集合知

集合知（CI）または集団知（GI）とは、人間のみ、動物、あるいは人間と人工エージェントのネットワークなど、どのような構成であれ、多様な情報、視点、行動の協力[1]または集約[2]を通じて、個人単独よりも効果的に問題を解決したり、意思決定を行ったり、知識を生み出したりする集団^の創発的な能力^のことである。群知能（SI）という用語は、集合知と混同して使われることがあるが、集合知の一例に過ぎない。

集合知は、動的な環境において自己組織化して適応する複雑適応システムだけでなく、社会集団で観察される創造的かつ認知的プロセスも包含しており、これはしばしば群衆の知恵と呼ばれています。この文脈では、フランシス・ゴルトンの有名な牛の体重推定実験で示されているように、専門家ではない人々による集合的な判断が、専門家の予測の精度を超えることがよくあります。 ^{[ 3 ] [ 4 ]}現代の理論家は、知能は神経レベル、個体レベル、集団レベルなど、さまざまな生物学的および社会的スケールにわたって現れる創発的な集合的プロセスとして解釈できると提唱しています。^{[ 5 ]}

この用語は、社会生物学、政治学、および集団ピアレビューやクラウドソーシングアプリケーションの文脈で登場します。合意形成、社会資本、投票システム、ソーシャルメディア、その他の集団活動を定量化する手段などの形式主義が含まれる場合があります。^{[ 6 ] [ 7 ]}集団知能は、汎心論の形而上学的理論や集団意識に関する主張と混同されるべきではありません。これらは心の根本的な性質、および意識が遍在的または創発的な特性である可能性に関係しています。^{[ 8 ]}しかし、集団知能の経験的研究は、グループが情報、タスク、または問題解決を調整する観察可能なメカニズムに焦点を当てています。

グループインテリジェンスという用語は、集合的インテリジェンスという用語とほぼ同義で使われることがあります。アニタ・ウーリー^{[ 9 ]}は、集合的インテリジェンスをグループインテリジェンスとグループクリエイティビティの尺度として提示しています。^{[ 10 ]}集合的インテリジェンスの尺度は、主にグループ構成とグループ相互作用といった、グループの幅広い特徴を網羅するという考え方です。グループにおける集合的インテリジェンスのレベルを高める構成の特徴には、グループ内の女性の数の増加やグループの多様性の増加といった基準が含まれます。^{[ 11 ]}

集合知は細菌や動物だけでなく、アルゴリズムによる統治にも見られる。^{[ 12 ]}それは、以下の要素間の相乗効果から生じる創発的特性として理解できる。

1. データ -情報- 知識
2. ソフトウェア・ハードウェア
3. フィードバックから継続的に学習し、これら 3 つの要素が単独で行動する場合よりも優れた意思決定のためのジャストインタイムの知識を生み出す個人 (新しい洞察を持つ人々や認められた権威者) ^{[ 6 ] [ 13 ]}

あるいは、より狭義には、人々と情報処理方法の間に生じる特性として理解することもできます。^{[ 14 ] [ 15 ]}この集合知の概念は、ノーマン・リー・ジョンソンによって「共生知能」と呼ばれています。^{[ 16 ]}この概念は、社会学、ビジネス、コンピュータ科学、マスコミュニケーションで使用されており、 SFにも登場します。

ピエール・レヴィは集合知を「普遍的に分散された知能の一形態であり、絶えず強化され、リアルタイムで調整され、結果としてスキルの効果的な動員をもたらす。（…）集合知の基盤と目標は、物神化または実体化されたコミュニティの崇拝ではなく、個人の相互認識と豊かさである。」と定義している。^{[ 17 ]}

レヴィとデリック・デ・ケルクホーブによれば、それはネットワーク化されたICT（情報通信技術）が人間の相互作用の範囲を同時に拡大することによって、社会知識の集合体を強化する能力を指す。 ^{[ 18 ] [ 19 ]}

より広い定義は、ジェフ・マルガンが2006年以降の一連の講義やレポート^{[ 20 ] [ 21 ]}、および著書『ビッグ・マインド』^{[ 22 ] [ 23 ] [ 24 ]}で提示したもので、機能要素（観察、予測、創造性、判断など）、学習ループ、組織形態の観点から、人間と機械の知能を含むあらゆる思考システムを分析するためのフレームワークを提案している。その目的は、都市、企業、NGO、議会などの集合知を診断し、改善する方法を提供することであった。

集合知は、知識と権力が個人から集団へと移行することに大きく貢献する。1998年のエリック・S・レイモンドと2005年のJC・ヘルツによれば、 ^{[ 25 ] [ 26 ]}オープンソースの知能は、最終的には企業内で開発された独自のソフトウェアによって生成された知識よりも優れた結果を生み出すだろう。^{[ 27 ]}メディア理論家のヘンリー・ジェンキンスは、集合知をコンバージェンス文化に関連する「メディア権力の代替源」と見なしている。彼は教育と、人々が正式な学習環境の外で知識文化に参加する方法に注目している。ヘンリー・ジェンキンスは、「自律的な問題解決者と自己完結型の学習者」を促進する一方で、集合知による学習に敵対的な学校を批判している。^{[ 28 ]}ピエール・レヴィとヘンリー・ジェンキンスはともに、集合知は知識ベースの文化と相互に結びついており、集合的なアイデアの共有によって維持されているため、多様な社会のより良い理解に貢献し、民主化にとって重要であるという主張を支持している。 ^{[ 29 ] [ 30 ]}

一般的な個人知能のg因子（g）と同様に、集団知能に関する新しい科学的理解は、集団の幅広いタスクを実行する能力を示す集団の一般的な集団知能因子c因子を抽出することを目的としているが、そのスコアは厳密には商ではない。^{[ 10 ]}

集合知は、デジタルコミュニケーションプラットフォームやコラボレーション技術によって促進されることが多い。

多くの理論家は、アリストテレスの『政治学』における「多くの人が持ち寄る宴会は、一人の財布から用意された夕食よりも優れている」という記述を、多くの人がそれぞれ異なる料理を持ち寄るように、審議においても多くの人が異なる情報を提供することでより良い決定を下せるという意味だと解釈してきた。^{[ 31 ] [ 32 ]}しかし、近年の研究^{[ 33 ]}では、これはおそらくアリストテレスの意図したものではなく、現在私たちがチームインテリジェンスについて知っていることに基づく現代的な解釈であると示唆している。^{[ 34 ]}メリッサ・シュワルツバーグ（2016）はアリストテレスの議論を再解釈し、『政治学』第3巻第11章は集団判断の質が優れているという主張としてではなく、市民間の政治的判断能力の平等に基づいた民主主義的統治の擁護として読むべきだと主張している。彼女の「平等な判断」解釈は、群衆の知恵に関する認識論的議論から、平等な参加の政治的価値に対するアリストテレスの関心へと重点を移し、アリストテレスを現代の集団的正確性の優位性に関する主張の単純な支持として用いることに対して警告している。^{[ 35 ]}

現代の集合知理論（当時はそのように呼ばれていなかったが）は、1785年にコンドルセ侯爵によって始まった。彼の「陪審定理」は、投票グループの各メンバーが正しい決定を下す可能性が高い場合、グループ内で最も高い票が正しい決定である確率は、グループのメンバー数とともに増加すると述べている。^{[ 36 ]}

この概念は、昆虫学者ウィリアム・モートン・ウィーラーが1910年に観察した、一見独立した個体が、単一の生物と区別がつかなくなるほど密接に協力できるという点にも見られる。^{[ 37 ]}ウィーラーは、この協力プロセスがアリの中で機能しているのを見て、アリは彼が超個体と呼んだ単一の生物の細胞のように行動すると考えました。

1912年、エミール・デュルケームは、社会こそが人間の論理的思考の唯一の源泉であると特定した。彼は『宗教生活の基本形態』の中で、社会は空間と時間を超えて個人を超越するため、より高次の知性を構成すると主張した。^{[ 38 ]}他の先駆者としては、ウラジーミル・ヴェルナツキーとピエール・テイヤール・ド・シャルダンの「ヌースフィア」の概念^{[ 39 ]}、そしてH・G・ウェルズの「世界脳」の概念^{[ 40 ]}が挙げられる。

