一、群體智能研究現狀

群體智能是科學家長期關注和研究的一種自然現象。在很多低等社會性生物群體中可以觀察到，群體中的單一個體不具有智能，或僅有非常有限的智能，由這些個體構成的群體卻展現出遠超個體能力的智能行為。這種在低等社會性生物群體層面上展現出的智能，通常被稱為群體智能（Swarm Intelligence）。

1.1 人類社會中的群體智能現象

• 草地上的小路：即使沒有人進行全局的規劃或指揮，草坪上也會自發地涌現一條或幾條條彎彎曲曲的小路。

• 《烏合之眾》（古斯塔夫·勒龐）：這本書也是一種群體現象，如果受到有效的激勵和鼓動，群體會展現出驚人的破壞力，因為這種激發，個體在里面失去了很多東西。

• 三個臭皮匠頂個諸葛亮：幾個智力平平的人團結在一起也有可能做出很高質量的決策。

• 市場經濟：好像存在一只“看不見的手”，對大規模市場資源進行有效配置。

人類社會的不斷發展和演化也可以被認為是一種群體智能現象，絕大多數文明成果都是人類個體在長期群體化、社會化的生產和生活中逐漸演化形成的產物。

1.2 人類群體智能受到越來越多的關注

Science 2010年的一篇學術論文用定量的方式觀察到物理空間中2～4人小群體在協同求解問題時群體智能現象的存在，題目中的“Collective Intelligence”指的就是高等生物。

 對個體智能的定義和系統性度量問題，心理學家已經給出了有效的統計方法。論文將個體智能的統計度量方法應用于群體智能的度量，得到了類似于個體智能的一種度量指標“c factor”。在物理空間2～4人的群體任務求解中，觀察到如下現象：群體智能弱相關于個體平均/最高智能，但強相關于個體平均社會。

敏感度、個體對話平等度、以及群體中女性比例等三個因素。在一定程度上印證了“三個臭皮匠，頂過一個諸葛亮”。

Science在2005年發布了125個科學開放問題，其中第16題是關于人類合作行為如何發展演化。

在2021年，Science和上海交通大學合作，再次提出125個問題，其中明確提出了群體智能如何涌現形成？

1.3 群體智能研究現狀小結

為什么利用現象規律構造人類群體智能系統的實踐很少？

• 原因一：對群體智能的形成機理缺乏充分理解。對群體智能的理解和應用仍然處于必然王國的階段；無法確保求解特定問題時群體智能的可控重復發生。

• 原因二：物理空間阻礙了人類群體智能的形成。在物理空間中聚集一個大規模的人類群體成本太高；人類群體無法在局部物理空間長時間同步高效工作。

二、網絡空間人類群體智能

2.1 互聯網帶來了新的可能性

互聯網的出現為人類群體的跨時空大規模協同提供了可能，網絡空間中的人群不再受到地域和時間的限制，更大規模的人類群體可以在網絡空間中進行更加方便靈活的顯式或隱式交互。互聯網技術的不斷發展，促進了網絡空間人類群體智能系統的探索和成功實踐。

2.2 網絡空間人類群體智能 典型案例

2.3 網絡空間人類群體智能 現狀小結

• 現有實踐本質上是對互聯網跨時空匯聚能力的利用：針對特定問題精心設計的群體力量利用方案；對于群智規律和機理的認識與探討較為缺乏。

• 形成的網絡空間群智現象仍然處于相對初級的階段：距離理想形態的群智現象差距較大；無法確保群智現象的可控重復發生。

• 與物理空間群智機理探索的研究工作缺少結合：網絡空間關注利用“群智”“群力”的實踐；物理空間關注低等生物群智現象的觀察解釋；鮮有結合二者的努力。

三、北京大學團隊的研究與實踐進展

3.1 研究問題

• 群體智能的形成機理是什么？

• 群體智能能否成為求解問題的基本方法之一？

• 如何構造求解特定問題的人類群體智能系統？

• 群體智能的能力邊界在哪里？

3.2 對群體智能的定位與理解

3.2.1 基本認識

理想形態的群體智能展現出兩種基本性質：

• 智能放大效應：對個體智能進行有效放大；

• 規模可擴展性：數量龐大的個體參與其中；

在本質上，群體智能來源于自主個體之間的大規模有效協同：

• 哲學視角：量變產生質變；

• 復雜系統視角：涌現、自組織。

3.2.2 如何定位和理解群體智能？

群體智能是什么？我們的理解是利用群體的力量來求解復雜問題的方式，而這個復雜問題僅依靠單一個體無法求解。

群體智能兩個特征：1+1>2；群體協同規模的可擴展性。

3.2.3 微觀群體智能兩種基本原理

微觀群體智能兩種基本原理：

• 情況一：在問題可分解的情況下，不同個體之間進行分工合作。把一個問題分成P1、P2，張三李四求解能力不同，解決P1、P2的時間不同，如果張三求解P1表示擅長，1t時間完成，求解P2表示不擅長，10t時間完成，總共加起來11t。同理李四，如果分工合作，總耗時僅為2t ，這就是一種可分解的局面。

• 情況二：具有關聯性的不同信息片段融合后自然形成的信息增加。以拼圖為例，張三李四的片段合起來形成一個更大的片段，它帶來的含量信息含量是1+1>2的結果。

3.2.4 宏觀群體智能

從宏觀層面來看，群體智能是由大量持續出現的微觀層次的群體智能現象復合形成的現象。如凱文·凱利在《失控：全人類的最終命運和結局》中提到：“一種由無數默默無聞的零件，通過永不停歇的工作，而形成的緩慢而寬廣的創造力”，這是群體智能涌現的過程。

