文／本報綜合報導　

人類很早就認識到，群體合作集思廣益，其解決問題的成效大過個體智慧的總和，此即「群體智慧」的概念。但機器人很難捕捉到構成人類群體動態的微妙，以及難以言喻的社交表達方式，而人類則很難信任過度編碼的人工智能（AI）系統。

群體智慧早在古希臘就已獲得公認，當年希臘哲人亞里士多德就指出，眾多平凡人如果齊心合力，所作的集體判斷往往比偉大的個人更為出色。由此可知，多數人參與決策可能會出現較為有利的成果，但要讓一個大團隊齊心協力有共識並不容易。最近AI的進步讓群體智慧的可操作性變得更為可行，從而得以讓人類工作更有效率，更有能力解決緊迫的社會挑戰。

英國國家科技藝術基金會（NESTA）是一個資助和推動改善人類生活創新和研發的公益機構，群體智慧設計中心負責人彼得‧巴克（Peter Baeck）指出，人類工作未來完全依賴相互合作解決問題，其中最明顯的機遇是利用AI，這可幫助人類面對共同挑戰時，可以在紛亂的網絡中建立良好聯繫。

 群體智能概念，源於鳥類、螞蟻、蜜蜂等社會群體行為研究的啟發。圖／123RF

蜂群模式效應

在開發AI幫助人類彙整各自獨特的才智方面，已經有一些前景很看好的案例。例如，舊金山初創公司Unanimous AI建立了一個協助指導團隊決策的線上平台，以一種大家意想不到的方式來建立其人工智慧模式，即模仿蜂群的集體智慧。其首席執行長路易斯‧羅森伯格（Louis Rosenberg）說，在設計這個模式時，從思惟大自然是如何增強物種的群體智慧，以及動物團隊怎樣透過反饋迴路產生即時交互作用。藉此以蜜蜂生態模擬一個系統模式，匯聚成員各自的知識、智慧、洞察力和直覺於一體，形成最佳的智力決策。

該組織建立的蜂群人工智能平台（Swarm AI）運作模式，通常是向群組提出一個問題，並在屏幕的不同角落放置可能的答案。群組用戶需用滑鼠控制一個虛擬磁石，互相爭搶著把一個冰球圖示拖向他們認為正確的答案。

這個系統的演算法則分析每個使用者與冰球的互動方式，例如，其對拖動冰球的信心有多大，或者當位於少數時，其信心動搖的速度有多快，然後利用這些資訊來確定冰球的移動方向。這就形成了每個使用者受到其他人的選擇和信念影響的反饋迴圈，從而使得冰球最終會落腳於這個互動群體智慧的最佳選擇處。

 集體智能模式能幫助人類建立團隊合作精神。圖／123RF

潛在風險危機

然而，人們將自己和智力決策與人工智慧搭配在一起並非沒有風險。卡內基梅隆大學組織行為學權威專家安妮塔‧伍萊（Anita Woolley）表示，影響一個團隊發揮群體智慧的最大因素是成員之間的協調程度。智能工具在這領域可能起了很大的作用，因此，伍萊團隊開發一項AI的合作教練，這個AI教練可以跟蹤團隊成員的工作狀態，然後給予提示，幫助團隊成員同心協力工作。

已經有一些例子說明，以人工智慧來增進人類的群體智慧，究竟是如何應對全球性危機。研究人員已經開始使用AI學習演算法則，將自願症狀調查、醫生報告、實驗室統計資料，以及谷歌搜尋趨勢等結合一體，以大數據預測新冠病毒流行趨勢。

由此可見，給AI提供的資訊愈多，人工智慧和集體智慧之間的協同作用效果也愈好，雖然也可以讓一些非常聰明的人單獨研究問題的不同層面，但是如果人們不協力合作，沒有集思廣益，就很難取得績效上的進展。因此，形成群體智慧的關鍵之處，是要讓AI幫助這些單打獨鬥的工作者實現叢集化，這樣才能解決需要全球集體行動和共同面對的問題。

 機器人目前還很難掌握人類群體的微妙社交表達方式。圖／123RF


強化AI人性元素

群體智能概念源於鳥類、蜜蜂和螞蟻等社會性群體研究的啟發， 從自然界可以發現，社會性動物以統一的動態系統集體工作時， 解決問題和做決策的表現往往超越多數單獨成員。群體智能最早被用在細胞機器人系統的描述，透過簡單互動表現出智能行為。然而，人類可能把個人的思考組合起來，作出統一的決策、預測、評估和判斷的動態系統嗎？據研究顯示，答案是肯定的。

一項被稱為「群體人工智能」（Artificial Swarm Intelligence，簡稱Swarm AI）的技術，它能讓群體組成實時的線上系統，把世界各地的人作為「人類群體」連接起來，它是一個人類實時輸入和眾多AI演算法的結合。Swarm AI 吸引結合人類參與者的知識、智慧、硬件和直覺，並把這些要素組合成一個統一的新智能，產生最優的預測、決策和判斷。

將人類智慧和AI智慧結合在一起，確實有助於賦予人工智能技術更多的人性元素，能更有效地指導其決策。總部位於倫敦的初創企業Factmata建立了一個人工智能審核系統，該公司招募了2000多名專家，專門分析互聯網上的某些特定訊息。然後，他們利用這項分析來訓練一個自然語言處理智能系統，並且用它來自動掃描網頁中有問題的內容。

其首席執行長德茹夫‧古拉特（Dhruv Ghulati）說，一旦有了經過訓練的AI，就可以用於分析互聯網上的數百萬條內容，並且可以放大這些專家對互聯網言論的批判性評估。雖然AI通常是在一次性過程中接受專家標記的數據訓練，但Factmata專員不斷更新訓練數據，以確保AI能夠跟上不斷變化的政治和媒體環境。他們還讓公眾對AI的輸出作出反饋，以確保AI不會脫離現實，也不會存在固有偏見。