^{[ 41 ]}ピーター・ラッセル、エリザベス・サトゥーリス、バーバラ・マルクス・ハバード（「意識的進化」という用語の提唱者） ^{[ 42 ]}は、ヌースフィア （超越的で急速に進化する集合知 、つまり惑星の情報皮質）のビジョンに触発されている。

1962年の研究報告で、ダグラス・エンゲルバートは集合知と組織の有効性を結びつけ、積極的に「人間の知性を増強する」ことでグループの問題解決に相乗効果が生じると予測した。「この増強されたモードで3人が協力して作業すると、1人の増強された人が単独で作業する場合よりも、複雑な問題を解決するのに3倍以上効果的であるように思われる」^{[ 43 ]} 。 1994年、彼は集合知の尺度として「集合知」という用語を作り出し、ビジネスや社会における集合知を大幅に向上させる機会に注目を集めた。^{[ 44 ]}

1996年、ダニエル・ゴールマンは、現在では古典となっている感情的知能に関する著書の中で、集団の個人の平均IQではなく、「社会的調和」が彼が「集団知能」と呼ぶものにおいて最も重要な要素であると述べた。「他の条件がすべて同じであれば、この調和する能力によって、ある集団は特に才能があり、生産的で、成功し、他の点では才能やスキルが同じメンバーで構成された別の集団はうまくいかないだろう。」^{[ 45 ]}

ブラウンとローダー（2000、2001）は、集合知を社会資本の一形態として捉えました。それは、個人だけの属性ではなく、制度、協力、共有された問題解決に根ざした社会的能力です。彼らはそれを「市場個人主義」への対抗力として提示しました。IQに基づく知能概念に対する以前の批判を踏まえ、ブラウンとローダーは、知能は社会状況によって形成される成果であり、認知能力が広く分布している場合でも、構造的不平等によって集団が集合知を開発し動員する能力が制限される可能性があることを強調しました。彼らはそれを意図的に組み込むことを推奨しました。「集合知のための闘いは、私たち自身の能力と社会との関係についての考え方を変えるだけでなく、集合知の可能性を社会のまさに構造に織り込むことも含みます。」^{[ 46 ] [ 47 ] [ 48 ]}

2000年代初頭の研究では、デジタルネットワーク化されたグループで集合知が出現するために必要な情報条件が検討された。ジャン＝フランソワ・ヌーベル（2004）は、参加者が互いの貢献とグループの進化する状態を共有して見ることができるコミュニケーションアーキテクチャを説明するためにホロプティシズムの概念を導入し、そのような構造が分散した知識を統合し、集合的な問題解決を調整するグループの能力を高めると主張した。この考え方は、集合知を可能にするメカニズムとして共通認識、透明性のあるフィードバック、共有された認知的アーティファクトを強調する他の理論的説明と類似している。^{[ 49 ]}

ピエール・レヴィ^{[ 50 ]}は、ネットワーク化されたメディアと共有されたシンボルツールによって可能になった文明レベルの現象として集合知を再構築した影響力のある初期の理論家でした。彼の著作では、出現しつつある情報環境が分散型認知と集合的意味形成の新しい形態を可能にすると主張し、集合的に生成された意味と問題解決能力がサイバースペースでどのように育成され、管理されるかを研究するための「積極的解釈」の方法論プログラムを提案しました。^{[ 51 ]}レヴィの説明は、分散した個人が調整し、知識を蓄積し、大規模な協調的知能に参加することを可能にする文化的および意味論的インフラストラクチャ、つまり共通の言語、オントロジー、および仲介ツールを強調しています。彼のアイデアは、1990年代の著作で最初に広く流通し、その後のエッセイやレビューで繰り返され、集合知のデジタル基盤と、集合的な考察と意思決定をサポートするために制度やテクノロジーをどのように設計できるかについての議論を形成する上で影響力がありました。^{[ 52 ] [ 53 ]}

ハワード・ブルーム（1995）は、クォークのレベルから細菌、植物、動物、人間の社会のレベルまで、集団行動、すなわち集合的行動について論じた。彼は、地球上のほとんどの生物を彼が「学習機械」と呼ぶものの構成要素に変えた生物学的適応を強調した。ブルームは、アポトーシス、並列分散処理、集団選択、超個体の概念を組み合わせて、集合知がどのように機能するかについての理論を作成した。^{[ 54 ]}後に（2000）、彼は、競合する細菌コロニーと人間社会の集合知が、ジョン・ホランドが先駆的に提唱した概念である、コンピュータ生成の「複雑適応システム」と「遺伝的アルゴリズム」の観点から説明できることを示した。^{[ 55 ]}

ブルームは、集合知能の進化を10億年前の細菌の祖先にまで遡り、生命の始まり以来、多種間の知能がどのように機能してきたかを示した。^{[ 55 ]}アリの社会は、技術の面では人間を除く他のどの動物よりも高い知能を示し、例えばアブラムシを「搾乳」するために家畜を飼育するなど協力している。ハキリアリは菌類を世話して、菌類に餌を与えるために葉を運ぶ。^{[ 55 ]}

トム・アトリーは主に人間と、ハワード・ブルームが「集団IQ」と呼ぶものを向上させるための活動に焦点を当てた。アトリーは、集団知能は「集団思考」や個人の認知バイアスを克服し、集団が1つのプロセスで協力し、知的パフォーマンスを向上させることを可能にするために奨励できると考えていた。ジョージ・ポーは、集団知能現象を「分化と統合、競争と協力などの革新メカニズムを通じて、より高次の複雑性と調和に向かって進化する人間のコミュニティの能力」と定義した。^{[ 56 ] [ 57 ]}アトリーとポーは、「集団知能には、適切な行動の閾値を提供する単一の注意の焦点と基準の測定を達成することも含まれる」と述べた。彼らのアプローチは、科学コミュニティのメタファーに根ざしている。^{[ 58 ]}

アトリーとポーは、集合知の分野は、集団理論や人工知能も貢献できるものの、主に人間の営みとして捉えるべきであり、そこでは考え方、共有する意欲、そして共通の利益のための分散型知能の価値に対する開放性が最重要だと提唱した。^{[ 59 ]}集合知を尊重する個人は、自身の能力に自信を持ち、全体は個々の部分の総和よりも確かに大きいことを認識している。^{[ 60 ]}集合知を最大化するには、組織が「黄金の提案」、つまりあらゆるメンバーからの潜在的に有用なインプットを受け入れ、発展させる能力が不可欠である。^{[ 61 ]}集団思考は、インプットを少数の個人に限定したり、潜在的な黄金の提案をフィルタリングして実装まで十分に発展させなかったりすることで、集合知を阻害することが多い。^{[ 59 ]}

2008年にドン・タプスコットとアンソニー・D・ウィリアムズは、集合知は大規模なコラボレーションであり、それを可能にするには4つの条件が必要であると提唱した。^{[ 62 ]}

• オープン性 – アイデアと知的財産の共有：これらのリソースは競合他社に対する優位性をもたらしますが、他者がアイデアを共有し、コラボレーションを通じて大幅な改善と精査を得ることを可能にすることで、より多くの利益が得られます。^{[ 62 ]}
• ピアリング– Linux プログラムの「オープン化」のように、ユーザーが自由に修正や開発を行える水平的な組織形態。ただし、他のユーザーが利用できるようにすることが条件となる。ピアリングが成功するのは、自己組織化を促進するからである。自己組織 化は、特定のタスクにおいては階層的な管理よりも効果的な生産スタイルである。^{[ 62 ]}
• 共有– 企業は、潜在的かつ重要な特許権など、他のアイデアについてはある程度の管理権を維持しながら、一部のアイデアを共有し始めています。すべての知的財産を制限すると機会が失われますが、一部を共有することで市場が拡大し、製品がより早く登場します。^{[ 62 ]}
• グローバルに活動する – 通信技術の進歩により、低コストでグローバル企業が台頭するようになった。インターネットは広く普及しているため、グローバルに統合された企業は地理的な境界がなく、新しい市場、アイデア、技術にアクセスできる。^{[ 62 ]}

