コラボレーションインテリジェンス

協調的知能は、人間や機械などの各エージェントが自律的に問題解決ネットワークに貢献するマルチエージェント分散システムの特徴です。生態系における生物の協調的自律性が進化を可能にします。各生物の固有の特徴がその遺伝、状況、行動、生態系における位置から派生​​する自然生態系は、協調的知能、クラウドソーシングによる個人の専門知識、好み、問題解決プロセスにおける独自の貢献をサポートする次世代ソーシャルネットワークの設計原則を提供します。^[1]

関連する 4 つの用語は相互に補完し合っています。

• 集合知は、定量的な質問に対する多数の匿名の回答者からの入力を処理し、平均よりも優れた予測を生成します。
• クラウドソーシングは、多数の匿名のタスク実行者にマイクロタスクを配布します。
• ヒューマンコンピューティングは、匿名の人間のマイクロタスクワーカーのパターン認識能力を活用して、機械の能力を向上させ、機械学習を可能にします。
• 協調的インテリジェンスは、上で定義した 3 つの方法を補完しますが、ここではタスク実行者は匿名ではありません。タスク実行者はそれぞれ異なるスキル、動機を持ち、異なるタスクを実行する可能性があります。タグ付きセンサーから地理的位置が特定されたデバイス、識別された固有の人間の貢献者まで、これらの匿名ではないデバイスと人間の貢献者は、次世代のソーシャル ネットワークにおける協調的な問題解決を推進します。

コラボレーティブ インテリジェンスは、いくつかの分野で使用されている用語です。ビジネスでは、インテリジェントな結果を生み出すために相互作用する人々の異種ネットワークを表します。また、非自律的なマルチエージェント問題解決システムを指すこともあります。この用語は、1999 年にインテリジェントなビジネス「エコシステム」の動作を説明するために使用されました^[2]。ここで、コラボレーティブ インテリジェンス (CQ) は、「人々のネットワークに見られる力を構築、貢献、および管理する能力」です^[3] 。コンピューター サイエンス コミュニティが集合知という用語を採用し、その用語に特定の技術的意味を与えたとき、集合予測システムにおける匿名の同質性と、コラボレーティブな問題解決システムにおける非匿名の異種性を区別するための補足用語が必要でした。匿名の集合知は、その後、アイデンティティを認め、ソーシャル ネットワークを自然のエコシステムにおける 進化的適応をモデルにした次世代の問題解決エコシステムの基盤と見なすコラボレーティブ インテリジェンスによって補完されました。

多くの情報源がAIが人類を絶滅させる可能性があると警告しているが、^[4]人間は気候変動、生態系の混乱、海洋生命線の衰退、大量殺人や警察の残虐行為の増加、第三次世界大戦を引き起こしかねない軍拡競争などによって自らの絶滅を引き起こし、AIがチャンスを得る前に人類を絶滅させてしまうかもしれない。生成AIにおけるオープンソースアプリケーションの急増は、分散型自律エージェント間の協調的知能（AI-人間C-IQ）の威力を実証し、協調的なパートナーシップとネットワークで成果を共有している。生成AIにおける小規模なオープンソース実験の成功は、集中型の階層的制御から分散型のボトムアップ型進化的開発へのパラダイムシフトのモデルを提供している。^[5] 協調的知能におけるAIの重要な役割は、2012年にザン・ギルが協調的知能（C-IQ）には「人間であれ機械であれ各エージェントが自律的に問題解決ネットワークに貢献するマルチエージェント分散システム」が必要であると書いたときに予測されていた。^[6]ギルのACM論文は、NIH（米国国立衛生研究所）バイオテクノロジーセンターの人間とロボットのコラボレーションに関する研究から、^[7]クラウドコンピューティングのトレードオフの評価まで、さまざまなアプリケーションで引用されています。^[8]コラボレーションインテリジェンスの重要なアプリケーション領域はリスク管理であり、先制攻撃は将来の利益を最大化し、損失を最小化するための最初の選択肢を確保するために取られる先見的な行動です。^[9]利益/損失シナリオの予測では、コラボレーションインテリジェンスを最大化するように設計されたAI分析と予測システムをますます活用できます。その他のコラボレーションインテリジェンスのアプリケーションには、ソーシャルメディアと警察の研究があり、計算アプローチを利用して住民と法執行機関のコラボレーションアクションを強化しています。^[10]ハーバードビジネスレビューのエッセイ「協働的知性：人間とAIが力を合わせている - 人間と機械は互いの強みを強化できる」の中で、著者のH・ジェームズ・ウィルソンとポール・R・ドーハティは、さまざまな業界の1,500社の企業を対象とした調査を報告し、人間とスマートマシンが協力して互いの強みを強化したときに、最大のパフォーマンス向上が起こることを示しています。^[11]

