , które zachowywały się jak komórki pojedynczej bestii, którą nazwał superorganizmem .

W 1912 roku Émile Durkheim określił społeczeństwo jako jedyne źródło logicznego myślenia człowieka. W „ Elementarnych formach życia religijnego ” argumentował , że społeczeństwo stanowi wyższą inteligencję, ponieważ wykracza poza jednostkę w przestrzeni i czasie. Innymi poprzednikami są koncepcja „ noosfery ” Władimira Vernadsky'ego i Pierre'a Teilharda de Chardina oraz koncepcja „ mózgu świata ” HG Wellsa . Peter Russell, Elisabet Sahtouris i Barbara Marx Hubbard (twórczyni terminu „świadoma ewolucja”) czerpią inspirację z wizji Noosfery – transcendentnej, szybko ewoluującej zbiorowej inteligencji – informacyjnej kory planety. Pojęcie to zostało ostatnio zbadane przez filozofa Pierre'a Lévy'ego. W raporcie badawczym z 1962 roku Douglas Engelbart powiązał inteligencję zbiorową z efektywnością organizacyjną i przewidział, że proaktywne „wzmacnianie ludzkiego intelektu” przyniesie efekt mnożnikowy w rozwiązywaniu problemów grupowych: „Trzy osoby pracujące razem w tym rozszerzonym trybie [wydawałyby się] być ponad trzy razy skuteczniejszy w rozwiązywaniu złożonego problemu niż jedna osoba pracująca w pojedynkę”. W 1994 roku ukuł termin „zbiorowe IQ” jako miarę zbiorowej inteligencji, aby skupić uwagę na możliwości znacznego podniesienia zbiorowego IQ w biznesie i społeczeństwie.

Idea inteligencji zbiorowej tworzy również ramy dla współczesnych teorii demokratycznych, często określanych jako demokracja epistemiczna . Teorie demokratyczne epistemiczne odnoszą się do zdolności społeczeństwa, czy to poprzez rozważania, czy agregację wiedzy, do śledzenia prawdy i opierają się na mechanizmach syntezy i stosowania inteligencji zbiorowej.

Inteligencja zbiorowa została wprowadzona do społeczności uczenia maszynowego pod koniec XX wieku i dojrzała do szerszego rozważenia, jak zaprojektować „kolektywy” egoistycznych agentów adaptacyjnych, aby osiągnąć cel ogólnosystemowy. Było to związane z pracą jednego agenta nad „kształtowaniem nagród” i było rozwijane przez wielu badaczy ze społeczności zajmujących się teorią gier i inżynierią.

Wymiary

Złożony model systemów adaptacyjnych

Howard Bloom omówił zachowanie mas – zachowanie zbiorowe od poziomu kwarków do poziomu społeczeństw bakterii, roślin, zwierząt i ludzi. Podkreśla biologiczne adaptacje, które zmieniły większość żywych istot na tej ziemi w komponenty tego, co nazywa „uczącą się maszyną”. W 1986 roku Bloom połączył koncepcje apoptozy , równoległego przetwarzania rozproszonego , selekcji grupowej i superorganizmu, aby stworzyć teorię działania inteligencji zbiorowej. Później pokazał, jak zbiorową inteligencję konkurujących ze sobą kolonii bakteryjnych i społeczeństw ludzkich można wyjaśnić w kategoriach generowanych komputerowo „ złożonych systemów adaptacyjnych ” i „ algorytmów genetycznych ”, koncepcji zapoczątkowanych przez Johna Hollanda .

Bloom prześledził ewolucję inteligencji zbiorowej do naszych bakteryjnych przodków 1 miliard lat temu i pokazał, jak inteligencja wielogatunkowa działała od początku życia. Społeczeństwa mrówek wykazują większą inteligencję technologiczną niż jakiekolwiek inne zwierzę poza człowiekiem i współpracują przy hodowli bydła, na przykład mszyc do „dojenia”. Nożyce do liści dbają o grzyby i niosą liście, aby je nakarmić.

David Skrbina cytuje koncepcję „umysłu grupowego” jako wywodzącą się z koncepcji panpsychizmu Platona (ten umysł lub świadomość jest wszechobecna i istnieje w całej materii). Rozwija koncepcję „umysłu grupowego” wyrażoną przez Thomasa Hobbesa w „Lewiatanie” oraz argumenty Fechnera na rzecz zbiorowej świadomości ludzkości. Cytuje Durkheima jako najbardziej znanego orędownika „świadomości zbiorowej”, a Teilharda de Chardina jako myśliciela, który rozwinął filozoficzne implikacje umysłu grupowego.

Tom Atlee koncentruje się przede wszystkim na ludziach i pracy nad ulepszeniem tego, co Howard Bloom nazywa „grupowym IQ”. Atlee uważa, że ​​zbiorową inteligencję można zachęcać do „przezwyciężenia„ myślenia grupowego ”i indywidualnych uprzedzeń poznawczych , aby umożliwić kolektywowi współpracę nad jednym procesem – przy jednoczesnym osiągnięciu lepszych wyników intelektualnych”. George Pór zdefiniował zjawisko inteligencji zbiorowej jako „zdolność społeczności ludzkich do ewoluowania w kierunku złożoności i harmonii wyższego rzędu poprzez takie mechanizmy innowacji, jak zróżnicowanie i integracja, konkurencja i współpraca”. Atlee i Pór twierdzą, że „zbiorowa inteligencja obejmuje również osiągnięcie jednego skupienia uwagi i standardu wskaźników, które zapewniają odpowiedni próg działania”. Ich podejście jest zakorzenione w metaforze społeczności naukowej .

Termin inteligencja grupowa jest czasami używany zamiennie z terminem inteligencja zbiorowa. Anita Woolley przedstawia inteligencję zbiorową jako miarę inteligencji grupowej i kreatywności grupowej. Chodzi o to, że miara inteligencji zbiorowej obejmuje szeroki zakres cech grupy, głównie skład grupy i interakcję w grupie. Cechy składu, które prowadzą do zwiększonego poziomu inteligencji zbiorowej w grupach, obejmują takie kryteria, jak większa liczba kobiet w grupie, a także zwiększona różnorodność grupy.

Atlee i Pór sugerują, że dziedzinę inteligencji zbiorowej należy przede wszystkim postrzegać jako przedsięwzięcie ludzkie, w którym nadrzędne znaczenie mają nastawienie, chęć dzielenia się i otwartość na wartość rozproszonej inteligencji dla dobra wspólnego, chociaż teoria grup i sztuczna inteligencja mieć coś do zaoferowania. Osoby, które szanują zbiorową inteligencję, są pewne własnych możliwości i uznają, że całość jest rzeczywiście większa niż suma poszczególnych części. Maksymalizacja zbiorowej inteligencji opiera się na zdolności organizacji do zaakceptowania i rozwinięcia „Złotej Sugestii”, czyli każdego potencjalnie użytecznego wkładu dowolnego członka. Myślenie grupowe często utrudnia zbiorową inteligencję, ograniczając wkład do kilku wybranych osób lub filtrując potencjalne Złote Sugestie bez pełnego ich wdrożenia.

Robert David Steele Vivas w The New Craft of Intelligence przedstawił wszystkich obywateli jako „mundurowych agentów wywiadu”, opierając się wyłącznie na prawnych i etycznych źródłach informacji, zdolnych do stworzenia „wywiadu publicznego”, który utrzymuje uczciwość urzędników publicznych i menedżerów korporacji, zmieniając koncepcję „wywiad narodowy” (wcześniej zaniepokojony szpiegami i tajemnicą) na głowie.