集合知の概念は、認識的民主主義と呼ばれることが多い現代の民主主義理論の枠組みも形成している。認識的民主主義理論は、熟慮または知識の集約を通じて真実を追跡する民衆の能力を指し、集合知を統合して適用するメカニズムに依拠している。政治理論家のエレーヌ・ランドモアは、『民主的理性：政治、集合知、多数による統治』などの著作でこれについて書いている。^{[ 63 ] [ 64 ]}

集合知は20世紀後半に機械学習コミュニティに導入され、^{[ 65 ]}システム全体の目標を達成するために、自己利益を追求する適応型エージェントの「集合体」をどのように設計するかという、より広範な考察へと発展しました。^{[ 66 ] [ 67 ] [ 68 ]}これは「報酬形成」に関する単一エージェントの研究^{[ 69 ]}に関連しており、ゲーム理論や工学コミュニティの多くの研究者によって発展させられてきました。^{[ 70 ]}

集合知の理論に大きく貢献したのは、ジェームズ・スロウィエツキの著書『群衆の知恵』（2005年）である。この本では、個人の集団からの情報の集約が、個々のメンバーや専門家による意思決定よりも優れた意思決定につながる可能性について考察している。^{[ 4 ]}スロウィエツキは、集団が「群衆の知恵」を発揮するための3つの重要な条件として、多様性、思考の独立性、分散化を挙げている。これらの条件の下では、集団の判断は専門家の判断よりも正確で、革新的で、回復力に富むものとなる。^{[ 4 ]}

当初、集合知の指標を作成しようとした研究者たちはそれを「集合知能指数」と呼んだ。彼らはそれを「人々が重要な課題にどれだけうまく協力できるか、つまり、集合的な知覚、記憶、洞察、ビジョン、計画、推論、先見性、経験を応用可能な知識に活用して、状況をどれだけ迅速かつ賢明に予測または対応できるかの尺度」と定義した。^{[ 83 ]}現在、集合知に関する新しい科学的理解では、それは幅広いタスクを実行するグ​​ループの一般的な能力として定義されている。^{[ 10 ]}

定義、操作化、統計的手法は、一般的な個人知能の心理測定学的アプローチと類似している。ここでは、特定の認知課題における個人のパフォーマンスが、イギリスの心理学者チャールズ・スピアマンが提唱し、因子分析によって抽出された一般知能因子gによって示される一般的な認知能力を測定するために使用される。^{[ 84 ]} gが認知課題における個人間のパフォーマンスの違いを示すのと同様に、集合知能研究は、グループ間の課題パフォーマンスの違いを示すグループ向けの並行知能因子「 c因子」^{[ 10 ]}（「集合知能因子」（CI）^{[ 85 ]}とも呼ばれる）を見つけることを目的としている。集合知能スコアは、同じグループが将来他の同様の課題でどのようにパフォーマンスするかを予測するために使用される。ただし、ここでいう課題とは、小規模グループによって実行される精神的または知的課題を指す^{[ 10 ]}が、この概念は、家族から企業、さらには都市全体に及ぶあらゆるグループや群衆、その他のパフォーマンスにも適用できることが期待されている。^{[ 86 ]}個人のg因子スコアは全般IQスコアと高い相関があり、全般IQスコアはgの良い推定値と見なされているため、^{[ 87 ] [ 88 ]}この集団知能の測定は、スコア自体は商ではないものの、個人の知能指数（IQ）と並行して、グループ（グループIQ）の知能指標または商としても見なすことができます。

数学的には、cとgはどちらも、あるタスクのパフォーマンスが他の類似タスクのパフォーマンスと比較可能であると仮定して、異なるタスク間の正の相関関係を要約する変数です。^{[ 89 ]}したがって、 c はグループ間の分散の源であり、特定の関連集団内の他のグループと比較したc因子におけるグループの位置としてのみ考えることができます。 ^{[ 88 ] [ 90 ]}この概念は、グループの知能を説明する他の相関構造を含む競合する仮説とは対照的です。^{[ 10 ]}例えば、個人の性格研究で見られるように、同等に重要だが独立した複数の因子から構成されるなどです。^{[ 91 ]}

さらに、この科学的アイデアは、グループの規模、コラボレーションツール、グループメンバーの対人スキルなど、集合知に影響を与える原因を探ることも目的としています。^{[ 92 ]}例えば、MIT集合知センターは、「集合知のゲノム」[92]の検出を、群衆の知能^{を活用する}ために組み合わせたり組み換えたりできる「組織的構成要素、つまり遺伝子の分類体系」を開発することを主な目標の1つとして発表しました。^{[ 92 ]}

プロセス

トップダウンプロセス

トップダウンプロセスは、構造、プロセス、規範などのグループインタラクションをカバーします。^{[ 105 ]}このようなトップダウンプロセスの例としては、会話のターンテーキングが挙げられます。^{[ 10 ]}さらに研究によると、集合知能の高いグループは、一般的に、より平等にコミュニケーションをとることが多く、参加についても同様であり、対面グループだけでなく、書面のみでコミュニケーションをとるオンライングループにも当てはまります。^{[ 85 ] [ 106 ]}

ボトムアッププロセス

ボトムアッププロセスにはグループ構成^{[ 105 ]} 、すなわちグループメンバーの特性がチームレベルに集約される^{[ 105 ]} 。このようなボトムアッププロセスの例としては、グループメンバーの平均社会的感受性や平均および最大知能スコアなどが挙げられる^{[ 10 ]} 。さらに、集合知能は、思考スタイルや視点を含むグループの認知的多様性^{[ 107 ]}と関連していることがわかっている^{[ 108 ]} 。認知スタイルが適度に多様なグループは、認知スタイルが非常に似ているグループや非常に異なるグループよりも集合知能が高い。したがって、メンバー同士が似すぎているグループは、優れたパフォーマンスを発揮するために必要な多様な視点やスキルが不足している。一方、メンバーが違いすぎるグループは、効果的なコミュニケーションや調整に困難を抱えているようだ^{[ 107 ] 。}

直列処理と並列処理

人類の歴史の大部分において、集合知は、メンバー間のリアルタイムの並行的な相互作用を通じて意見が集約される小さな部族集団に限定されていました。^{[ 109 ]}現代では、マスコミュニケーション、マスメディア、ネットワーク技術により、集合知は大陸やタイムゾーンをまたいで分散した大規模なグループにまで及ぶようになりました。この規模の変化に対応するため、大規模グループにおける集合知は、時間の経過とともに賛成票、いいね、評価を集約するなどの逐次投票プロセスによって支配されてきました。現代のシステムはグループサイズが大きいほど有利ですが、逐次プロセスは、グループの集合的な出力を歪める相当なノイズを導入することがわかっています。逐次化された集合知に関する重要な研究の1つでは、逐次投票システムに貢献した最初の投票が最終結果を34%歪める可能性があることがわかりました。^{[ 110 ]}

大規模グループ間での入力の逐次集約の問題に対処するため、最近の集合知の進歩は、逐次投票、世論調査、市場を、自然界の同期群をモデルにした「人間の群れ」などの並列システムに置き換えることに取り組んできました。 ^{[ 111 ] [ 112 ]}群知能の自然なプロセスに基づいて、ネットワーク化された人間の人工的な群れは、参加者が並行して協力して質問に答え、出現する集合知として予測を行うことを可能にします。^{[ 113 ] [ 114 ]}注目すべき例の1つは、CBS Interactiveによるケンタッキーダービーを予測する人間の群れの挑戦です。群れは、542対1のオッズを覆し、最初の4頭の馬を順番に正しく予測し、20ドルの賭けを10,800ドルに変えました。^{[ 115 ]}

並列集合知の価値は、スタンフォード大学医学部とUnanimous AIの研究者によって医療アプリケーションで実証されました。発表された一連の研究では、人間の医師のグループがリアルタイムの群知能アルゴリズムで接続され、胸部X線写真から肺炎の有無を診断するタスクが与えられました。^{[ 116 ] [ 117 ]}経験豊富な放射線科医のグループが「人間の群れ」として協力して作業すると、従来の方法と比較して診断エラーが33%減少しました。^{[ 118 ] [ 119 ]}

