O kolektywu lub grupie wywiadowczej świadczy fakt, że zespół współpracujących agentów może skuteczniej rozwiązywać problemy, niż gdy ci agenci pracują w izolacji. Pojęcie inteligencji zbiorowej zostało użyte w odniesieniu do kolektywów bardzo zróżnicowanych agentów: owadów żyjących w koloniach, zespołów ludzi, robotów współpracujących , chociaż w tym drugim przypadku bardziej stosowne byłoby mówienie o inteligencji rozproszonej .
Dla Pierre'a Lévy'ego jest to „inteligencja rozproszona wszędzie, stale ceniona, koordynowana w czasie rzeczywistym, co skutkuje skuteczną mobilizacją umiejętności” .
Wynika to między innymi z jakości interakcji między jej członkami (lub agentami).
Zbiorowa inteligencja jest badana w socjobiologii, naukach politycznych oraz w kontekście badania wydajności systemów socjotechnicznych, takich jak aplikacje crowdsourcingowe . Zbiorowa inteligencja została również przypisana i zbadana na zwierzętach i organizmach tak prostych jak bakterie .
Zasady inteligencji zbiorowej są obecnie stosowane w socjologii, naukach o zarządzaniu, informatyce i teoriach komunikacji, w szczególności w celu lepszej mobilizacji umiejętności dostępnych w zespole, instytucji.
Podczas gdy wiedza członków społeczności jest ograniczona, podobnie jak ich postrzeganie wspólnego środowiska i chociaż nie są świadomi wszystkich elementów istotnych dla celów, agenci mogą wykonywać zadania, złożone lub znajdować innowacyjne rozwiązania przy użyciu różnych mechanizmów, metod, itp., takie jak napiętnowanie .
Formy inteligencji zbiorowej są bardzo zróżnicowane w zależności od typów społeczności i członków, których łączą. W szczególności grupy ludzkie nie przestrzegają zasad tak mechanicznych, jak inne kolektywy, na przykład zwierzęta społeczne, takie jak kolonie owadów lub stowarzyszenia robotów współpracujących. Duża propozycja została zaproponowana przez Geoffa Mulgana w serii wykładów i raportów krążących od 2006 roku w jego książce Wielki umysł. Rzeczywiście oferuje ramy analityczne, które uważa za ważne dla każdego systemu myślowego, w tym inteligencji ludzkiej (postrzeganej jako owoc współpracy między neuronami) i sztucznej inteligencji. Jego ramy analityczne obejmują uwzględnienie pełnionych funkcji (obserwacja, przewidywanie, kreatywność, osąd itp.), pętle uczenia się i formy organizacji. Celem Mulgana jest ni mniej, ni więcej dostarczenie sposobu oceny, a następnie poprawy zbiorowej inteligencji miasta, biznesu, organizacji pozarządowej czy parlamentu. Według tego autora ramy analityczne dostarczane przez inteligencję zbiorową mogą pomóc wzmocnić zdolność struktur społecznych do reagowania na wyzwania współczesnego świata poprzez maksymalizację zdolności twórczych i minimalizację destrukcyjnych wymiarów instytucji ludzkich.
Wobec braku scentralizowanej struktury podejmowania decyzji, zbiorowa inteligencja systemów naturalnych jest niewątpliwie oparta na zasadach samoorganizacji i wyłaniania się . Naukowcy, którzy chcą zastosować ten paradygmat zbiorowej inteligencji do współpracujących kolektywów robotów z perspektywy inspirowanej biologią lub biomimetyczną, starają się wziąć pod uwagę te zasady i starać się je wdrożyć.
W tym sensie inteligencję zbiorową można odczytywać jako inżynierię, której celem jest maksymalizacja wydajności poznawczej grupy ludzkiej, na przykład poprzez strukturyzację wymian interpersonalnych, optymalizację składu grupy lub wykorzystanie mediów elektronicznych w celu ułatwienia wymiany.
Zbiorowa inteligencja zwierząt to obszar badań naukowych, który doświadczył wielkiego rozwoju od lat 80. XX wieku, z entomologami, takimi jak Edward Osborne Wilson i Bert Hölldobler, podkreślającymi inteligencję współpracy mrówek, czy neurobiolog Thomas Dyer Seeley (en), który pisze o inteligencji rozproszonej w pszczoły. W tym samym czasie pojawiły się też prace nad rozproszoną sztuczną inteligencją.
Badania na ludzkiej inteligencji zbiorowej, która rozwija się na początku XXI E wieku, jest inspirowane przez tych badaniach i spopularyzowana przez bestseller Mądrość tłumów opublikowanych w 2004 roku przez amerykańskiego dziennikarza James Surowiecki , który przypomina o Francisa Galtona charakterystyczny , i dotychczas w dużej mierze ignorowany, eksperyment z 1906 r. dotyczący prawidłowego oszacowania wagi wołu na angielskim jarmarku.