Stigmergic Collaboration: teoretyczne ramy współpracy masowej

Według Dona Tapscotta i Anthony'ego D. Williamsa inteligencja zbiorowa to masowa współpraca . Aby ta koncepcja mogła się urzeczywistnić, muszą istnieć cztery zasady:

  • Otwartość — dzielenie się pomysłami i własnością intelektualną : chociaż te zasoby zapewniają przewagę nad konkurencją, więcej korzyści wynika z umożliwienia innym dzielenia się pomysłami oraz uzyskiwania znacznych ulepszeń i kontroli poprzez współpracę.
  • Peering - organizacja pozioma, jak w przypadku „otwarcia” programu Linux, w którym użytkownicy mogą go dowolnie modyfikować i rozwijać, pod warunkiem, że udostępnią go innym. Peering odnosi sukces, ponieważ zachęca do samoorganizacji – stylu produkcji, który w przypadku niektórych zadań działa skuteczniej niż hierarchiczne zarządzanie.
  • Dzielenie się — firmy zaczęły dzielić się niektórymi pomysłami, zachowując pewien stopień kontroli nad innymi, na przykład potencjalnymi i krytycznymi prawami patentowymi . Ograniczenie wszelkiej własności intelektualnej zamyka możliwości, podczas gdy dzielenie się niektórymi rozszerza rynki i szybciej wprowadza produkty.
  • Działając globalnie — postęp w technologii komunikacyjnej spowodował powstanie globalnych firm przy niskich kosztach ogólnych. Internet jest powszechny, dlatego globalnie zintegrowana firma nie ma granic geograficznych i może uzyskać dostęp do nowych rynków, pomysłów i technologii .

Czynnik inteligencji zbiorowej c

Wykres osypiska przedstawiający procent wyjaśnionej wariancji dla pierwszych czynników w dwóch oryginalnych badaniach Woolleya i wsp. w 2010 roku.

Nowe naukowe rozumienie inteligencji zbiorowej definiuje ją jako ogólną zdolność grupy do wykonywania szerokiego zakresu zadań. Definicja, operacjonalizacja i metody statystyczne są podobne do podejścia psychometrycznego ogólnej inteligencji indywidualnej . W ten sposób wyniki danej osoby w danym zestawie zadań poznawczych są wykorzystywane do pomiaru ogólnych zdolności poznawczych wskazanych przez ogólny czynnik inteligencji g uzyskany za pomocą analizy czynnikowej . W tym samym duchu, w jakim g służy do wyświetlania różnic w wynikach między jednostkami w zadaniach poznawczych, badania nad inteligencją zbiorową mają na celu znalezienie równoległego czynnika inteligencji dla grup „ czynnik c ” (zwany także „czynnikiem inteligencji zbiorowej” ( CI )) wykazujący między grupami różnice w wykonywaniu zadań. Zbiorowy wynik inteligencji jest następnie używany do przewidywania, jak ta sama grupa wykona inne podobne zadanie w przyszłości. Jednak zadania odnoszą się tutaj do zadań umysłowych lub intelektualnych wykonywanych przez małe grupy, chociaż koncepcja ma być przenoszona na inne przedstawienia i dowolne grupy lub tłumy, od rodzin po firmy, a nawet całe miasta. Ponieważ indywidualne g są silnie skorelowane z wynikami IQ w pełnej skali , które z kolei są uważane za dobre oszacowania g , ten pomiar inteligencji zbiorowej może być również postrzegany jako wskaźnik lub iloraz inteligencji odpowiednio dla grupy (IQ grupowe ) równolegle do ilorazu inteligencji (IQ) danej osoby, mimo że wynik sam w sobie nie jest ilorazem.

Z matematycznego punktu widzenia c i g są zmiennymi podsumowującymi dodatnie korelacje między różnymi zadaniami, przy założeniu, że wykonanie jednego zadania jest porównywalne z wykonaniem innych podobnych zadań. c jest zatem źródłem wariancji między grupami i może być brane pod uwagę jedynie jako pozycja grupy na czynniku c w porównaniu z innymi grupami w danej odpowiedniej populacji. Koncepcja ta kontrastuje z konkurencyjnymi hipotezami, w tym innymi strukturami korelacyjnymi wyjaśniającymi inteligencję grupową, takimi jak kompozycja kilku równie ważnych, ale niezależnych czynników, jak stwierdzono w indywidualnych badaniach osobowości .

Poza tym ten pomysł naukowy ma również na celu zbadanie przyczyn wpływających na inteligencję zbiorową, takich jak wielkość grupy, narzędzia współpracy lub umiejętności interpersonalne członków grupy. Na przykład Centrum Inteligencji Kolektywnej MIT ogłosiło wykrycie genomu inteligencji zbiorowej jako jeden z głównych celów mających na celu opracowanie „taksonomii organizacyjnych bloków budulcowych lub genów, które można łączyć i rekombinować, aby wykorzystać inteligencję tłumy".

Powoduje

Wykazano, że indywidualna inteligencja jest pod wpływem genetycznym i środowiskowym. Analogicznie, badania inteligencji zbiorowej mają na celu zbadanie powodów, dla których niektóre grupy działają bardziej inteligentnie niż inne grupy, biorąc pod uwagę, że c jest tylko umiarkowanie skorelowane z inteligencją poszczególnych członków grupy. Zgodnie z wynikami Woolley i wsp. ani spójność zespołu, ani motywacja czy satysfakcja nie są skorelowane z c . Twierdzą jednak, że jako istotne korelaty uznano trzy czynniki: zmienność liczby tur mówienia, średnią wrażliwość społeczną członków grupy oraz odsetek kobiet. Wszystkie trzy miały podobną moc predykcyjną dla c , ale tylko wrażliwość społeczna była statystycznie istotna (b = 0,33, P = 0,05).

Liczba zwrotów mówiących wskazuje, że „grupy, w których kilka osób dominowało w rozmowie, były mniej inteligentne zbiorowo niż te z bardziej równomiernym rozkładem kolejności konwersacji”. Dlatego zapewnienie wielu członkom zespołu możliwości wypowiedzenia się sprawiło, że grupa stała się bardziej inteligentna.

Wrażliwość społeczną członków grupy mierzono za pomocą Testu Czytania w Umyśle w Oczu (RME) i skorelowano 0,26 z c . Niniejszym uczestnicy proszeni są o wykrycie myśli lub uczuć wyrażanych w oczach innych ludzi, przedstawionych na zdjęciach i ocenionych w formacie wielokrotnego wyboru. Test ma na celu zmierzenie ludzkiej teorii umysłu (ToM) , zwanej także „mentalizowaniem” lub „czytaniem w myślach”, która odnosi się do zdolności przypisywania innym ludziom stanów psychicznych, takich jak przekonania, pragnienia lub intencje, oraz w jakim stopniu ludzie rozumieją, że inni mają przekonania, pragnienia, intencje lub perspektywy inne niż ich własne. RME to test ToM dla dorosłych, który wykazuje wystarczającą rzetelność testu-retestu i stale różnicuje grupy kontrolne od osób z funkcjonalnym autyzmem lub zespołem Aspergera . Jest to jeden z najszerzej akceptowanych i najlepiej sprawdzonych testów ToM u dorosłych. ToM można traktować jako powiązany podzbiór umiejętności i zdolności w ramach szerszej koncepcji inteligencji emocjonalnej .