証拠

ウーリー、チャブリス、ペントランド、ハシュミ、マローン（2010）^{[ 10 ]}は、集団知能に関するこの科学的理解の創始者であり、一般から無作為に募集した人々からなる192のグループを対象とした研究で、集団知能の単一の統計的因子を発見した。ウーリーらの最初の2つの研究では、グループは、確立されたグループタスクの分類法であるマクグラスタスク円環[ ^{120 ]の}さまざまなタスクに協力して取り組んだ。タスクは円環の4つの象限すべてから選択され、視覚パズル、ブレインストーミング、集団的な道徳的判断、限られたリソースをめぐる交渉などが含まれていた。これらのタスクの結果は、因子分析を行うために使用された。両方の研究は、グループのパフォーマンスの違いの根底にある一般的な集団知能因子cを支持するものであり、最初の固有値は分散の43%（研究2では44%）を説明し、次の因子はわずか18%（20%）しか説明しなかった。これは、認知テストにおける個人間のパフォーマンスの違いの40%から50%を占める一般的な個人知能因子gに関する研究で通常見られる範囲に合致する。 ^{[ 89 ]}

その後、各グループはより複雑な課題に取り組み、c因子スコアが元のテストを超えた課題のパフォーマンスを予測するかどうかを調べた。基準課題は、最初の研究では標準化されたコンピュータとのチェッカー（チェッカー）の対戦、2番目の研究では複雑な建築設計課題であった。グループメンバーの個々の知能とcの両方を用いて基準課題のパフォーマンスを予測する回帰分析では、 cは有意な効果を示したが、平均知能と最大知能は有意な効果を示さなかった。グループメンバーの平均知能（r=0.15、P=0.04）と最大知能（r=0.19、P=0.008）はcと中程度の相関関係にあったが、cは基準課題のより優れた予測因子であった。Woolleyらによると、これは集団知能因子cの存在を裏付けるものであり、グループメンバーの個々の知能を超えた効果を示し、したがってcは個々のIQの集計やIQが最も高いグループメンバーの影響以上のものであることを示している。^{[ 10 ]}

Engel ら^{[ 85 ]} (2014) は、Woolley らの調査結果を再現し、加速型バッテリーのタスクを適用しました。因子分析では、第 1 因子がパフォーマンスのグループ間分散の 49% を説明し、次の因子はこの量の半分未満しか説明しませんでした。さらに、テキストのみでコミュニケーションをとるオンラインのグループでも同様の結果が見つかり、どちらの場合も集合知を引き起こす上で女性の割合と社会的感受性が果たす役割が確認されました。Woolley ら^{[ 10 ]}と同様に、彼らも RME を使用して社会的感受性を測定しました。RME は実際には、他人の目から精神状態を検出する能力を測定することを目的としています。しかし、オンラインで協力する参加者は、お互いを全く知りませんでしたし、見たこともありませんでした。著者らは、RME のスコアは、他人の目の表情から推論するだけでなく、より広範な社会的推論能力に関連しているに違いないと結論付けています。^{[ 121 ]}

ウーリーら^{[ 10 ]}の意味での集団知能因子cは、1学期にわたって一緒に作業するMBA学生のグループ^{[ 122 ]} 、オンラインゲームグループ^{[ 106 ]}、異なる文化のグループ^{[ 123 ]}、短期グループと長期グループという異なるコンテキストのグループ[123]でも発見された。^{これらの調査}のいずれも、チームメンバーの個々の知能スコアを制御変数として考慮していない。^{[ 106 ] [ 122 ] [ 123 ]}

研究では、集合知システムは複雑適応システム（CAS）のサブセットとして概念化されることが増えている。これらのシステムは、不確実で変化する環境への適応、自律的な自己組織化、局所的な相互作用からのグローバルな行動の出現という3つの主要な特性を示す。^{[ 157 ]}

集合知は、フィードバックダイナミクス、分散制御、冗長性、堅牢性、非線形相互作用パターンなどの実現メカニズムを活用しており、これらはCASの中心的特徴でもあります。ソーシャルメディアプラットフォームや協調型AI環境などの人間と機械のシステムでは、集合知は、社会的エージェントと技術的エージェント間の大規模で多対多の相互作用から生まれます。これらのシステムは、適応的なフィードバックプロセスを通じて構造と戦略を継続的に調整し、参加者を個別に分析しても理解できない「創発的」な集合的行動をもたらすことがあります。^{[ 158 ]}

科学および工学の実践において、集合知の研究には、生物学的または社会的集合システムにおける自然現象の理解である分析と、分散型問題解決のための人工システム、計算システム、またはハイブリッドシステムの作成である設計の両方が含まれます。研究が進むにつれて、集合知と複雑適応システムはますます融合し、大規模な社会技術環境における回復力、拡張性、および創発的知能のモデリング、シミュレーション、およびエンジニアリングのための方法論を提供します。^{[ 159 ]}

HaとTang（2022）は、集合知と複雑系の概念が機械学習でどのように使用されているかを概説しています。彼らは、アンサンブル法、集団ベースのトレーニング、進化的探索、マルチエージェント強化学習、群知能に基づく最適化、連合学習、およびエキスパート混合モデルが、多様性、並列探索、および集約に依存していることを指摘しています。著者らは、これらの技術を人工システムにおける集合的な問題解決の例として提示し、複雑系理論が今後の研究に役立つ可能性のある分野を概説しています。^{[ 160 ]}

最近の理論的視点では、あらゆる規模の知能を複雑適応系における集団行動の一形態として扱っている。Falandays ら (2023) は、個々の知能として説明される多くのプロセスは、神経系、多細胞生物、動物集団、人間の社会・文化ネットワークのいずれにおいても、構成要素間の創発的な相互作用として理解できると主張している。著者らは、生物学的、認知的、社会的なシステムからの例を提示し、個々の知能と集団的知能の区別は、根本的な種類の違いではなく、分析レベルを反映していることが多いという見解を支持している。^{[ 5 ]}

未来研究と戦略的先見性では、集合知の手法を用いて、さまざまな利害関係者からの洞察を集約して共有シナリオ、ビジョン、早期警戒分析を作成する参加型プロセスを通じて、起こりうる未来を探求し、形成します。^{[ 161 ] [ 162 ]}一部の著者はこれを「集合的フォワードインテリジェンス」と表現し、公共政策、都市開発、持続可能性への移行などの分野における長期的な変化に関する動的でネットワーク化された意味づけを強調しています。^{[ 163 ]} 実用的な応用例としては、パンデミック、経済動向、選挙結果を予測するための群衆予測があり、これはウクライナの先見的ガバナンスを支援するスウェーデンのFOIや、研究とイノベーション政策のための未来志向の集合知を探求するFutures4Europeなどの欧州のイニシアチブによって実証されています。^{[ 164 ] [ 165 ]}グローバルな未来研究では、ミレニアムプロジェクトのグローバル未来インテリジェンスシステムなどのシステムが、データ、専門家の判断、および一般からの意見を統合して、科学技術の先見性と政策決定を支援しています。^{[ 166 ]}

熟議民主主義は参加型民主主義の一形態であり、市民間の情報に基づいた包括的な対話を重視し、理性的な議論と合意形成を通じて公共問題に関する集団的決定に至る。多様な視点と知識を集約することで集合知を活用し、決定の正当性と質を向上させる。^{[ 167 ] [ 168 ]}

熟議民主主義の重要な制度的メカニズムの一つは、市民議会、別名ミニ公共会議である。市民議会における熟議は、広範な情報交換、促進された議論、専門家の証言への関与を特徴とする。このプロセスにより、参加者は勧告を策定する前に、価値観や社会的なトレードオフについて熟考することができる。^{[ 169 ]}