Naukowcy uważają, że inteligencja zbiorowa powstaje, gdy lokalna i rozproszona wiedza i umiejętności są skoordynowane, aby osiągnąć wspólny (ale niekoniecznie uzgodniony) cel.
Zidentyfikowano cztery podstawowe elementy, które mogą pomóc w pojawieniu się inteligencji zbiorowej:
Ponadto udowodnionym czynnikiem sukcesu jest zdolność członków zbiorowości do wnioskowania o stanach psychicznych innych ludzi, takich jak przekonania lub uczucia, na podstawie subtelnych wskazówek. Zarówno w badaniach laboratoryjnych, jak i terenowych naukowcy odkryli, że większy udział i bardziej równy udział wśród członków wiąże się z wyższą inteligencją zbiorową. Zapisanie zespołu w kulturze komunikacji bez przemocy sprzyja efektywnej współpracy.
Według kilku badań, zbiorowa inteligencja kolektywu wzrasta wraz z odsetkiem kobiet, chociaż optimum zakłada utrzymanie minimum mężczyzn. Wynik ten tłumaczy się tym, że kobiety bardziej ułatwiają wymianę myśli i procesy zbiorowe: w rzeczywistości wrażliwość społeczna, która stanowi jeden z czynników decydujących o inteligencji społecznej grupy, jest średnio wyższa dla kobiet niż dla mężczyzn. Co więcej, inteligencja społeczna grupy jest tylko słabo skorelowana z ilorazami inteligencji każdego z członków.
Wśród metod inteligencji zbiorowej, możemy przytoczyć podejmowania decyzji za zgodą , wytworzone przez sociocracy i zajmowaną przez holacracy The metoda sześć hat The teoria U . Przydatna jest lepsza znajomość procesu twórczego, na przykład w naprzemiennych fazach dywergencji i konwergencji. Umożliwia na przykład lepsze przeplatanie się momentów pracy indywidualnej i zbiorowej, a także zróżnicowanie składu grupy.
Centrum Projektowania Kolektywnej Inteligencji NESTA ma na celu pomóc organizacjom stać się mądrzejszymi zbiorowo i podejmować lepsze decyzje grupowe. Aby to zrobić, naukowcy rozpoczynają od sekwencji teoretycznych faz decyzyjnych, która rozpoczyna się od określenia celów i przechodzenia do generowania pomysłów i oceny, a następnie starają się zobaczyć, jak można zoptymalizować każdy krok, aby jak najlepiej wykorzystać umiejętności zespołu i nie tylko.
Centrum Kolektywnej Inteligencji MIT skupia naukowców z całego MIT, aby dowiedzieć się, w jaki sposób ludzie i urządzenia komputerowe mogą współpracować mądrzej, a następnie odpowiedzieć na naukowe pytania leżące u podstaw tego pytania. Aby to zrobić, członkowie koncentrują się na kilku celach: projektowaniu inteligentnych systemów współpracy, badaniu inteligencji zbiorowej w istniejących organizacjach, projektowaniu teorii na temat inteligencji zbiorowej.
Rozwój Internetu jest wskazywany jako element, który uwidocznił wkład współpracy w generowanie rozwiązań dla różnego rodzaju problemów. Wydaje się, że inteligencja nie znajduje się już w wyłącznym umyśle odizolowanych jednostek, ale wydaje się być powiązana z ich zdolnością do wymiany w celu lepszego definiowania problemów i wspólnego poszukiwania rozwiązań.
Mulgan podaje przykład młodej indyjskiej cukrzyki, która opracowała pierwszą wersję aplikacji mobilnej do monitorowania poziomu insuliny, a następnie udostępniła ją w Internecie. W bardzo krótkim czasie ponad 400 insiluno-zależnych skoordynowało pracę, aby ulepszyć aplikację, która od tego czasu przewyższyła jakość produktów komercyjnych. „Każda osoba, organizacja lub grupa mogłaby zrobić lepiej, gdyby odwołała się do… szarej materii innych ludzi i innych maszyn”.
NESTA bardzo bezpośrednio łączy zbiorową inteligencję i technologie. Instytut ten bierze pod uwagę, że inteligencja zbiorowa powstaje, gdy grupa różnych osób pracuje razem, często z pomocą technologii, w celu zmobilizowania zwiększonego zakresu informacji, pomysłów i wiedzy w celu rozwiązania problemu. Zakłada, że inteligencja jest rozproszona. Różni ludzie posiadają różne informacje i wnoszą różne umiejętności, które w połączeniu dają pełniejszy obraz problemu i sposobu jego rozwiązania.