Odsetek kobiet jako predyktor c był w dużej mierze zależny od wrażliwości społecznej ( Sobel z = 1,93, P = 0,03), co jest zgodne z wcześniejszymi badaniami pokazującymi, że kobiety uzyskują wyższe wyniki w testach wrażliwości społecznej. Podczas gdy mediacja , statystycznie rzecz biorąc, wyjaśnia mechanizm leżący u podstaw relacji między zmienną zależną a zmienną niezależną, Wolley zgodził się w wywiadzie dla Harvard Business Review , że te ustalenia mówią, że grupy kobiet są mądrzejsze niż grupy mężczyzn. Relatywizuje to jednak stwierdzając, że tak naprawdę ważna jest wysoka wrażliwość społeczna członków grupy.

Teoretyzuje się, że czynnik inteligencji zbiorowej c jest właściwością wyłaniającą się, wynikającą zarówno z procesów oddolnych, jak i odgórnych. W ten sposób procesy oddolne obejmują zagregowane cechy członków grupy. Procesy odgórne obejmują struktury i normy grupowe, które wpływają na sposób współpracy i koordynacji w grupie.

Procesy

Predyktory dla czynnika inteligencji zbiorowej c . Sugerowane przez Woolley, Aggarwal i Malone (2015)

Procesy odgórne

Procesy odgórne obejmują interakcje grupowe, takie jak struktury, procesy i normy. Przykładem takich odgórnych procesów jest zmiana kolejności konwersacji. Dalsze badania sugerują, że grupy o inteligencji kolektywnej komunikują się bardziej ogólnie, a także bardziej równomiernie; to samo dotyczy uczestnictwa i jest pokazane zarówno w przypadku grup bezpośrednich, jak i internetowych, komunikujących się wyłącznie na piśmie.

Procesy oddolne

Procesy oddolne obejmują skład grupy, a mianowicie cechy członków grupy, które są agregowane na poziomie zespołu. Przykładem takich procesów oddolnych jest średnia wrażliwość społeczna lub średnie i maksymalne wyniki inteligencji członków grupy. Ponadto stwierdzono, że inteligencja zbiorowa jest powiązana z różnorodnością poznawczą grupy, w tym ze stylami myślenia i perspektywami. Grupy umiarkowanie zróżnicowane pod względem stylu poznawczego mają wyższą inteligencję zbiorową niż grupy bardzo podobne pod względem stylu poznawczego lub bardzo różne. W rezultacie grupom, których członkowie są do siebie zbyt podobni, brakuje różnorodności perspektyw i umiejętności potrzebnych do dobrego działania. Z drugiej strony grupy, których członkowie są zbyt różni, wydają się mieć trudności z efektywną komunikacją i koordynacją.

Procesy szeregowe a równoległe

Przez większość historii ludzkości inteligencja zbiorowa ograniczała się do małych grup plemiennych, w których opinie były agregowane poprzez równoległe interakcje między członkami w czasie rzeczywistym. W dzisiejszych czasach komunikacja masowa, środki masowego przekazu i technologie sieciowe umożliwiły zbiorowej inteligencji objęcie ogromnych grup, rozproszonych po kontynentach i strefach czasowych. Aby dostosować się do tej zmiany skali, inteligencja zbiorowa w grupach na dużą skalę została zdominowana przez serializowane procesy sondowania, takie jak agregowanie pozytywnych głosów, polubień i ocen w czasie. Podczas gdy nowoczesne systemy odnoszą korzyści z większych grup, stwierdzono, że serializowany proces wprowadza znaczny szum, który zniekształca zbiorową wydajność grupy. W jednym znaczącym badaniu serializowanej inteligencji zbiorowej stwierdzono, że pierwszy głos oddany do serializowanego systemu głosowania może zniekształcić końcowy wynik o 34%.

Aby rozwiązać problemy serializowanej agregacji danych wejściowych wśród grup na dużą skalę, ostatnie postępy zbiorowej inteligencji pracowały nad zastąpieniem serializowanych głosów, sondaży i rynków równoległymi systemami, takimi jak „ludzkie roje”, wzorowane na synchronicznych rojach w naturze . Oparte na naturalnym procesie Inteligencji Roju , te sztuczne roje połączonych w sieć ludzi umożliwiają uczestnikom równoległą współpracę w celu odpowiadania na pytania i przewidywania jako wyłaniająca się zbiorowa inteligencja. W jednym z głośnych przykładów, wyzwanie roju ludzi przez CBS Interactive, aby przewidzieć Kentucky Derby. Rój poprawnie przewidział pierwsze cztery konie w kolejności, przeciwstawiając się kursom 542-1 i zamieniając zakład 20 $ na 10 800 $.

Wartość równoległej inteligencji zbiorowej została wykazana w zastosowaniach medycznych przez naukowców z Stanford University School of Medicine i Unanimous AI w zestawie opublikowanych badań, w których grupy ludzkich lekarzy zostały połączone algorytmami roju w czasie rzeczywistym i miały za zadanie diagnozowanie prześwietleń klatki piersiowej dla obecność zapalenia płuc. Pracując razem jako „ludzkie roje”, grupy doświadczonych radiologów wykazały 33% redukcję błędów diagnostycznych w porównaniu z tradycyjnymi metodami.

Dowód

Standardized Regression Coefficients for the collective intelligence factor c and group member intelligence regressed on the two criterion tasks as found in Woolley et al.'s (2010) two original studies.
Standaryzowane współczynniki regresji dla czynnika inteligencji zbiorowej c , jak stwierdzono w dwóch oryginalnych badaniach Woolley i in. (2010). c i średnie (maksymalne) wyniki inteligencji członków są regresowane w zadaniach kryterialnych.

Woolley, Chabris, Pentland, Hashmi i Malone (2010), twórcy tego naukowego rozumienia inteligencji zbiorowej, znaleźli pojedynczy czynnik statystyczny dla inteligencji zbiorowej w swoich badaniach w 192 grupach z osobami losowo rekrutowanymi spośród ogółu społeczeństwa. W dwóch początkowych badaniach Woolleya i wsp. grupy pracowały razem nad różnymi zadaniami z McGratha Task Circumplex , dobrze ugruntowanej taksonomii zadań grupowych. Zadania zostały wybrane ze wszystkich czterech kwadrantów okręgu i obejmowały łamigłówki wizualne, burzę mózgów, dokonywanie zbiorowych osądów moralnych i negocjacje w sprawie ograniczonych zasobów. Wyniki w tych zadaniach pobrano do przeprowadzenia analizy czynnikowej . Oba badania wykazały poparcie dla ogólnego czynnika inteligencji zbiorowej c leżącego u podstaw różnic w wynikach grupy z początkową wartością własną stanowiącą 43% (44% w badaniu 2) wariancji, podczas gdy następny czynnik stanowił tylko 18% (20%). To mieści się w zakresie zwykle spotykanym w badaniach dotyczących ogólnego indywidualnego czynnika inteligencji g , który zwykle odpowiada za 40% do 50% procent różnic w wynikach między poszczególnymi osobami w testach poznawczych.

Następnie każda grupa rozwiązywała bardziej złożone zadanie, aby określić, czy wyniki czynnika c przewidują wyniki w zadaniach wykraczających poza pierwotny test. Zadaniami kryterialnymi były gra w warcaby (warcaby) ze standardowym komputerem w pierwszym badaniu oraz zadanie złożonego projektu architektonicznego w drugim badaniu. W analizie regresji wykorzystującej zarówno indywidualną inteligencję członków grupy, jak i c do przewidywania wyników w zadaniach kryterialnych, c miało znaczący wpływ, ale średnia i maksymalna indywidualna inteligencja nie. O ile inteligencja średnia (r=0,15, P=0,04) i maksymalna (r=0,19, P=0,008) poszczególnych członków grupy były umiarkowanie skorelowane z c , to c było wciąż znacznie lepszym predyktorem zadań kryterialnych. Według Woolleya i wsp. potwierdza to istnienie czynnika inteligencji zbiorowej c, ponieważ pokazuje efekt wykraczający poza indywidualną inteligencję członków grupy, a zatem c jest czymś więcej niż tylko agregacją indywidualnych IQ lub wpływem członek grupy z najwyższym IQ.