協調的知能は、人工知能の先駆者であるオリバー・セルフリッジが学習のパラダイムとして提唱したパンデモニウム・アーキテクチャにその起源を遡ることができる。^[12]彼の概念は、複数のプレイヤーがそれぞれピースを持ち寄ってジグソーパズルを組み立てるように、機会主義的解決空間、つまり黒板がさまざまな分割された知識源から知識を引き出すという黒板システムの先駆けとなった。ロドニー・ブルックスは、黒板モデルでは、知識が黒板に投稿されて一般に共有される方法は指定されているが、知識がどのように取り出されるかは指定されておらず、通常、知識の消費者からどの知識を最初に生み出したかは隠されているため、^[13]協調的知能システムとは言えないと指摘している。

1980 年代後半、エシェル・ベン＝ジェイコブは、細菌がより大規模な生物システムを理解する鍵を握っていると信じ、細菌の自己組織化の研究を始めました。彼は、新しいパターン形成細菌種、パエニバチルス・ボルテックスとパエニバチルス・デンドリティフォルミスを開発し、細菌の社会的行動研究の先駆者となりました。パエニバチルス・デンドリティフォルミスは、環境に適応するために異なる形態を切り替える能力である、協調的知能の前身と見なすことができる集団的能力を発揮します。^{[14] [15]}アリは、昆虫学者WM ウィーラーによって、一見独立した個体が単一の生物と区別がつかないほど密接に協力できる単一の「超個体」の細胞として初めて特徴付けられました。^{[16]その後の研究では、いくつかの昆虫コロニーが}集団的知能の例として特徴付けられました。マルコ・ドリゴによって導入されたアリコロニー最適化アルゴリズムの概念は、進化計算の支配的な理論になりました。生態系における機能的有効性の向上に向けて種が適応する進化のメカニズムは、協調的知性の原則の基礎となります。

人工群知能（ASI）は、ネットワーク化された人間のグループが知識、知恵、洞察、直感を効率的に組み合わせて、創発的な知能を生み出すリアルタイム技術です。「ハイブマインド」と呼ばれることもありますが、最初のリアルタイムの人間群は、 2014年にUnanimous AIによって「 UNU」と呼ばれるクラウドベースのサーバーを使用して展開されました。これにより、オンライングループは、統合された知能として一緒に考えることで、質問に答え、決定を下し、予測を行うことができます。このプロセスは、ケンタッキーダービー、アカデミー賞、スタンレーカップ、大統領選挙、ワールドシリーズなどの主要なイベントを予測する際に実証されているように、大幅に改善された決定、予測、推定、予測を生み出すことが示されています。^{[17] [18]}

2021年から2023年にかけて、DARPAの人工知能探究（AIE）^[19]プログラムでは、協調型AIの一種に焦点が当てられました。Shared Experience Lifelong Learning ^[20]と名付けられたこのプログラムは、機械学習で学習したタスクの数が増えても忘れることなく共有できるエージェントの集団を開発することを目指していました。この取り組みの背後にあるビジョンは、後にNature Machine IntelligenceのPerspective ^[21]で詳しく説明され、生涯学習とエージェントの集団における機械学習で学習した知識の共有との相乗効果を提案しました。構想されているAIエージェントのネットワークは、モノリシックで大規模なAIシステムとは対照的に、より高速で効率的な学習、よりオープンエンドな学習の度合いが高い、AIエージェントのより民主的な社会など、新たな特性をもたらすことが期待されています。これらの研究開発は、スタートレックのボーグなどのSFのコンセプトに触発されたコンセプトを実装するものとみなされていましたが、個性や自律性など、より魅力的な特徴を備えています。^[22]

クラウドソーシングは匿名の集合知から発展し、ソーシャルネットワークを活用する、信頼できるオープンソースの協調知能アプリケーションへと進化しています。進化生物学者のエルンスト・マイヤーは、個体が類型的に同一であれば、個体間の競争は種の進化に寄与しないと指摘しました。個体差は進化の前提条件です。^[23]この進化の原理は、協調知能における協調的自律性の原理に対応しており、これはクラウドソーシングの次世代プラットフォームの前提条件です。以下は、協調知能の属性を持つクラウドソーシング実験の例です。

• SwarmSketch はクラウドソーシングによるアート実験です。
• Galaxy Zoo は、オックスフォード大学のクリス・リントン氏が主導する市民科学プロジェクトで、人間のパターン認識能力を活用して銀河をカタログ化することを目指しています。
• DARPA ネットワーク チャレンジでは、インターネットとソーシャル ネットワーキングが、タイムリーなコミュニケーション、広範囲にわたるチーム ビルディング、緊急の動員をサポートして、広範囲かつ時間的に重要な問題を解決する方法を探ります。
• Climate CoLab は、MIT とその集合知センターからスピンアウトしました。
• reCAPTCHAは、単語ごとに本をデジタル化するプロジェクトです

クラウドソーシングが基本的なパターン認識タスクから、ソーシャルネットワークにおける個々の貢献者の独自の専門知識を活用する協調的知能へと進化するにつれて、制約は機能的有効性の向上へと進化を導き、タグ付け、クレジット、タイムスタンプ、コンテンツの並べ替えを行うシステムと共進化します。^[24]協調的知能には、効果的な検索、発見、統合、視覚化、および協調的な問題解決をサポートするフレームワークの能力が必要です。^[25]