3.2.5 宏觀群體智能基本原理

把群體智能進行分解，實際上包含三件事情：

• 第一是探索，群體中的每一個體自主地對當前問題進行探索得到該問題的信息。

• 第二是融合，所有個體探索到的信息通過某種方式被融合。

• 第三是反饋，融合活動產生的群體信息通過某種方式反饋給個體刺激個體進行持續地探索。

3.2.6 物理空間利用群體智能的可行性？

目前，利用群智機理讓人類群體在物理空間中求解工程問題還不具有一般意義上的可行性。

表面原因：

• 第一，過程和結果不可控；

• 第二，時間跨度大。

深層原因：

• 第一，找不到足夠多的參與者：在物理空間中召集一個群體的成本太高；長時間將一群人限定在一個物理空間中，工作效率會越來越低。

• 第二，信息傳播的速度太慢：物理空間中的信息傳播存在限制。

• 第三，信息融合依賴于重要人物：這樣的重要人物很少。

• 第四，被動式的信息反饋：信息不會主動反饋回來；需要主動去獲取信息。

當網絡空間出現之前，除人類文明這種宏觀層次的人類群體智能現象，很難觀察到其他宏觀層次的人類群體智能現象。

3.2.7 互聯網帶來的可行性

互聯網直接消除了四條深層原因中的前兩條，足夠多的參與者沒有時空的約束，傳播速度極快，在網絡空間，各種人類群體智能現象持續涌現。

3.2.8 進一步還能做什么？

自發涌現的網絡空間群體智能現象大多僅消除了深層原因1和2，基本沒有觸及深層原因3和4。以消除深層原因3和4為目標可以設想出一種理想形態的群體智能。

當前形態是什么呢？探索在某種意義上有些功利性，融合是手工，反饋是被動的。如果我們自由探索，把融合變成自動的，然后根據個體能力和特性，進行有針對性的反饋，這樣一來效率就更高。

3.3 群體智能的構造性模型

環境激發效應對群體智能現象的形成提供了一種事后解釋性模型，在這一概念的基礎上，我們主要關注如何構造求解特定問題群體智能系統。

群體智能的構造性模型EIFL，由三個環進行信息激發、融合和反饋。個體探索之后形成片段，融合之后反饋回來，通過多輪迭代形成一個解決方案。

3.3.1 群體智能系統的分類維度

由分類框架得到群體構成的三種分類維度：

第一個分類維度：由自然生命體構成的群體（蟻群、人群）；

第二個分類維度：由人造智能體構成的群體（機器人群體）；

第三個分類維度：混合群體（人-機混合、低等生物-機混合）。

實踐一：利用EIFL模型觀察已經存在的群體智能系統

關于群體智能的構造模型，我們在國家科學評論，發表了相關觀點性的文章。構造模型的核心，就是我們要加快融合法和提高反饋法。

實踐二：基于群體智能的自組裝（self-assembly）

群體自組裝問題

動漫電影《超能陸戰隊》中設想有一種磁力機器人能夠大規模地聚集在一起，組成各種形狀。而我們的研究目標是：能否采用“探索-融合-反饋”基本原理實現大規模群體在非中心控制情況下的自我成型。

融合：形成紅光場；根據所有未被占據目標網絡的位置，融合形成藍光光場。

反饋：每一個體獲得其周圍的局部光場信息。

探索：每一個體根據其周圍的局部光場信息確定其下一步的行動決策。

實踐三：基于群體智能的拼圖

拼圖問題是一類復雜問題的典型代表：無法通過自上而下、集中控制方式進行有效求解。

探索：單一個體自主進行拼圖，拼圖結果被表示為由圖塊以及圖塊之間的鄰接關系形成的圖。 融合：所有個體當前時刻的拼圖結果被融合在一起，形成當前時刻的群體觀點圖。 反饋：根據個體當前時刻的拼圖動作，將當前時刻群體觀點圖中相關的具有較高可信度的鄰接關系反饋給當前個體。

實踐四：基于群體智能的知識圖譜構建

在目前階段，專業領域的知識圖譜不可能完全通過自動化算法進行構建；人類參與必不可少。對于一個大規模的專業知識圖譜，僅依靠少量專家進行構建，也不具有現實的可行性。

探索：每個參與者在探索活動中持續構建各自的個體知識圖譜；個體知識圖譜被表示為一種節點和邊帶標簽的有向圖。

融合：所有參與者構建的個體知識圖譜，通過熵最小化原則進行對齊，進而融合形成群體知識圖譜。

反饋：根據參與者的知識圖譜構建行為，將群體知識圖譜中相關且具有較高可信度的知識圖譜片段反饋給參與者。

實踐五：基于群體智能的軟件開發

軟件是一種具有復雜邏輯結構的人造知識制品，規模和復雜性持續增長，開發困難性不斷增加能否將群體智能用于軟件的生產與持續演化？

新一代人工智能把群體智能當成人工智能，而我們需要提出新的認識，群體智能本身是自然智能。科學家認識群體智能機理，我們還希望能夠把這種規律或者機理利用起來。

通過群體智能構造性模型，在求解特定問題的時，個體探索之后，用機器匯聚效率高，還需要確保正確性。目前，我們在軟件工程領域開展了初步的探索，取得了一定效果。希望未來，對開源社區的平臺機制提供一些幫助，實現自動匯聚。以百科平臺為例，是由人來管理，我們有沒有更好的辦法合作？類似這樣的系統有沒有更好的辦法引入機器的能力？現在，實際上是想把AI用到群體智能系統的構建，用AI去加強融合和反饋，替代人的工作。我們最關心的是在軟件開發中，能不能更多的人去參與，AI在軟件開發中的應用，以及AI在群體化軟件開發中應用。謝謝大家。