市民議会の参加者は、人口の代表的な断面となるように抽選によって無作為に選ばれます。この選択プロセスでは、通常、まず広範囲の無作為抽出を行い、次に層別化を行い、性別、年齢、社会経済的地位、民族、そして議論されるトピックに関する意見などのカテゴリーにわたる人口統計的多様性を確保します。 ^{[ 170 ] [ 171 ] [ 172 ]}このように社会の縮図を捉えることで、市民議会は、選挙で選ばれた議会で通常見られるよりも多様な経験や視点を可能にすることで、集合知を高めます。^{[ 173 ]}

市民議会は、従来の政治環境では避けられたり解決が困難であったりする、非常に議論の的となるデリケートな問題に取り組む上で特に価値があります。たとえば、アイルランドの市民議会は、アイルランドにおける中絶に関する公共の議論と立法改革（正式には憲法第8条改正に関する議論と呼ばれる）に情報を提供する上で極めて重要な役割を果たし、このような議会が、意見が分かれるテーマについて正当で情報に基づいた、十分に検討された政策提言を生み出すことができることを示しました。^{[ 174 ] [ 175 ]}

研究によると、市民議会は参加者と一般市民の間で政治的有効性を高め、社会的信頼を育み、政治的分極化に対抗し、集団的審議を通じて社会の結束を強化することにより、民主主義の刷新に大きく貢献している。^{[ 176 ]}市民議会は、普段は政治に関与しない人々を参加させることで包括的なガバナンスを促進し、より代表的な意思決定と民主的正当性の向上につながる。^{[ 177 ] [ 178 ]}市民議会は、政策立案者が困難な決定を下すのに役立つ熟慮された公共の判断を生み出し、それによってガバナンスの質を高めるため、世界中の政府が政策の共同作成に市民議会をますます活用している。^{[ 179 ] [ 176 ]}

ラファウ・オルショフスキの『オープンな政策決定における集合知』（2024年）は、オープンな政策決定イニシアチブに焦点を当て、個人レベルを超えた集合知の進化を理解するための包括的なフレームワークを提供します。本書は、理論的な洞察と、Decide Madrid ^{[ 180 ]}やBetter Reykjavik ^{[ 181 ]}などの実践的なケーススタディを組み合わせ、集合知が民主的なイノベーションと政策設計における市民参加をどのように形成するかを探求しています。^{[ 182 ]}

デジタル時代の公共討議：プラットフォーム、参加、正当性（2025年）は、デジタルプラットフォームが熟議民主主義プロセスと市民参加をどのように変革しているかを包括的に検証しています。本書は、理論的な洞察と実証的なケーススタディを組み合わせて、デジタルツールが参加、討議の質、民主的意思決定の正当性にどのように影響するかを分析しています。気候ガバナンスから若者の参加、AIを介した対話まで、さまざまなアプリケーションについて議論し、デジタルデバイドや多言語討議などの課題を探求しています。入力-スループット-出力の正当性のフレームワークを使用して、デジタルプラットフォームが誰が参加するか、参加がどのように行われるか、そしてこれらのプロセスがより広範な公共の結果にどのように結びつくかを体系的に評価しています。^{[ 183 ]}

Lewis et al. (2025) は、市民と公共機関間の大規模な審議と継続的なフィードバックを支援することを目的とした、デジタル対応の市民インフラの設計原則について論じている。この論文では、頻繁なデジタル参加、貢献のアルゴリズムによる合成、および対象を絞った小グループ審議を組み合わせたモジュール型アーキテクチャについて説明しており、これにより、地域の審議結果を集約して政策プロセスにフィードバックすることができる。意見データのクラスタリングとブリッジング、ベイズ適応評価、およびプラットフォーム設計をテストするための反復サンドボックス化のためのツールを推奨している。著者ら（ UCLの集合知、公共政策、社会イノベーションの教授であるGeoff Mulganを含む）は、集約方法の透明性、データのコミュニティによる管理、操作や排除に対する保護措置などのガバナンス要件を強調している。^{[ 184 ]}

この論文では「集合知」という用語を明示的に使用していませんが、その提案は確立された集合知の概念と​​メカニズムに直接対応しています。集合知の観点から、記述されたアーキテクチャは、信頼できるグループ判断を生み出すための、よく研究されている3つの要件に明確に対応しています。情報基盤を増やすための幅広く多様な参加、相関エラーを回避するための貢献の独立性を維持または回復するメカニズム、そして多くの低コストの入力をより高品質の集合的出力に変換する原則に基づいた集約手順です。市民議会のような小規模でリソースが豊富な審議モジュールは、高品質の信号発生器として機能します。アルゴリズム合成とターゲットサンプリングは、これらのローカル信号をシステムレベルの入力に変換します。そして適応的評価は、学習と改善に必要なフィードバックループを提供します。したがって、この論文は、審議機関を、現代の集合知研究の中心となる計算集約とガバナンスの実践に接続するための応用設計プログラムを提供します。^{[ 184 ]}

2001年、ポーランドのAGH大学のタデウシュ（タド）・シュバは、集合知の現象に関する形式モデルを提案した。それは、社会構造によって数学的論理で実行される、無意識的でランダムな並列分散計算プロセスであると想定されている。^{[ 185 ]}

このモデルでは、存在と情報は、数学的論理の表現を運ぶ抽象的な情報分子としてモデル化されています。^{[ 185 ]}これらは、意図した変位で環境との相互作用により準ランダムに変位します。^{[ 185 ]}抽象的な計算空間でのこれらの相互作用により、集合知として認識されるマルチスレッド推論プロセスが生成されます。^{[ 185 ]}このように、チューリングではない計算モデルが使用されます。この理論は、集合知を社会構造の特性として単純に形式的に定義することを可能にし、細菌コロニーから人間の社会構造まで、幅広い存在に対してうまく機能しているようです。特定の計算プロセスとして考えられる集合知は、いくつかの社会現象を簡潔に説明しています。この集合知のモデルに対して、IQS（IQ Social）の形式的な定義が提案され、「社会構造の推論活動を反映するN要素推論の時間と領域にわたる確率関数」として定義されました。^{[ 185 ]} IQS は計算上難しいように思われるが、上述のように計算プロセスの観点から社会構造をモデル化することで近似の可能性が生まれる。^{[ 185 ]}将来的な応用としては、IQS の最大化による企業の最適化や、細菌コロニーの集合知に対する薬剤耐性の分析などが挙げられる。^{[ 185 ]}

組織チームにおける集合知は、分散した知識の統合、専門的な貢献の調整、適応的な意思決定を可能にするリーダーシッププロセスに依存します。これらの特徴は、複雑適応システムのリーダーシップの研究である複雑リーダーシップ理論と大きく重なることを示しています。 ^{[ 186 ]} 研究では、集合知を支える2つの大きなリーダーシップ形態が特定されています。チーム内の共有または分散型リーダーシップと、組織やセクターを横断して行動を調整するシステムリーダーシップです。^{[ 187 ] [ 188 ]}

Shared leadership is where leadership functions are exercised by multiple team members rather than a single designated leader. It is also defined as an emergent phenomenon that arises naturally among team members when the conditions are conducive to it. Such shared leadership is consistently associated with higher team performance and greater collective efficacy. Network and density measures of shared leadership often predict performance better than single-source measures. Other determining factors are task interdependence, psychological safety, and member expertise.^{[189][190][191]}

Systems leadership refers to leadership enacted across institutional boundaries to mobilise multiple organisations and stakeholders for problems that no single actor can solve. Leadership dispersed through networks and practised as a set of functions or processes can increase a group's capacity to integrate diverse information and adapt to complex tasks.^[192] A review of empirical case studies found that effective systems leadership begins with a clear call to action and the formation of a committed coalition. Sustaining momentum depends on system structures, supportive cultures and interpersonal factors, including maintaining a shared purpose, strong relationships, curiosity, and an understanding of system dynamics and resilience. Indicators of success include enjoyment in the work, gains in system resources and observable improvements in population-level data. Also, seeing leadership as a distributed, resourcing function rather than a single-person role. Systems leadership is especially relevant where collective intelligence must be organised at scale, for example in the emergency response to a crisis such as a pandemic.^[193][194]