Engel i in. (2014) powtórzyli ustalenia Woolleya i wsp., stosując przyspieszoną baterię zadań, przy czym pierwszy czynnik w analizie czynnikowej wyjaśniał 49% wariancji wyników między grupami, a następujące czynniki wyjaśniały mniej niż połowę tej kwoty. Co więcej, znaleźli podobny wynik dla grup pracujących razem online, komunikujących się wyłącznie za pomocą wiadomości tekstowych i potwierdzili rolę proporcji kobiet i wrażliwości społecznej w wywoływaniu inteligencji zbiorowej w obu przypadkach. Podobnie jak Wolley i wsp., zmierzyli również wrażliwość społeczną za pomocą RME, który w rzeczywistości ma mierzyć zdolność ludzi do wykrywania stanów psychicznych w oczach innych ludzi. Jednak uczestnicy współpracujący online w ogóle się nie znali ani nie widywali. Autorzy doszli do wniosku, że wyniki w RME muszą odnosić się do szerszego zestawu umiejętności rozumowania społecznego niż tylko wyciąganie wniosków z wyrazu oczu innych ludzi.

Czynnik inteligencji zbiorowej c w rozumieniu Woolley et al. został następnie znaleziony w grupach studentów MBA pracujących razem w ciągu semestru, w grupach graczy online, a także w grupach z różnych kultur i grup w różnych kontekstach pod względem grup krótkoterminowych i długoterminowych. Żadne z tych badań nie uwzględniało indywidualnych wyników inteligencji członków zespołu jako zmiennych kontrolnych.

Należy również zauważyć, że dziedzina badań nad inteligencją zbiorową jest dość młoda, a opublikowane dowody empiryczne są stosunkowo rzadkie. Jednak różne propozycje i dokumenty robocze są w toku lub zostały już ukończone, ale (podobno) nadal znajdują się w w ramach recenzowania naukowego .

Trafność predykcyjna

Oprócz przewidywania wyników grupy w bardziej złożonych zadaniach kryterialnych, jak pokazano w oryginalnych eksperymentach, czynnik inteligencji zbiorowej c okazał się również przewidywać wyniki grupy w różnorodnych zadaniach na zajęciach MBA trwających przez kilka miesięcy. W ten sposób grupy o wysokiej inteligencji kolektywnej uzyskiwały znacznie wyższe wyniki w zadaniach grupowych, chociaż ich członkowie nie radzili sobie lepiej w innych zadaniach wykonywanych indywidualnie. Co więcej, wysoce kolektywne inteligentne zespoły poprawiały wyniki w czasie, co sugeruje, że bardziej kolektywnie inteligentne zespoły uczą się lepiej. Jest to kolejny potencjał równoległy do ​​indywidualnej inteligencji, w którym znajdują się bardziej inteligentni ludzie, którzy szybciej zdobywają nowy materiał.

Indywidualna inteligencja może być wykorzystana do przewidywania wielu skutków życiowych, od osiągnięć szkolnych i sukcesów zawodowych po wyniki zdrowotne, a nawet śmiertelność. To, czy zbiorowa inteligencja jest w stanie przewidzieć inne wyniki niż wyniki grupy w zadaniach umysłowych, wciąż wymaga zbadania.

Potencjalne powiązania z indywidualną inteligencją

Gladwell (2008) wykazał, że związek między indywidualnym IQ a sukcesem działa tylko do pewnego momentu, a dodatkowe punkty IQ powyżej szacunkowego IQ 120 nie przekładają się na rzeczywiste korzyści życiowe. Jeśli istnieje podobna granica dla IQ grupowego lub jeśli korzyści są liniowe i nieskończone, to nadal wymaga zbadania. Podobnie zapotrzebowanie na dalsze badania nad możliwymi powiązaniami inteligencji indywidualnej i zbiorowej istnieje w ramach wielu innych potencjalnie możliwych do przeniesienia logik inteligencji indywidualnej, takich jak na przykład rozwój w czasie czy kwestia doskonalenia inteligencji. Podczas gdy kontrowersyjne jest to, czy ludzką inteligencję można poprawić poprzez szkolenie, zbiorowa inteligencja grupy potencjalnie oferuje prostsze możliwości poprawy poprzez wymianę członków zespołu lub wdrażanie struktur i technologii. Co więcej, stwierdzono, że wrażliwość społeczną można, przynajmniej tymczasowo, poprawić, czytając beletrystykę, a także oglądając dramaty. Otwarte pozostaje pytanie, w jakim stopniu takie szkolenie ostatecznie poprawia zbiorową inteligencję poprzez wrażliwość społeczną.

Istnieją dalsze bardziej zaawansowane koncepcje i modele czynnikowe próbujące wyjaśnić indywidualne zdolności poznawcze, w tym kategoryzację inteligencji jako inteligencję płynną i skrystalizowaną lub hierarchiczny model różnic inteligencji . Brakuje jednak jeszcze dalszych uzupełniających wyjaśnień i konceptualizacji struktury czynnikowej genomów inteligencji zbiorowej, poza ogólnym „ czynnikiem c ”.

Kontrowersje

Inni uczeni wyjaśniają wyniki zespołu, agregując ogólną inteligencję członków zespołu na poziomie zespołu, zamiast budować własną ogólną miarę inteligencji zbiorowej. Devine i Philips (2001) wykazali w metaanalizie, że średnie zdolności poznawcze pozwalają przewidzieć wydajność zespołu w warunkach laboratoryjnych (0,37), jak również w warunkach terenowych (0,14) – należy zauważyć, że jest to tylko niewielki efekt. Sugerując silną zależność od odpowiednich zadań, inni badacze wykazali, że na zadania wymagające wysokiego stopnia komunikacji i współpracy największy wpływ ma członek zespołu o najniższych zdolnościach poznawczych. Wykazano, że na zadania, w których wybór najlepszego członka zespołu jest najskuteczniejszą strategią, największy wpływ ma członek o najwyższych zdolnościach poznawczych.

Ponieważ wyniki Woolley i wsp. nie wykazują żadnego wpływu satysfakcji grupy, spójności grupy ani motywacji, kwestionują oni, przynajmniej pośrednio, te koncepcje dotyczące znaczenia dla wyników grupy w ogóle, a tym samym przeciwstawiają udowodnione metaanalitycznie dowody dotyczące pozytywny wpływ spójności grupy , motywacji i satysfakcji na wyniki grupy.

Godne uwagi jest również to, że zaangażowani badacze spośród potwierdzających ustaleń w dużym stopniu pokrywają się ze sobą oraz z autorami uczestniczącymi w oryginalnym pierwszym badaniu wokół Anity Woolley.

Alternatywne techniki matematyczne

Obliczeniowa inteligencja zbiorowa

Obliczeniowa inteligencja zbiorowa, Tadeusz Szuba

W 2001 roku Tadeusz (Tad) Szuba z AGH zaproponował formalny model zjawiska inteligencji zbiorowej. Zakłada się, że jest to nieświadomy, losowy, równoległy i rozproszony proces obliczeniowy, prowadzony w logice matematycznej przez strukturę społeczną.