Dla Nature korzyści płynące z łączenia ludzi są oczywiste, jeśli chodzi o szybkie agregowanie dużych ilości rozproszonych informacji. Skutecznych zastosowań zasady crowdsourcingu jest więc tak wiele, że trudno byłoby je zidentyfikować. Niedługo po uruchomieniu projektu astronomicznego Galaktyczne Zoo setki tysięcy ochotników sklasyfikowało galaktyki na podstawie zdjęć zebranych przez Sloan Digital Sky Survey, osiągając w ciągu zaledwie sześciu miesięcy to, co zajęłoby lata osobie pracującej 24 godziny na dobę. Jednak demonstracja siły kolektywu jest mniej oczywista, jeśli chodzi np. o podejmowanie skomplikowanych decyzji w sferze politycznej.
Dlatego, aby uniknąć głupoty, którą codziennie widzimy w sieciach społecznościowych, Mulgan uważa, że energia badaczy IK musi być skoncentrowana na identyfikacji struktur, zasad, umiejętności, narzędzi i standardów, które „przekształcają podzielone i skonfliktowane grupy w coś bliższego do zbiorowej inteligencji”. Hélène Landemore idzie w tym samym kierunku. Dla Mulgana to do instytucji publicznych należy organizowanie jednostek ludzkich (firm, administracji itp.) w tym sensie, dla Landemore jest to rzeczywiście kluczowe pytanie.
Mulgan wierzy, że prostym pierwszym sposobem na rozwinięcie inteligencji zbiorowej jest ulepszenie sposobu, w jaki prowadzimy spotkania. Opowiada się za krótszymi spotkaniami z jaśniejszymi programami, ze zdefiniowanymi zadaniami, dobrze wyartykułowanymi celami, lepszym wykorzystaniem przestrzeni, moderacją i prostym wsparciem technologicznym.
Piąta doroczna Konferencja Kolektywnej Inteligencji, która odbyła się w czerwcu 2017 r. w Nowym Jorku, dotyczyła demokracji. Eksperci w dziedzinie informatyki i nauk społecznych zebrali się, aby zbadać, co instytucje demokratyczne muszą zrobić, aby lepiej wykorzystać inteligencję i wiedzę tych, którymi rządzą. W 2020 zbadano wpływ technologii i big data na sposób, w jaki ludzie spotykają się, aby komunikować się, łączyć wiedzę i wykonywać swoją pracę.
Zbiorową inteligencję obserwuje się głównie u owadów społecznych ( mrówki , termity i pszczoły ) oraz innych zwierząt społecznych , zwłaszcza poruszających się w formacji ( ptaki migrujące , ławice ryb ) lub polujących w stadach ( wilki , hieny , lwice).
Badanie trybów współpracy zwierząt korzysta z możliwości modelowania zapewnianych przez informatykę, podobnie jak wspólne prace nad sztuczną inteligencją korzystają z wkładu badań nad kolektywami zwierząt.
Ptaki wędrowne muszą pokonywać bardzo duże odległości, czasami w trudnych warunkach. Dlatego ważne jest, aby zoptymalizowali swój ruch pod względem wydatkowanej energii . Gęsi dzikie przyjąć V-formacje, które pozwolą im rozwijać ich odległość lotu prawie 70%, bo każdy ptak bierze aspiracji swojego poprzednika, podobnie jak rowerzyści .
Ceną do zapłacenia jest utrata prędkości, ponieważ pojedyncza osoba leci średnio o 24% szybciej niż lot.
Te mrówki , podobnie jak inne owady społeczne , mają cechy specyficzne:
Kolonia jako całość jest złożonym, stabilnym i samoregulującym się systemem, zdolnym do bardzo łatwego dostosowywania się do najbardziej nieprzewidywalnych zmian środowiskowych, ale także i przede wszystkim do rozwiązywania problemów , bez zewnętrznej kontroli lub centralnego mechanizmu koordynacyjnego, w sposób w pełni rozproszony . .
Podział zadańW mrówki i pszczoły , na termity i osy , mają zdolność do przydzielania dynamicznego zadania, zgodnie z potrzebami kolonii i to w sposób całkowicie rozproszony , bez centralnego sterowania.
U mrówek najbardziej rzucającą się w oczy oznaką efektywnego podziału zadań w kolonii jest istnienie kast , które mogą być dwojakiego rodzaju: morfologiczne i behawioralne .
W termity , poprzez ich „zbiorowej inteligencji” za pośrednictwem prostych procesów współpracy, są zdolne do samodzielnego montażu . Częstą cechą inteligencji zbiorowej jest wykorzystywanie podłoża do „komunikowania się” między jednostkami. Nazywa się to napiętnowaniem . Na przykład termit nie wymienia bezpośrednio informacji z innymi termitami, ale modyfikacja dokonana w kopcu termitów zmieni zachowanie innych osobników.
