Введение

Коллаборативный интеллект характеризует многоагентные, распределенные системы, в которых каждый агент – человек или машина – автономно вносит вклад в сеть решения задач. Сотрудническая автономия организмов в их экосистемах делает возможной эволюцию. Естественные экосистемы, где уникальные характеристики каждого организма определяются его генетикой, обстоятельствами, поведением и положением в экосистеме, предлагают принципы для разработки социальных сетей нового поколения, поддерживающих коллаборативный интеллект, краудсорсинг индивидуального опыта, предпочтений и уникальных вкладов в процесс решения задач. Четыре взаимосвязанных термина дополняют друг друга: Коллективный интеллект обрабатывает данные, полученные от большого числа анонимных респондентов на количественные вопросы, для получения прогнозов, превосходящих средние. Краудсорсинг распределяет микрозадачи между большим количеством анонимных исполнителей. Человеческие вычисления используют способность анонимных исполнителей микрозадач распознавать закономерности для улучшения возможностей машин и обеспечения машинного обучения. Коллаборативный интеллект дополняет три вышеописанных метода, однако здесь исполнители задач не являются анонимными. Исполнители задач обладают различными навыками, мотивацией и могут выполнять разные задачи. Эти неанонимные устройства и участники – от помеченных датчиков до устройств с определением местоположения и идентифицированных уникальных пользователей – обеспечивают совместное решение задач в социальных сетях нового поколения.

Обзор

Коллаборативный интеллект – термин, используемый в различных областях. В бизнесе он описывает разнородные сети людей, взаимодействующих для достижения интеллектуальных результатов. Он также может обозначать неавтономные многоагентные системы решения задач. В 1999 году этот термин был использован для описания поведения интеллектуальной бизнес-экосистемы, где коллаборативный интеллект, или CQ, определяется как "способность создавать, содействовать и управлять силой, заключенной в сетях людей". Когда научное сообщество в области компьютерных наук приняло термин "коллективный интеллект" и привело его к конкретному техническому определению, возникла необходимость в дополнительном термине для разграничения анонимной однородности в системах коллективного прогнозирования и неанонимной гетерогенности в системах коллаборативного решения задач. Анонимный коллективный интеллект был дополнен коллаборативным интеллектом, который учитывает идентичность, рассматривая социальные сети как основу для экосистем решения задач нового поколения, смоделированных по принципу эволюционной адаптации в природных экосистемах.

ИИ и совместный интеллект

Хотя многие источники предупреждают, что ИИ может привести к вымиранию человеческого вида, люди могут сами стать причиной собственного вымирания из-за изменения климата, разрушения экосистем, истощения жизненно важных ресурсов океана, роста числа массовых убийств и жестокости полиции, а также гонки вооружений, которая может спровоцировать Третью мировую войну, уничтожив человечество раньше, чем у ИИ появится возможность вмешаться. Распространение приложений с открытым исходным кодом в области генеративного ИИ демонстрирует мощь совместного интеллекта (AI human C IQ) среди распределенных, автономных агентов, обменивающихся достижениями в рамках партнерств и сетей. Успехи небольших экспериментов с открытым исходным кодом в генеративном ИИ служат моделью для перехода от парадигмы централизованного иерархического управления к децентрализованному, поступательному, эволюционному развитию. Ключевая роль ИИ в совместном интеллекте была предсказана в 2012 году, когда Занн Гилл отметил, что совместный интеллект (C IQ) требует "многоагентных, распределенных систем, в которых каждый агент, будь то человек или машина, автономно вносит вклад в сеть решения проблем". Статья Гилла, опубликованная в ACM, цитируется в различных областях, от исследования сотрудничества человека и робота в Центре биотехнологий NIH (Национального института здравоохранения США) до оценки компромиссов облачных вычислений. Важной областью применения совместного интеллекта является управление рисками, где превентивные меры – это упреждающие действия, предпринимаемые для обеспечения приоритетного доступа к возможностям максимизации будущей прибыли и/или минимизации потерь. Прогнозирование сценариев прибыли/убытков все чаще использует аналитику ИИ и прогностические системы, предназначенные для максимизации совместного интеллекта. Другие области применения совместного интеллекта включают изучение социальных сетей и деятельности полиции, с использованием вычислительных подходов для повышения эффективности взаимодействия между населением и правоохранительными органами. В своей статье для Harvard Business Review «Совместный интеллект: люди и ИИ объединяют усилия», авторы H. James Wilson и Paul R. Daugherty, основываясь на исследованиях, проведенных среди 1500 компаний в различных отраслях, сообщают, что наибольший прирост производительности достигается, когда люди и интеллектуальные машины работают вместе, усиливая сильные стороны друг друга.

Контраст с коллективным интеллектом

Термин «коллективный интеллект» изначально охватывал как коллективный, так и совместный интеллект, и многие системы демонстрируют признаки обоих. Пьер Леви ввел термин «коллективный интеллект» в своей книге с таким же названием, впервые опубликованной на французском языке в 1994 году. Леви определил «коллективный интеллект» как форму универсально распределенного интеллекта, постоянно совершенствующегося, координирующегося в реальном времени и эффективно мобилизующего навыки. После публикации книги Леви, специалисты в области компьютерных наук приняли термин «коллективный интеллект» для обозначения конкретного применения в более широкой области, к которой этот термин теперь относится в информатике. В частности, это приложение, которое обрабатывает данные, полученные от большого числа независимых участников, отвечающих на конкретные, как правило, количественные вопросы (например, какой будет цена DRAM в следующем году?). Алгоритмы усредняют полученные данные, сохраняя традиционную анонимность респондентов для получения прогнозов, превосходящих средние. Недавние исследования сетей зависимостей указывают на связь между коллективным и совместным интеллектом. Частично-корреляционные сети зависимостей, новый класс корреляционных сетей, показали способность выявлять скрытые взаимосвязи между узлами сети. Исследование, проведенное Дрором Й. Кенеттом и его научным руководителем Эшелем Бен-Якобом, выявило скрытую информацию о базовой структуре фондового рынка США, которая отсутствовала в стандартных корреляционных сетях, и опубликовало результаты в 2011 году.