コラボレーティブ・インテリジェンス・テクノロジー部門は、グループでのアイデア創出と問題解決のためのインタラクティブ・ホワイトボード・コラボレーション・スペースのソフトウェアプロバイダーであるMURALによって2022年に設立されました。 ^{[26] MURALは、}人間中心設計を教えることで人々を協力的な問題解決者として育成する組織であるLUMA Institute ^[27]の買収を通じて、コラボレーティブ・インテリジェンス部門を正式化しました。^[28] MURALによると、コラボレーティブ・インテリジェンス・テクノロジー部門は、「コラボレーション・デザインとコラボレーション・スペース、そして新たなCollaboration Insights™️を組み合わせたもので、チームの可能性を実現し、増幅する」ものです。^[29]

集合知という用語は、もともと集合知と協働知の両方を包含しており、多くのシステムが両方の特性を示しています。ピエール・レヴィは、1994年にフランス語で最初に出版された同名の著書で「集合知」という用語を作り出した。^[30]レヴィは「集合知」を集合知と協働知の両方を包含するものと定義し、「普遍的に分散した知能の一形態であり、常に強化され、リアルタイムで調整され、スキルを効果的に動員するもの」と定義した。^[31]レヴィの本の出版後、コンピュータ科学者は集合知という用語を、現在コンピュータサイエンスでこの用語が適用されるより一般的な領域内のアプリケーションを示すために採用した。具体的には、特定の、一般的に定量的な質問（たとえば、来年のDRAMの価格はいくらになるか）に対する多数の個別の回答者からの入力を処理するアプリケーション。アルゴリズムは入力を均質化し、調査回答者の従来の匿名性を維持しながら、平均以上の予測を生成します。

最近の依存関係ネットワークの研究では、集合知と協調知の間につながりがあることが示唆されている。相関ベースのネットワークの新しいクラスである部分相関ベースの依存関係ネットワークは、ネットワークのノード間の隠れた関係を明らかにすることが示された。Dror Y. Kenettと彼の博士課程の指導教官Eshel Ben-Jacobによる研究では、標準的な相関ネットワークには存在しない米国株式市場の基礎構造に関する隠れた情報が明らかになり、2011年にその研究結果が発表された。^[32]

コラボレーション インテリジェンスは、個人の専門知識、関係者の潜在的に相反する優先事項、多様な専門家の異なる解釈が問題解決に重要な問題に対処します。 将来の潜在的なアプリケーションには次のものがあります。

• 応募作品を統合して相乗効果を生み出す必要があるコンテスト。
• 関連するトピックを検索する人々のソーシャル ネットワークが検索結果を共同で定義するスマート検索。
• 専門家グループ、利益団体、市民科学者、その他のコミュニティなど、知識の共有が効果的な成果の前提条件となるもの。
• 計画、開発、持続可能なプロジェクト管理。
• 独立した都市を協調的で環境に優しい都市ネットワークに変えるスマートシステム

インターネット上で最も人気のあるウェブサイトの一つであるウィキペディアは、実験的なビジネスラボやスタートアップアクセラレータの原則を示す分散型協調知能を実現するイノベーションネットワークの好例です。^[33]

協調的知性を支援する新世代のツールは、クラウドソーシング・プラットフォーム、レコメンデーション・システム、進化的計算から進化しようとしています。^[25]グループによる問題解決を容易にする既存のツールには、協調的グループウェア、インスタント・メッセージング、オンライン・チャット、共有ホワイトボードなどの同期会議技術があり、これらを補完するのが電子メール、スレッド化されたモデレートされたディスカッション・フォーラム、ウェブログ、グループWikiなどの非同期メッセージングです。インテリジェント・エンタープライズの管理は、これらのツールに加えて、グループ・メンバーの対話、創造的思考の促進、グループ・メンバーシップのフィードバック、品質管理とピア・レビュー、文書化されたグループ・メモリまたはナレッジ・ベースの方法に依存しています。グループが協力して作業すると、共有メモリが形成されます。この共有メモリには、会議の議事録、スレッド化されたディスカッションの記録、図面など、グループが作成した共同作業の成果物を通じてアクセスできます。共有メモリ（グループ・メモリ）には、グループ・メンバーのメモリからもアクセスできます。現在の関心は、過去の共有メモリの有効性と将来の問題解決能力をテクノロジがどのようにサポートし、強化できるかに集まっています。メタ知識は、学際的、多機関的、またはグローバルな分散コラボレーションにおいて、知識コンテンツが知識コンテキストとどのように相互作用するかを特徴づけます。^[34]

• クラウドコラボレーション
• 協働イノベーションネットワーク
• 協働学習
• グローバルブレイン
• 大規模なコラボレーション
• マスコミ
• 集団的な問題解決