W tym modelu byty i informacje są modelowane jako abstrakcyjne cząsteczki informacji niosące wyrażenia logiki matematycznej. Przemieszczają się quasi-losowo ze względu na ich interakcję z otoczeniem z zamierzonymi przemieszczeniami. Ich interakcja w abstrakcyjnej przestrzeni obliczeniowej tworzy wielowątkowy proces wnioskowania, który postrzegamy jako zbiorową inteligencję. W związku z tym używany jest model obliczeń inny niż Turing . Teoria ta pozwala na prostą formalną definicję inteligencji zbiorowej jako właściwości struktury społecznej i wydaje się, że dobrze sprawdza się w przypadku szerokiego spektrum istot, od kolonii bakteryjnych po ludzkie struktury społeczne. Inteligencja zbiorowa rozpatrywana jako specyficzny proces obliczeniowy dostarcza prostego wyjaśnienia kilku zjawisk społecznych. Dla tego modelu inteligencji zbiorowej zaproponowano formalną definicję IQS (IQ Social), która została zdefiniowana jako „funkcja prawdopodobieństwa w czasie i dziedzinie wnioskowania o elementach N, które odzwierciedlają aktywność wnioskowania struktury społecznej”. O ile IQS wydaje się być trudny obliczeniowo, o tyle opisane powyżej modelowanie struktury społecznej w kategoriach procesu obliczeniowego daje szansę na przybliżenie. Potencjalne zastosowania to optymalizacja firm poprzez maksymalizację ich IQS oraz analiza lekooporności wobec zbiorowej inteligencji kolonii bakteryjnych.

Zbiorowy iloraz inteligencji

Jedną z miar stosowanych czasem, zwłaszcza przez teoretyków bardziej skupionych na sztucznej inteligencji, jest „iloraz inteligencji zbiorowej” (lub „współczynnik współpracy”) – który można znormalizować na podstawie „indywidualnego” ilorazu inteligencji (IQ) – umożliwiając w ten sposób określenie marginalną inteligencję dodaną przez każdą nową osobę uczestniczącą w zbiorowym działaniu , dzięki czemu można wykorzystać wskaźniki , aby uniknąć niebezpieczeństw związanych z myśleniem grupowym i głupotą .

Aplikacje

Ostatnio pojawiło się wiele zastosowań inteligencji zbiorowej, w tym w dziedzinach takich jak crowdsourcing, nauka obywatelska i rynki prognostyczne. Nesta Center for Collective Intelligence Design zostało uruchomione w 2018 roku i stworzyło wiele ankiet dotyczących aplikacji, a także eksperymentów finansowych. W 2020 r. UNDP Accelerator Labs zaczęło wykorzystywać metody inteligencji zbiorowej w swojej pracy w celu przyspieszenia innowacji na rzecz celów zrównoważonego rozwoju .

Pozyskiwanie oszacowań punktowych

Tutaj celem jest uzyskanie oszacowania (w jednej wartości) czegoś. Na przykład oszacowanie wagi przedmiotu lub daty premiery produktu lub prawdopodobieństwa sukcesu projektu itp., jak widać na rynkach predykcyjnych, takich jak Intrade, HSX lub InklingMarkets, a także w kilku implementacjach szacowania wyników liczbowych, takich jak crowdsourcing jak metoda Delphi . Zasadniczo staramy się uzyskać średnią wartość szacunków dostarczonych przez członków tłumu.

Agregacja opinii

W tej sytuacji zbierane są opinie z tłumu na temat pomysłu, zagadnienia lub produktu. Na przykład próba uzyskania oceny (w pewnej skali) produktu sprzedawanego online (takiego jak system gwiazdek Amazon). Tutaj nacisk kładziony jest na zbieranie i po prostu agregowanie ocen wystawianych przez klientów/użytkowników.

Kolekcja pomysłów

W tych problemach ktoś zabiega o pomysły na projekty, projekty lub rozwiązania z tłumu. Na przykład pomysły na rozwiązanie związanego z nauką o danych (jak w Kaggle ) lub uzyskanie dobrego projektu koszulki (jak w Threadless ) lub uzyskanie odpowiedzi na proste problemy, które tylko ludzie mogą dobrze rozwiązać (jak w Amazon Mechanical Turk) . Celem jest zebranie pomysłów i opracowanie kryteriów wyboru najlepszych pomysłów.

James Surowiecki dzieli zalety zdezorganizowanego podejmowania decyzji na trzy główne kategorie, którymi są poznanie, współpraca i koordynacja.

Poznawanie

Wyrok rynkowy

Ze względu na zdolność Internetu do szybkiego przekazywania dużych ilości informacji na całym świecie, wykorzystanie zbiorowej inteligencji do przewidywania cen akcji i kierunku cen akcji staje się coraz bardziej opłacalne. Strony internetowe gromadzą informacje giełdowe, które są tak aktualne, jak to możliwe, aby profesjonalni lub amatorzy analitycy giełdowi mogli publikować swoje opinie, umożliwiając inwestorom amatorom przesyłanie opinii finansowych i tworzenie zbiorczych opinii. Opinia wszystkich inwestorów może być jednakowo rozważona, tak aby można było zastosować kluczową przesłankę skutecznego zastosowania zbiorowej inteligencji: masy, w tym szerokie spektrum wiedzy o rynku giełdowym, mogą być wykorzystane do dokładniejszego przewidywania zachowania rynków finansowych.

Inteligencja zbiorowa leży u podstaw hipotezy efektywnego rynku Eugene'a Famy - chociaż termin inteligencja zbiorowa nie jest wyraźnie używany w jego artykule. Fama przytacza badania przeprowadzone przez Michaela Jensena , w których 89 ze 115 wybranych funduszy osiągnęło gorsze wyniki w stosunku do indeksu w okresie od 1955 do 1964 roku. Jednak po usunięciu opłaty wstępnej tylko 72 osiągnęło gorsze wyniki, podczas gdy po usunięciu kosztów maklerskich tylko 58 osiągał słabe wyniki. Na podstawie takich dowodów fundusze indeksowe stały się popularnymi wehikułami inwestycyjnymi wykorzystującymi zbiorową inteligencję rynku, a nie ocenę profesjonalnych zarządzających funduszami, jako strategię inwestycyjną.

Prognozy w polityce i technologii

Metody głosowania stosowane w Stanach Zjednoczonych w 2016 r

Partie polityczne mobilizują dużą liczbę ludzi do kształtowania polityki, selekcji kandydatów oraz finansowania i prowadzenia kampanii wyborczych. Koncentracja wiedzy poprzez różne głosowania pozwala na zbieżność perspektyw dzięki założeniu, że głosowanie bez informacji jest do pewnego stopnia przypadkowe i można je odfiltrować z procesu decyzyjnego, pozostawiając jedynie pozostałość świadomego konsensusu. Krytycy zwracają uwagę, że często złe pomysły, nieporozumienia i nieporozumienia są szeroko rozpowszechnione, a struktura procesu decyzyjnego musi faworyzować ekspertów, którzy prawdopodobnie są mniej podatni na przypadkowe lub źle poinformowane głosowanie w danym kontekście.

Firmy takie jak Affinnova (przejęta przez Nielsena), Google , InnoCentive , Marketocracy i Threadless z powodzeniem wykorzystały koncepcję zbiorowej inteligencji do wprowadzania zmian technologicznych nowej generacji poprzez badania i rozwój (R&D), obsługę klienta i zarządzanie wiedzą . Przykładem takiego zastosowania jest Google Project Arystoteles z 2012 roku, w którym zbadano wpływ inteligencji zbiorowej na skład zespołu w setkach zespołów badawczo-rozwojowych firmy.