To fully unlock collective intelligence at scale, Cairney and Toomey (2025) advocate for multi-level and systems-oriented leadership for addressing complex societal problems. This approach confirms the conclusions of earlier research that successful leadership is a distributed capability that must be cultivated across organisations and networks. They identified several key features of collectively intelligent systems leadership: "reject heroic top-down leadership and central control in favour of collaboration across boundaries; develop attributes (e.g. humility), mindsets (e.g. big picture), and skills (e.g. facilitation) to act in complex systems (albeit without a common view on what a complex system is); and, seek organisational and political support for this approach."^[195]

ペントランド（2012）は、チームのパフォーマンスが、やり取りの量、参加の均等性、外部とのつながりという3つの測定可能な相互作用パラメータと相関することを示す応用社会測定研究を報告している。彼は、バランスの取れた会話のターンテーキング、幅広い参加、高い関与など、チーム内の相互作用とコミュニケーションの測定可能なパターンが、個人の知能の測定値よりも確実にチームのパフォーマンスを予測することを発見した。この研究は、リーダーシップを、リーダーや「カリスマ的なコネクター」が階層的な権限を行使するだけでなく、分散した参加と情報の流れを促進するパターン形成の役割として捉えている。集合知の観点から見ると、この論文はCIの中核的なメカニズムに対応している。すなわち、信頼できるパフォーマンスを相互作用パターンの創発的特性（個人の能力ではない）として扱い、共有された状況認識と情報統合をサポートする測定可能なシグナルを特定し、フィードバックループ（測定→視覚化→トレーニング→相互作用の改善）が集合的な問題解決をどのように向上させることができるかを示している。この応用研究は経営の実践に影響を与えているが、ウーリーら（2010）などの査読付き研究と併せて読むべきである。^{[ 196 ] [ 197 ] [ 198 ]}

Wikipedia自体に加えて、クラウドソーシング、市民科学、予測市場などの分野を含め、集合知の最近の応用例は数多くあります。Nesta Centre for Collective Intelligence Design ^{[ 199 ]}は2018年に設立され、多くの応用例の調査や実験への資金提供を行ってきました。2020年には、国連開発計画（UNDP）アクセラレーターラボ^{[ 200 ]}が、持続可能な開発目標のためのイノベーションを加速させる活動に集合知の手法を使用し始めました（例：Global Mindpool）。

認知

市場判断

インターネットが世界中に大量の情報を迅速に伝達できる能力のおかげで、集合知を利用して株価や株価の方向性を予測することがますます実現可能になってきている。^{[ 209 ]}ウェブサイトは、可能な限り最新の株式市場情報を集約し、プロまたはアマチュアの株式アナリストが見解を公開できるようにし、アマチュア投資家が金融に関する意見を提出して集合的な意見を作成できるようにしている。^{[ 209 ]}すべての投資家の意見は平等に考慮されるため、集合知の効果的な適用の重要な前提を適用することができる。つまり、幅広い株式市場の専門知識を含む大衆を利用して、金融市場の行動をより正確に予測することができる。^{[ 210 ] [ 211 ]}

集合知は、ユージン・ファーマの効率的市場仮説の根底にある^{[ 212 ]}。ただし、ファーマの論文では集合知という用語は明示的に使用されていない。ファーマは、マイケル・ジェンセン^{[ 213 ]}が行った調査を引用している。この調査では、1955年から1964年の期間に、選定された115のファンドのうち89がインデックスに対してパフォーマンスが劣っていた。しかし、手数料（前払い手数料）を除外すると、パフォーマンスが劣っていたのは72のみとなり、ブローカー手数料を除外すると、パフォーマンスが劣っていたのは58のみとなった。このような証拠に基づいて、インデックスファンドは、プロのファンドマネージャーの判断ではなく、市場の集合知を投資戦略として利用する人気の投資手段となった^{[ 213 ] 。} 

政治とテクノロジーに関する予測

政党は、政策を策定し、候補者を選出し、選挙運動の資金を調達し、運営するために、多数の人々を動員します。^{[ 214 ]}さまざまな投票方法による知識の集中は、情報に基づかない投票はある程度ランダムであり、意思決定プロセスから排除でき、情報に基づいた合意の残余のみが残るという仮定に基づいて、視点の収束を可能にします。^{[ 214 ]}批判者は、しばしば悪い考え、誤解、誤った認識が広く共有されており、意思決定プロセスの構造は、特定の状況においてランダムまたは誤った情報に基づく投票に陥りにくいと思われる専門家を優遇する必要があると指摘しています。^{[ 215 ]}

Affinnova (Nielsen に買収)、 Google、InnoCentive、Marketocracy、Threadless ^{[ 216 ]}などの企業は、研究開発 (R&D)、顧客サービス、知識管理を通じて次世代の技術革新をもたらすために、集合知の概念をうまく活用してきました。^{[ 216 ] [ 217 ]}このような応用例の 1 つは、2012 年に Google が実施した Project Aristotle で、数百の同社の R&D チームでチーム構成に対する集合知の影響が調査されました。^{[ 218 ]}

協力

信頼のネットワーク

2012年、ミレニアム・プロジェクトによってグローバル・フューチャーズ・コレクティブ・インテリジェンス・システム（GFIS）が創設されました。^{[ 219 ]}これは、データ/情報/知識、ソフトウェア/ハードウェア、専門知識/洞察の相乗的な交わりとして集合知を体現しており、個々のプレーヤー単独よりも優れた意思決定のための再帰的な学習プロセスを備えています。^{[ 219 ]}

新しいメディアは、集合知の促進と強化と関連付けられることが多い。新しいメディアは、主にデータベースやインターネットを通じて情報を容易に保存および取得できるため、情報の共有が容易になる。このように、新しいメディアとの相互作用を通じて、知識は情報源間で容易に伝達され^{[ 27 ]}、集合知の一形態が生まれる。インタラクティブな新しいメディア、特にインターネットの使用は、オンラインでの相互作用とユーザー間の知識の配布を促進する。

フランシス・ヘイリゲン、ヴァレンティン・トゥルチン、ゴットフリート・マイヤー＝クレスらは、コンピュータ科学とサイバネティクスの観点から集合知を捉えている。彼らの見解では、インターネットは地球規模という最も広範なレベルで集合知を可能にし、それによってグローバル・ブレインの出現を促進する。

ワールドワイドウェブの開発者であるティム・バーナーズ＝リーは、世界規模での情報共有と公開を促進することを目指しました。後に彼の雇用主は、この技術を無料で利用できるようにしました。1990年代初頭、インターネットの可能性はまだ活用されていませんでしたが、1990年代半ばに、高等研究計画局（ARPA）の責任者であるJCR・リックライダー博士が「臨界量」と呼んだものが、より多くのアクセス性と有用性を求めるようになりました。^{[ 220 ]}このインターネットベースの集合知の原動力は、情報とコミュニケーションのデジタル化です。ニューメディアとメディアコンバージェンスの主要な理論家であるヘンリー・ジェンキンスは、集合知はメディアコンバージェンスと参加型文化に起因するという理論に基づいています。^{[ 27 ]}彼は、現代の教育がオンラインでの集団的問題解決の傾向を教室に取り入れていないことを批判し、「集合知コミュニティはグループとしての仕事の所有権を奨励するのに対し、学校は個人を評価する」と述べています。ジェンキンスは、知識コミュニティ内での交流が若者にとって重要なスキルを育成し、集合知コミュニティを通じたチームワークがそのようなスキルの発達に貢献すると主張している。^{[ 221 ]}集合知は、あらゆる文化からの情報の量的貢献だけではなく、質的側面も持っている。^{[ 221 ]}

レヴィとデ・ケルクホーフェは、集団的知能をマスコミュニケーションの観点から考察し、ネットワーク化された情報通信技術がコミュニティの知識プールを強化する能力に焦点を当てています。彼らは、これらのコミュニケーションツールによって人間が簡単かつ迅速に交流し、共有し、協力することができると示唆しています。^{[ 27 ]}インターネットの発展と普及により、ウィキペディアなどの知識構築コミュニティに貢献する機会はかつてないほど大きくなっています。これらのコンピュータネットワークは、参加ユーザーにこれらのデータベースへの集合的なアクセスを通じて知識を保存および取得する機会を与え、「集合知を活用する」ことを可能にします。^{[ 27 ]} MIT 集団的知能センターの研究者は、人々とコンピュータのグループの集合知能を研究および探求しています。^{[ 222 ]}