Gdy przewidywaną społecznością jest organizacja, zazwyczaj firma , samorząd lokalny lub stowarzyszenie, zbiorową inteligencję można uznać za stan umysłu w sposobie realizacji projektów lub refleksji nad własnym działaniem organizacji. Ta zmiana nastawienia ma pierwszeństwo przed wykorzystaniem narzędzi ułatwiających lub narzędzi informatycznych, które mogą jedynie służyć temu procesowi.
Kiedy społeczność interesów składa się z całej populacji świata, jak ma to miejsce w przypadku problemów globalnych, takich jak globalne ocieplenie i pokój na świecie, konieczne jest wprowadzenie mechanizmów regulacyjnych. Jest to cel realizowany podczas Szczytów Ziemi lub innych podobnych spotkań przez organizacje uczestniczące (ONZ, UNESCO itp.).
Przestrzeń współpracy tutaj składa się z globalnej sieci . Jeśli jednak szukamy sprawiedliwego rozwoju , nie powinniśmy przeceniać jego możliwości ze względu na tendencyjność, jaką wprowadzają różnice w wyposażeniu krajów najbardziej rozwiniętych i najsłabiej rozwiniętych , co wyraźnie pojawia się na mapie pokazującej liczbę internautów na tysiąc mieszkańców w świat (patrz artykuł internetowy ). Zbiorowa inteligencja w Internecie jest zatem ograniczony przez żadną sprzętu internetowego z krajów najmniej rozwiniętych (patrz Internet w Afryce ).
Interdyscyplinarne badania obejmujące modelowanie zbiorowych zachowań zwierząt zaczynają ujawniać podstawowe zasady kolektywnego podejmowania decyzji w grupach zwierząt, pokazując, jak interakcje społeczne, indywidualny stan, zmiany w środowisku oraz procesy wzmacniania i filtrowania informacji mogą odgrywać rolę w ustalenie adaptacyjnej reakcji kolektywu. Wydawałoby się, że istnieją ważne punkty wspólne z tym, co wiemy o procesach nerwowych i że możemy się wiele nauczyć, rozważając zbiorowe zachowania zwierząt w kontekście kognitywistyki.
Na pewnym poziomie opisu, kolektywne podejmowanie decyzji, które wydaje się działać w grupach zwierząt, rzeczywiście wykazuje silne podobieństwa z istotnymi cechami mechanizmów podejmowania decyzji w mózgu. Chociaż wiele szczegółów różni się od siebie, zachęca to do większej wymiany między badaczami zainteresowanymi zbiorowym zachowaniem zwierząt z jednej strony, a badaczami zajmującymi się kognitywistyką z drugiej.
Tak więc komputerowe modelowanie tego, co zachodzi w grupowaniu zachowań u zwierząt społecznych, potwierdza, że kilka stabilnych trybów zbiorowego zachowania może powstać w oparciu o dokładnie te same formy interakcji badane na poziomie indywidualnym. Zasada ta jest ściśle analogiczna do multistabilności obserwowanej dla systemów neuronowych, w których dla tej samej wartości parametrów systemu i bez zmiany sieci neuronowej współistnieje wiele stanów zbiorowych ( atraktorów ). Ta wielostabilność układów nerwowych niewątpliwie odgrywa rolę w zapamiętywaniu i rozpoznawaniu wzorców czasowych. Dlatego badanie skoordynowanego zachowania wyewoluowanych zwierząt może służyć jako bezpośrednie źródło inspiracji do projektowania kolektywnych sztucznych systemów, takich jak grupy autonomicznych robotów lub masowo równoległe komputerowe algorytmy badawcze.
W tej dziedzinie znanych jest wiele przypadków awarii. Na przykład :
Zbiorowa inteligencja jest więc ograniczona przez efekty grupowe (konformizm, strach, zamknięcie, brak procedur, jednorodność ideologiczna) do tego stopnia, że jednostka sama może być doskonale mądrzejsza niż cała grupa, ponieważ lepiej zachowuje swoje myślenie. wpływ grupy. Należy również zauważyć, że pojęcie inteligencji dotyczy zdolności poznawczych, a nawet emocjonalnych jednostki. Zastosowanie tego pojęcia do grupy nie może mieć tego samego znaczenia, ponieważ nie można powiedzieć, gdzie zdolności reprezentacji, tworzenia i uczenia się miałyby wyłonić się lepiej niż zdolności pojedynczych jednostek. Według Christiana Morela , więc generalnie niemożliwe jest, aby grupa napisała „dokument zawierający jasne i istotne informacje” (w Czy podejmujemy lepsze decyzje więcej? , Nauki humanistyczne ,Marzec 2006), co wyrażałoby fakt, że pojęcie reprezentacji zbiorowej jest niejasne, a nawet niespójne.