Współpraca

Sieci zaufania

Zastosowanie inteligencji zbiorowej w Projekcie Millennium

W 2012 roku The Millennium Project stworzył Global Futures Collective Intelligence System (GFIS) , który uosabia zbiorową inteligencję jako synergiczne połączenie między danymi/informacjami/wiedzą, oprogramowaniem/sprzętem i ekspertyzami/spostrzeżeniami, które mają rekurencyjny proces uczenia się dla lepszego podejmowania decyzji niż poszczególni gracze.

Nowe media są często kojarzone z promocją i wzmacnianiem inteligencji zbiorowej. Zdolność nowych mediów do łatwego przechowywania i wyszukiwania informacji, głównie poprzez bazy danych i Internet, pozwala na ich bezproblemowe udostępnianie. W ten sposób, poprzez interakcję z nowymi mediami, wiedza łatwo przechodzi między źródłami, tworząc formę zbiorowej inteligencji. Korzystanie z interaktywnych nowych mediów, zwłaszcza Internetu, promuje interakcję online i tę dystrybucję wiedzy między użytkownikami.

Francis Heylighen , Valentin Turchin i Gottfried Mayer-Kress należą do tych, którzy postrzegają zbiorową inteligencję przez pryzmat informatyki i cybernetyki . Ich zdaniem Internet umożliwia zbiorową inteligencję na najszerszą skalę planetarną, ułatwiając w ten sposób powstanie globalnego mózgu .

Twórca World Wide Web, Tim Berners-Lee , miał na celu promowanie udostępniania i publikowania informacji na całym świecie. Później jego pracodawca udostępnił tę technologię do swobodnego użytku. Na początku lat 90. potencjał Internetu był wciąż niewykorzystany, aż do połowy lat 90., gdy „masa krytyczna”, jak to określił szef Agencji Zaawansowanych Projektów Badawczych (ARPA), dr JCR Licklider, zażądała większej dostępności i użyteczności . Siłą napędową tej kolektywnej inteligencji opartej na Internecie jest cyfryzacja informacji i komunikacji. Henry Jenkins , główny teoretyk nowych mediów i konwergencji mediów, opiera się na teorii, że zbiorową inteligencję można przypisać konwergencji mediów i kulturze partycypacyjnej. Krytykuje współczesną edukację za to, że nie uwzględnia internetowych trendów zbiorowego rozwiązywania problemów w klasie, stwierdzając, że „podczas gdy społeczność inteligencji zbiorowej zachęca do własności pracy jako grupa, jednostki oceniające szkoły”. Jenkins argumentuje, że interakcja w społeczności wiedzy buduje kluczowe umiejętności młodych ludzi, a praca zespołowa poprzez społeczności zbiorowej inteligencji przyczynia się do rozwoju takich umiejętności. Inteligencja zbiorowa to nie tylko ilościowy wkład informacji ze wszystkich kultur, ma ona również charakter jakościowy.

Lévy i de Kerckhove rozważają CI z perspektywy komunikacji masowej, koncentrując się na zdolności sieciowych technologii informacyjno-komunikacyjnych do zwiększania puli wiedzy społeczności. Sugerują, że te narzędzia komunikacyjne umożliwiają ludziom interakcję oraz udostępnianie i współpracę z łatwością i szybkością. Wraz z rozwojem Internetu i jego powszechnym wykorzystaniem, możliwości wniesienia wkładu w społeczności budujące wiedzę, takie jak Wikipedia , są większe niż kiedykolwiek wcześniej. Te sieci komputerowe dają uczestniczącym użytkownikom możliwość przechowywania i wyszukiwania wiedzy poprzez zbiorowy dostęp do tych baz danych i pozwalają im „ujarzmić rój” naukowców z MIT Center for Collective Intelligence i badać zbiorową inteligencję grup ludzi i komputerów.

W tym kontekście zbiorowa inteligencja jest często mylona z dzieloną wiedzą . Pierwsza to suma informacji posiadanych indywidualnie przez członków społeczności, podczas gdy druga to informacje, które uważa się za prawdziwe i znane wszystkim członkom społeczności. Zbiorowa inteligencja reprezentowana przez Web 2.0 ma mniejsze zaangażowanie użytkowników niż inteligencja oparta na współpracy . Projekt artystyczny wykorzystujący platformy Web 2.0 to „Shared Galaxy”, eksperyment opracowany przez anonimowego artystę w celu stworzenia zbiorowej tożsamości, która pojawia się jako jedna osoba na kilku platformach, takich jak MySpace, Facebook, YouTube i Second Life. Hasło jest zapisywane w profilach, a konta o nazwie „Wspólna galaktyka” są dostępne dla każdego. W ten sposób wielu bierze udział w byciu jednym. Innym projektem artystycznym wykorzystującym inteligencję zbiorową do tworzenia prac artystycznych jest Curatron, w którym duża grupa artystów wspólnie decyduje o mniejszej grupie, która ich zdaniem byłaby dobrą grupą współpracującą. Proces ten jest wykorzystywany w oparciu o algorytm obliczający preferencje zbiorowe. Tworząc to, co nazywa „CI-Art”, artysta z Nowej Szkocji, Mathew Aldred, podąża za definicją zbiorowej inteligencji Pierry'ego Lévy'ego. Wydarzenie CI-Art Aldreda w marcu 2016 r. Wzięło udział ponad czterysta osób ze społeczności Oksfordu w Nowej Szkocji i z zagranicy. inteligencji roju UNU do tworzenia cyfrowych rysunków i obrazów. W maju 2016 r. Oxford Riverside Gallery (Nowa Szkocja) zorganizowała publiczne wydarzenie CI-Art, które połączyło uczestników online z całego świata.

Rodzicielska sieć społecznościowa i wspólne tagowanie jako filary automatycznego systemu blokowania treści IPTV

W przypadku zakładek społecznościowych (zwanych również tagowaniem opartym na współpracy) użytkownicy przypisują znaczniki do zasobów udostępnianych innym użytkownikom, co daje początek organizacji informacji, która wyłania się z procesu crowdsourcingu . Powstała struktura informacji może być postrzegana jako odzwierciedlająca zbiorową wiedzę (lub zbiorową inteligencję) społeczności użytkowników i jest powszechnie nazywana „Folksonomią ” , a proces ten można uchwycić za pomocą modeli wspólnego tagowania .

Niedawne badania wykorzystujące dane z serwisu społecznościowego Delicious wykazały, że współpracujące systemy tagowania wykazują formę złożonych systemów (lub samoorganizujących się ) dynamiki. Chociaż nie ma centralnie kontrolowanego słownictwa, które ograniczałoby działania poszczególnych użytkowników, wykazano, że rozkłady znaczników opisujących różne zasoby zbiegają się w czasie do stabilnych rozkładów prawa potęgowego . Po utworzeniu takich stabilnych rozkładów badanie korelacji między różnymi znacznikami można wykorzystać do skonstruowania prostych wykresów folksonomii, które można skutecznie podzielić, aby uzyskać formę słowników społecznościowych lub wspólnych. Takie słowniki można postrzegać jako formę zbiorowej inteligencji, wyłaniającą się ze zdecentralizowanych działań społeczności użytkowników. Projekt Wall-it jest również przykładem zakładek społecznościowych.