この文脈では、集合知は共有知識と混同されることが多い。前者はコミュニティのメンバーが個別に保持する情報の総和であり、後者はコミュニティのすべてのメンバーが真実であると信じ、知っている情報である。^{[ 223 ]} Web 2.0に代表される集合知は、協調知よりもユーザーの関与が少ない。Web 2.0 プラットフォームを使用したアート プロジェクトは「Shared Galaxy」で、匿名のアーティストが開発した実験で、MySpace、Facebook、YouTube、Second Life などの複数のプラットフォームで 1 人の人物として表示される集合的アイデンティティを作成する。パスワードはプロファイルに書かれており、「Shared Galaxy」という名前のアカウントは誰でも使用できる。このようにして、多くの人が 1 人になることに参加する。^{[ 224 ]}集合知を使用して芸術作品を制作する別のアート プロジェクトは Curatron で、多数のアーティストが一緒に、良いコラボレーション グループになると思われる小規模なグループを決定する。このプロセスは、集合的な好みを計算するアルゴリズムに基づいて使用されます^{[ 225 ]。}ノバスコシア州を拠点とするアーティスト、マシュー・アルドレッドは、彼が「CI-Art」と呼ぶものを制作する際に、ピエリー・レヴィの集合知の定義に従っています。^{[ 226 ]} 2016年3月に開催されたアルドレッドのCI-Artイベントには、ノバスコシア州オックスフォードのコミュニティと国際的に400人以上が参加しました。^{[ 227 ] [ 228 ]}アルドレッドが後に開発した作品では、UNUの群知能システムを使用してデジタルドローイングと絵画を作成しました。^{[ 229 ]}オックスフォード・リバーサイド・ギャラリー（ノバスコシア州）は、2016年5月に公開CI-Artイベントを開催し、国際的にオンライン参加者とつながりました。^{[ 230 ]}

ソーシャルブックマーク（共同タグ付けとも呼ばれる）では、 ^{[ 231 ]}ユーザーが他のユーザーと共有するリソースにタグを割り当て、このクラウドソーシングプロセスから情報組織の一種が生まれます。結果として得られる情報構造は、ユーザーコミュニティの集合的知識（または集合知）を反映していると見なされ、一般的に「フォークソノミー」と呼ばれ、このプロセスは共同タグ付けのモデルによって捉えることができます。^{[ 231 ]}

ソーシャルブックマークサイトDeliciousのデータを使用した最近の研究では、共同タグ付けシステムが複雑系（または自己組織化）ダイナミクスの一形態を示すことが示されています。^{[ 232 ] [ 233 ] [ 234 ]}個々のユーザーの行動を制限する中央統制語彙はありませんが、異なるリソースを記述するタグの分布は、時間の経過とともに安定したべき乗則分布に収束することが示されています。^{[ 232 ]}このような安定した分布が形成されると、異なるタグ間の相関関係を調べることで、単純なフォークソノミーグラフを構築でき、これを効率的に分割してコミュニティまたは共有語彙の一形態を得ることができます。^{[ 235 ]}このような語彙は、ユーザーコミュニティの分散的な行動から生じる集合知の一形態と見なすことができます。Wall-itプロジェクトもソーシャルブックマークの一例です。^{[ 236 ]}

P2Pビジネス

タプスコットとウィリアムズが行った研究では、集合知がビジネスにもたらすメリットの例がいくつか示されています。^{[ 62 ]}

人材活用

技術の変化の速さを考えると、どの企業も競争に必要なイノベーションに完全に追いつくことはできません。その代わりに、賢明な企業は、雇用できない人々を巻き込むために、大規模なコラボレーションの力を活用しています。これはまた、新しいアイデアの創造や投資機会に惹かれる人々という形で、企業への継続的な関心を生み出すのにも役立ちます。^{[ 62 ]}

需要創出

企業はオープンソースコミュニティに参加することで、補完財の新しい市場を創出することができる。また、企業はコミュニティからのリソースと協力がなければこれまで不可能だった新しい分野に進出することも可能になる。前述のように、これにより、前述の新しい分野の製品の補完財の新しい市場が創出される。^{[ 62 ]}

コスト削減

大規模なコラボレーションは、コストを大幅に削減するのに役立ちます。企業は、オンラインコミュニティによる評価やデバッグのために、特定のソフトウェアや製品をリリースすることができます。その結果、よりパーソナルで堅牢かつエラーのない製品が、短期間かつ低コストで作成されます。また、オンラインコミュニティのコラボレーションによって新しいアイデアが生み出され、探求されることで、企業の枠にとらわれない自由な研究開発の機会が生まれます。^{[ 62 ]}

オープンソースソフトウェア

文化理論家でありオンラインコミュニティ開発者でもあるジョン・バンクスは、 Trainz製品の制作におけるオンラインファンコミュニティの貢献について考察した。彼は、その商業的成功は「製品を積極的に宣伝し、ゲームソフトウェアへのコンテンツ拡張や追加を作成する、活発で活気のあるオンラインファンコミュニティの形成と成長」に根本的に依存していると主張した。^{[ 237 ]}

ユーザー作成コンテンツとインタラクティビティの増加は、ゲーム自体の制御とプレイヤー作成コンテンツの所有権の問題を引き起こします。これは、Lessig ^{[ 238 ]}や Bray と Konsynski ^{[ 239 ]}が指摘した知的財産権や財産所有権などの根本的な法的問題を引き起こします。

ゴスニーは、代替現実ゲームに関する議論の中で、ビデオゲームにおける集合知の問題をさらに一歩進めています。このジャンルを彼は「ゲーム内とゲーム外の体験の境界線を意図的に曖昧にするクロスメディアゲーム」^{[ 240 ]}と表現しています。ゲームの現実外で起こる出来事がプレイヤーの生活に「手を伸ばし」、それらを結びつけるからです。ゲームを解決するには「複数のプレイヤーの集団的かつ協調的な努力」が必要であり、そのため集団的かつ協調的なチームプレイの問題はARGにとって不可欠です。ゴスニーは、代替現実ゲームのジャンルは、ゲームの謎を解くために前例のないレベルの協力と「集合知」を要求すると主張しています。^{[ 240 ]}

協力のメリット

協力は、最も重要で興味深い多分野にわたる問題を解決するのに役立ちます。ジェームズ・スロウィエツキは著書の中で、多くの科学者が、協力のメリットは潜在的なコストよりもはるかに大きいと考えていると述べています。協力が有効なのは、多くの場合、多様な視点が保証されるからです。技術の進歩により、今日ではグローバルな協力は以前よりもはるかに容易かつ生産的になっています。協力が大学レベルからグローバルレベルに拡大すると、大きなメリットが得られることは明らかです。

例えば、なぜ科学者は協力するのでしょうか？科学はますます孤立化し、各科学分野はさらに広がり、一人の人間がすべての発展を把握することは不可能です。これは特に、高度な機器と特別なスキルを必要とする実験研究において当てはまります。協力することで、科学者はさまざまな分野からの情報を活用し、それを効果的に利用することができ、単に自分で読書によってすべての情報を集める必要がなくなります。^{[ 241 ]}

調整

アドホックコミュニティ

軍隊、労働組合、企業は、CIの定義の一部を満たしている。最も厳密な定義では、「法律」や「顧客」からの命令や指示によって行動が制限されることなく、非常に恣意的な状況に対応できる能力が求められる。オンライン広告会社は、集合知を利用して従来のマーケティング会社やクリエイティブ会社を迂回している。^{[ 242 ]}

UNUの「人間群集」（または「社会的群集」）のためのオープンプラットフォームは、生物群集を模したネットワーク化されたユーザーグループを中心としたリアルタイムのクローズドループシステムを構築し、人間の参加者が統一された集合知として振る舞うことを可能にする。^{[ 243 ] [ 244 ]} UNUに接続されると、分散したユーザーグループがリアルタイムで質問に答え、予測を行う。^{[ 245 ]}初期のテストでは、人間の群集が個人よりも優れた予測能力を持つことが示されている。^{[ 243 ]} 2016年、UNUの群集は記者からケンタッキーダービーの勝者を予測するよう挑戦され、540対1のオッズを破って上位4頭を順番に的中させた。^{[ 246 ] [ 247 ]}

^{デジタル写真レビュー[ 248 ]}やカメララボ^{[ 249 ]}のような専門情報サイトは、集合知の一例である。インターネットにアクセスできる人なら誰でも、専門情報サイトを通じて世界中に知識を広めることに貢献できる。

学習者生成コンテキストでは、ユーザーグループがリソースを結集して、学習者が独自のコンテキストを作成できる特定の学習スペースの共同構成、共同作成、共同設計に関連して、ニーズを満たすエコシステムを作成します。^{[ 250 ] [ 251 ] [ 252 ]}学習者生成コンテキストは、信頼のネットワークで集団行動の調整を促進するアドホックなコミュニティを表します。学習者生成コンテキストの例は、インターネット上で共同作業を行うユーザーが「共有インテリジェンススペース」で知識を共有する場合に見られます。インターネットの発展に伴い、共有パブリックフォーラムとしてのCIの概念も発展しました。インターネットのグローバルなアクセス性と利用可能性により、これまで以上に多くの人々がアイデアに貢献し、アクセスできるようになりました。^{[ 27 ]}

シムズシリーズやセカンドライフなどのゲームは、非線形であり、拡張のために集合知に依存するように設計されています。この共有方法は徐々に進化し、現在および将来の世代の考え方に影響を与えています。^{[ 220 ]}彼らにとって、集合知は規範となっています。テリー・フルーは、オンラインゲーム環境における「インタラクティビティ」、つまりユーザーとゲーム開発者間の継続的なインタラクティブな対話についての議論の中で、^{[ 253 ]}ピエール・レヴィの集合知の概念に言及し、 MMORPGのクランやギルドが常に目標を達成するために協力しているため、これがビデオゲームで活発に機能していると主張しています。ヘンリー・ジェンキンスは、ゲームプロデューサー、メディア企業、エンドユーザーの間で出現している参加型文化は、メディアの生産と消費の性質における根本的な変化を示していると提案しています。ジェンキンスは、この新しい参加型文化は、3つの広範な新しいメディアのトレンドの交差点で発生すると主張しています。^{[ 254 ]} 1つ目は、コンテンツの作成を可能にする新しいメディアツール/テクノロジーの開発です。第二に、そうした創作活動を促進するサブカルチャーの台頭、そして最後に、イメージ、アイデア、物語の流れを促進する付加価値の高いメディア複合企業の成長が挙げられる。

集団行動の調整

即興俳優は、演劇の即興が相互協力と合意に依存しているため、「集団意識」と呼ばれる一種の集合知も経験し、^{[ 255 ]}それが「集団意識」の統一につながる。^{[ 255 ] [ 256 ]}

インターネットとモバイル通信の発展により、オンデマンドで会議やデートさえも可能になる「スウォーミング」や「ランデブー」イベントも発生している。^{[ 65 ]}その影響はまだ完全には感じられていないが、例えば反グローバリゼーション運動は、電子メール、携帯電話、ポケットベル、SMSなどの組織化手段に大きく依存している。^{[ 257 ]}インディメディア組織は、これをよりジャーナリスティックな方法で行っている。^{[ 258 ]}こうしたリソースは、現在の参加者のみに責任を負う集合知の形に統合される可能性があるが、何世代にもわたる貢献者からの強力な道徳的または言語的指針を伴うか、あるいは共通の目標を推進するために、より明らかに民主的な形をとる可能性もある。^{[ 258 ]}

集合知のさらなる応用例は、「イノベーションのためのコミュニティエンジニアリング」に見られる。^{[ 259 ] [ 260 ]}エブナーらが提案したこのような統合フレームワークでは、アイデアコンテストと仮想コミュニティが組み合わされて、特にオープンソースの研究開発において、参加者の集合知の可能性をより良く実現している。^{[ 261 ]}経営理論では、集合知とクラウドソーシングの使用は、イノベーションと定量的問題に対する非常に堅牢な回答につながる。^{[ 262 ]}したがって、集合知とクラウドソーシングは、必ずしも経済問題に対する最良の解決策につながるわけではなく、安定した良い解決策につながる。

様々な種類のタスクにおける連携

集団行動やタスクは、タスクの複雑さによって異なる量の調整を必要とします。タスクは、調整をほとんど必要としない非常に独立した単純なタスクから、多くの個人によって構築され、多くの調整を必要とする複雑で相互依存的なタスクまで多岐にわたります。Kittur、Lee、Kraut による記事では、協力における問題点が次のように述べられています。「作業が高度に相互依存しているためにタスクに高度な調整が必要な場合、貢献者が増えるとプロセス損失が増加し、個々のメンバーが最適に達成できるレベルよりもグループの有効性が低下する可能性があります」。チームが大きすぎると、貢献者が増えてリソースが増えたとしても、全体的な有効性が低下する可能性があります。最終的には、調整による全体的なコストが他のコストを上回ってしまう可能性があります。^{[ 263 ]}

集団の集合知は、ボトムアップとトップダウンの両方のプロセスによる調整を通じて生まれる特性です。ボトムアップのプロセスでは、各メンバーのさまざまな特性が調整に貢献し、強化されます。トップダウンのプロセスは、規範、グループ構造、ルーチンによってより厳格かつ固定されており、独自の方法でグループの集合的な作業を強化します。^{[ 105 ]}

集合知システムは、特にシステムがより複雑化し、人工知能によって強化されるにつれて、その有効性を脅かす重大な課題に直面している。

中核的な脆弱性は、社会的影響による独立した思考の喪失であり、Lorenz ら (2011) は、これが意見の多様性を低下させ、不正確な集団判断への収束につながる可能性があることを示しました。彼らは、社会的影響が正確性を向上させることなく多様性を低下させること、範囲の縮小が真の値を変化させること、参加者間の不当な自信などの現象を特定しました。^{[ 81 ]} 新興の集合知プラットフォームは、人間のコラボレーションを強化するために AI をますます統合しています。Riedl ら (2025) によると、AI は分散知識集約を改善し、注意を調整し、集合的推論を促進することによって集合知を増強することができます。しかし、AI を大規模に展開すると、ユーザーの信頼を維持すること、公平な代表性を確保すること、ユーザビリティを促進すること、プライバシーを保護することなどの課題が生じます。社会力学の複雑さとコミュニティ構造の絶え間ない変化により、バイアスを増幅したり、アルゴリズムによる単一文化を作り出したりしないように、洗練された人間中心の設計原則とガバナンス フレームワークが必要になります。^{[ 264 ]}

近年の研究では、集合知を「人間と機械の社会システム」という観点から捉えることが提案されている。このシステムでは、人間と異質な人工エージェント（アルゴリズム、ボット、ロボットなど）が共同で複雑なネットワークを形成し、その結果は人間や機械の行動だけでは推測できない。この観点から、研究者たちは、人間同士、人間と機械、機械同士の相互作用のさまざまな構成が、競争、調整、協力、伝染、集団的意思決定にどのように影響するか、また、これらの社会技術的生態系の設計と規制が、堅牢性、回復力、グループのパフォーマンスをどのように向上させることができるかを研究している。^{[ 265 ]}

集合知を国家レベルまたは世界レベルに拡大すると、これらの問題はさらに複雑化し、強固なガバナンス構造と持続可能で透明性の高いAIシステムが求められる。気候変動や持続可能な開発といった複雑な地球規模の課題に対する問題解決の堅牢性を維持するためには、将来のプラットフォームは、AIによる能力強化と人間の自律性、多様性、そして開放性とのバランスを慎重に取る必要がある。

急速に発展している集合知の分野における進歩は、学会やその議事録、ポスターなどを通じて追跡することができる。学会発表は通常、後日「議事録」として出版されるか、学会後にウェブサイトで公開される。