Biznes P2P

Badania przeprowadzone przez Tapscotta i Williamsa dostarczyły kilku przykładów korzyści płynących ze zbiorowej inteligencji dla biznesu:

Wykorzystanie talentów
W tempie, w jakim technologia się zmienia, żadna firma nie jest w stanie w pełni nadążyć za innowacjami niezbędnymi do konkurowania. Zamiast tego inteligentne firmy wykorzystują siłę masowej współpracy, aby zaangażować w nią ludzi, których nie mogliby zatrudnić. Pomaga to również w generowaniu ciągłego zainteresowania firmą w postaci osób przyciąganych do tworzenia nowych pomysłów, a także możliwości inwestycyjnych.
Tworzenie popytu
Firmy mogą stworzyć nowy rynek dla towarów komplementarnych, angażując się w społeczność open source. Firmy są również w stanie rozszerzyć działalność na nowe obszary, na które wcześniej nie byłyby w stanie bez dodatkowych zasobów i współpracy ze społecznością. Tworzy to, jak wspomniano wcześniej, nowy rynek towarów komplementarnych dla produktów z tych nowych dziedzin.
Redukcja kosztów
Masowa współpraca może pomóc radykalnie obniżyć koszty. Firmy mogą udostępnić określone oprogramowanie lub produkt do oceny lub debugowania przez społeczności internetowe. Rezultatem będą bardziej osobiste, solidne i wolne od błędów produkty stworzone w krótkim czasie i kosztach. Nowe pomysły można również generować i badać poprzez współpracę społeczności internetowych, tworząc możliwości bezpłatnych prac badawczo-rozwojowych poza granicami firmy.

Oprogramowanie open source

Teoretyk kultury i twórca społeczności online, John Banks, rozważał wkład społeczności fanów online w tworzenie produktu Trainz . Twierdził, że jego sukces komercyjny był zasadniczo zależny od „utworzenia i rozwoju aktywnej i tętniącej życiem społeczności fanów online, która zarówno aktywnie promowałaby produkt, jak i tworzyła rozszerzenia treści i dodatki do oprogramowania gry”.

Wzrost treści i interaktywności tworzonych przez użytkowników powoduje problemy z kontrolą samej gry i własnością treści tworzonych przez graczy. Rodzi to fundamentalne kwestie prawne, na które zwracają uwagę Lessig i Bray oraz Konsynski, takie jak własność intelektualna i prawa własności.

Gosney rozszerza kwestię Kolektywnej Inteligencji w grach wideo o krok dalej w swoim omówieniu gier w alternatywnej rzeczywistości . Gatunek ten opisuje jako „grę z wieloma mediami, która celowo zaciera granicę między doświadczeniami w grze i poza grą”, ponieważ wydarzenia, które mają miejsce poza rzeczywistością gry, „docierają” do życia gracza, aby przynieść oni razem. Rozwiązanie gry wymaga „wspólnych i wspólnych wysiłków wielu graczy”; dlatego kwestia zbiorowej i opartej na współpracy gry zespołowej jest kluczowa dla ARG. Gosney twierdzi, że gatunek gier Alternate Reality wymaga bezprecedensowego poziomu współpracy i „zbiorowej inteligencji” w celu rozwiązania tajemnicy gry.

Korzyści ze współpracy

Współpraca pomaga rozwiązywać najważniejsze i najciekawsze problemy wielonaukowe. W swojej książce James Surowiecki wspomniał, że większość naukowców uważa, że ​​korzyści płynące ze współpracy mają znacznie większą wartość w porównaniu z potencjalnymi kosztami. Współpraca działa również dlatego, że w najlepszym przypadku gwarantuje wiele różnych punktów widzenia. Ze względu na możliwości technologii globalna współpraca jest obecnie znacznie łatwiejsza i bardziej produktywna niż wcześniej. Oczywiste jest, że kiedy współpraca przechodzi z poziomu uniwersyteckiego na światowy, przynosi znaczące korzyści.

Na przykład, dlaczego naukowcy współpracują? Nauka stawała się coraz bardziej odizolowana, a każda dziedzina nauki rozprzestrzeniła się jeszcze bardziej i nie jest możliwe, aby jedna osoba była świadoma wszystkich zmian. Dotyczy to zwłaszcza badań eksperymentalnych, gdzie wysoce zaawansowana aparatura wymaga specjalnych umiejętności. Dzięki współpracy naukowcy mogą korzystać z informacji z różnych dziedzin i wykorzystywać je efektywnie, zamiast zbierać wszystkie informacje po prostu czytając je samodzielnie”.

Koordynacja

Społeczności ad hoc

Wojsko, związki zawodowe i korporacje spełniają niektóre definicje IK – najbardziej rygorystyczna definicja wymagałaby zdolności do reagowania na bardzo arbitralne warunki bez nakazów lub wskazówek ze strony „prawa” lub „klientów” w celu ograniczenia działań. Firmy reklamowe online wykorzystują zbiorową inteligencję, aby ominąć tradycyjne agencje marketingowe i kreatywne.

platforma UNU do „roju ludzi” (lub „roju społecznościowego”) ustanawia działające w czasie rzeczywistym systemy zamkniętej pętli wokół grup użytkowników sieciowych uformowanych na wzór biologicznych rojów, umożliwiając ludzkim uczestnikom zachowywanie się jak zunifikowana zbiorowa inteligencja. Po podłączeniu do UNU grupy rozproszonych użytkowników wspólnie odpowiadają na pytania i dokonują prognoz w czasie rzeczywistym. Wczesne testy pokazują, że ludzkie roje mogą przewidywać osobniki. W 2016 r. rój UNU został wezwany przez reportera do przewidzenia zwycięzców Kentucky Derby i z powodzeniem wybrał pierwsze cztery konie w kolejności, pokonując szanse 540 do 1.

Wyspecjalizowane strony informacyjne, takie jak Digital Photography Review czy Camera Labs, są przykładem zbiorowej inteligencji. Każdy, kto ma dostęp do Internetu, może przyczynić się do rozpowszechniania swojej wiedzy na całym świecie za pośrednictwem specjalistycznych serwisów informacyjnych.

W kontekście generowanym przez uczących się grupa użytkowników gromadzi zasoby, aby stworzyć ekologię, która często (ale nie tylko) spełnia ich potrzeby w odniesieniu do współkonfiguracji, współtworzenia i współprojektowania określonej przestrzeni edukacyjnej, która pozwala uczniom tworzyć ich własny kontekst. Konteksty generowane przez uczących się reprezentują ad hoc , która ułatwia koordynację wspólnych działań w sieci zaufania. Przykład kontekstu generowanego przez ucznia można znaleźć w Internecie, gdy współpracujący użytkownicy gromadzą wiedzę w „wspólnej przestrzeni wywiadowczej”. Wraz z rozwojem Internetu rozwinęła się koncepcja CI jako wspólnego forum publicznego. Globalna dostępność i dostępność Internetu pozwoliła większej liczbie osób niż kiedykolwiek wnosić wkład i uzyskiwać dostęp do pomysłów.

Gry, takie jak The Sims Series i Second Life , zostały zaprojektowane tak, aby były nieliniowe i opierały się na zbiorowej inteligencji w zakresie ekspansji. Ten sposób udostępniania stopniowo ewoluuje i wpływa na sposób myślenia obecnych i przyszłych pokoleń. Dla nich zbiorowa inteligencja stała się normą. W dyskusji Terry'ego Flew na temat „ interaktywności ” w środowisku gier online, trwającego interaktywnego dialogu między użytkownikami a twórcami gier, odnosi się on do koncepcji Kolektywnej Inteligencji Pierre'a Lévy'ego [ potrzebne źródło ] i argumentuje, że jest ona aktywna w grach wideo jako klany lub gildie w MMORPG stale pracować, aby osiągnąć cele. Henry Jenkins sugeruje, że kultury partycypacyjne pojawiające się między producentami gier, firmami medialnymi i użytkownikami końcowymi oznaczają fundamentalną zmianę w naturze produkcji i konsumpcji mediów. Jenkins argumentuje, że ta nowa kultura partycypacyjna powstaje na przecięciu trzech szerokich nowych trendów medialnych. Po pierwsze, rozwój nowych narzędzi/technologii medialnych umożliwiających tworzenie treści. Po drugie, powstanie subkultur promujących takie kreacje, a wreszcie rozwój konglomeratów medialnych z wartością dodaną, które sprzyjają przepływowi wizerunku, idei i narracji.

Koordynacja działań zbiorowych

Obsada After School Improv otrzymuje ważną lekcję na temat improwizacji i życia

Aktorzy improwizacji doświadczają również pewnego rodzaju inteligencji zbiorowej, którą nazywają „umysłem grupowym”, ponieważ improwizacja teatralna opiera się na wzajemnej współpracy i porozumieniu, co prowadzi do jedności „umysłu grupowego”.

Rozwój Internetu i telefonii komórkowej doprowadził również do „roju” lub „spotkań”, które umożliwiają spotkania, a nawet randki na żądanie. Pełen wpływ nie jest jeszcze odczuwalny, ale ruch antyglobalistyczny w dużej mierze opiera się na e-mailach, telefonach komórkowych, pagerach, SMS-ach i innych środkach organizacyjnych. Organizacja Indymedia robi to w bardziej dziennikarski sposób. Takie zasoby mogą łączyć się w formę zbiorowej inteligencji odpowiedzialnej tylko przed obecnymi uczestnikami, ale z pewnymi silnymi moralnymi lub językowymi wskazówkami od pokoleń współpracowników – lub nawet przybrać bardziej oczywistą formę demokratyczną, aby osiągnąć wspólny cel.

Dalsze zastosowanie inteligencji zbiorowej można znaleźć w „Inżynierii społecznościowej na rzecz innowacji”. W takich zintegrowanych ramach zaproponowanych przez Ebnera i in. konkursy pomysłów i wirtualne społeczności są połączone, aby lepiej wykorzystać potencjał zbiorowej inteligencji uczestników, szczególnie w badaniach i rozwoju open source. W teorii zarządzania wykorzystanie inteligencji zbiorowej i crowdsourcingu prowadzi do innowacji i bardzo solidnych odpowiedzi na kwestie ilościowe. Dlatego inteligencja zbiorowa i crowdsourcing niekoniecznie prowadzą do najlepszego rozwiązania problemów ekonomicznych, ale do stabilnego, dobrego rozwiązania.

Koordynacja w różnego rodzaju zadaniach

Zbiorowe działania lub zadania wymagają różnej koordynacji w zależności od złożoności zadania. Zadania różnią się od bardzo niezależnych prostych zadań, które wymagają bardzo niewielkiej koordynacji, po złożone, współzależne zadania, które są tworzone przez wiele osób i wymagają dużej koordynacji. W artykule napisanym przez Kittura, Lee i Krauta autorzy przedstawiają problem współpracy: „Kiedy zadania wymagają wysokiej koordynacji, ponieważ praca jest wysoce współzależna, posiadanie większej liczby współpracowników może zwiększyć straty procesowe, zmniejszając efektywność grupy poniżej poziomu, który mogliby osiągnąć poszczególni członkowie. optymalnie zrealizować”. Mając zbyt duży zespół, ogólna efektywność może ucierpieć, nawet jeśli dodatkowi współpracownicy zwiększą zasoby. Ostatecznie całkowite koszty koordynacji mogą przewyższyć inne koszty.

Grupowa inteligencja zbiorowa jest właściwością, która wyłania się poprzez koordynację zarówno procesów oddolnych, jak i odgórnych. W procesie oddolnym różne cechy każdego członka są zaangażowane w przyczynianie się i wzmacnianie koordynacji. Procesy odgórne są bardziej rygorystyczne i ustalone z normami, strukturami grupowymi i procedurami, które na swój sposób usprawniają zbiorową pracę grupy.

Alternatywne poglądy

Narzędzie do walki z instynktem samozachowawczym

Tom Atlee uważa, że ​​chociaż ludzie mają wrodzoną zdolność do gromadzenia i analizowania danych, mają na nich wpływ kultura, edukacja i instytucje społeczne. [ źródło opublikowane samodzielnie? ] Pojedyncza osoba ma tendencję do podejmowania decyzji motywowanych instynktem samozachowawczym. Dlatego bez zbiorowej inteligencji ludzie mogą doprowadzić do wyginięcia w oparciu o swoje egoistyczne potrzeby.

Oddzielenie od IQizmu

Phillip Brown i Hugh Lauder cytują Bowlesa i Gintisa (1976), że aby naprawdę zdefiniować zbiorową inteligencję, kluczowe jest oddzielenie „inteligencji” od iqizmu. Dalej argumentują, że inteligencja jest osiągnięciem i można ją rozwinąć tylko wtedy, gdy się na to pozwoli. Na przykład wcześniej grupom z niższych warstw społeczeństwa surowo zabroniono agregowania i łączenia swojej inteligencji. Dzieje się tak, ponieważ elity obawiają się, że zbiorowa inteligencja przekona ludzi do buntu. Gdyby nie było takich zdolności i relacji, nie byłoby infrastruktury, na której zbudowana jest zbiorowa inteligencja. Odzwierciedla to, jak potężna może być zbiorowa inteligencja, jeśli pozwoli się jej rozwijać.

Widoki sztucznej inteligencji

Sceptycy, zwłaszcza krytyczni wobec sztucznej inteligencji i bardziej skłonni wierzyć, że ryzyko uszkodzenia ciała i działanie ciała są podstawą wszelkiej jedności między ludźmi, częściej podkreślają zdolność grupy do podejmowania działań i przeciwstawiania się krzywdom jako jednej płynnej masie mobilizacja , zlekceważenie szkodzi tak, jak ciało zlekceważy utratę kilku komórek. Ten tok myślenia jest najbardziej oczywisty w ruchu antyglobalistycznym i charakteryzuje się pracami Johna Zerzana , Carol Moore i Starhawka , którzy zazwyczaj unikają naukowców. Teoretycy ci częściej odwołują się do mądrości ekologicznej i zbiorowej oraz do roli procesu konsensusu w dokonywaniu rozróżnień ontologicznych niż do jakiejkolwiek formy „inteligencji” jako takiej, o której często twierdzą, że nie istnieje lub jest zwykłą „sprytnością”.

Surowi krytycy sztucznej inteligencji ze względów etycznych będą prawdopodobnie promować kolektywne metody budowania mądrości, takie jak nowi trybaliści i Gaianie . [ Źródło opublikowane samodzielnie ] To, czy można powiedzieć, że są to systemy zbiorowej inteligencji, jest kwestią otwartą. Niektórzy, np. Bill Joy , po prostu chcą uniknąć jakiejkolwiek formy autonomicznej sztucznej inteligencji i wydają się chętni do pracy nad rygorystyczną inteligencją zbiorową, aby usunąć wszelkie możliwe nisze dla sztucznej inteligencji.

W przeciwieństwie do tych poglądów, firmy takie jak Amazon Mechanical Turk i CrowdFlower wykorzystują zbiorową inteligencję i crowdsourcing lub ocenę opartą na konsensusie, aby zebrać ogromne ilości danych dla algorytmów uczenia maszynowego .

Zobacz też

Podobne koncepcje i zastosowania

Obliczenia i informatyka

Inni

Prace cytowane

Dalsza lektura

Linki zewnętrzne


Zasoby biblioteczne dotyczące inteligencji zbiorowej
Pobrano z „ https://en.wikipedia.org/w/index.php?title=Collective_intelligence&oldid=1141507267 ”