群体智能：蜜蜂风格的AI可以帮助改善决策

面对现实吧，我们人类做出了许多不良决定。即使我们深刻意识到自己的决定正在伤害自己（例如破坏我们的环境或传播不平等），我们似乎也无助地纠正了过程。这真是令人讨厌，就像看着一辆汽车前往砖墙，驾驶员似乎不愿或无法转动车轮。

具有讽刺意味的是，作为个人，我们的功能不佳，我们大多数人都根据需要转动轮子来浏览我们的日常生活。但是，当团队参与其中时，许多人立刻抓住了方向盘，我们经常发现自己处于毫无趣味的僵局中，遇到灾难，或者更糟的是，倾斜道路并陷入了沟渠，似乎只是为了掩饰自己。

事实是，当小组（尤其是大型团体）做出影响我们集体未来的决策时，我们经常努力寻找最佳的前进道路。在大多数人类历史上，这并不是这样，因为社会决定是在亲密团体中做出的 – 想想少数部落长老。但是如今，这是一个主要问题，因为我们的未来是大型和复杂的组织的指导，从大型公司到庞大的政府。

群体智能：蜜蜂如何找到新家

事实证明，大自然母亲已经在这一问题上一直在研究这一问题，已有数亿年的历史，这些物种不断发展，这些物种在大型群体中做出有效的决定。从一群鸟类和鱼类的群到蜜蜂群和蚂蚁殖民地，这些群体不会像人类那样做出社会决定 – 通过投票，民意调查或调查 – 当然不会将“意见数据”传递给层次结构少数声称代表该小组的决定者。

那么，大自然是怎么做到的？

答案是通过在实时系统中共同思考，进行有效审议，直到它们融合了优化的解决方案为止。生物学家称这种“群体智能”称为“群体”，使团体能够做出比单个成员独自实现的明显更聪明的决定。他们生活在超过10,000名成员的殖民地中。像我们一样，他们面临着影响社会集体未来的关键决定。例如，当他们超越蜂巢时，他们需要找到一个新家要搬进来。它可能是一个空心的原木，地面上的深腔或屋顶上的爬网空间。

这听起来很简单，但这是一个生命或死亡的决定，将影响他们几代人的生存。为了找到他们能做的最好的房屋，殖民地派出了数百个“侦察蜜蜂”，这些蜜蜂搜索了30平方英里的区域并确定数十个候选地点。那是简单的部分。困难的部分是从他们发现的所有选项中选择最佳解决方案。

事实证明，蜜蜂正在区分房屋猎人。他们需要挑选一个足够大的房屋，足以存储他们所需的冬季蜂蜜，隔热良好以在寒冷的夜晚保持温暖，通风良好，足以在夏天保持凉爽，同时也可以保护雨水，免受雨水的保护，免受掠食者的侵害。 ，靠近淡水。当然，它需要接近良好的花粉来源。

这是一个复杂的多变量问题。为了最大程度地提高生存，小组需要在许多竞争限制中选择最佳选择。值得注意的是，他们做得非常好。生物学家表明，蜜蜂在80％的时间内选择了最佳解决方案。一个试图选择新工厂理想位置的人类企业团队将面临类似复杂的问题，发现很难最佳选择，但简单的蜜蜂实现了这一点。

他们通过形成实时系统来有效地结合了探索可用选项的数百个侦察蜜蜂的各种观点，从而使小组审议会考虑其不同的信念，直到他们汇聚在单一统一的决定为止。

可是等等。蜜蜂如何以不同的信念来表达他们的多样化观点？值得注意的是，他们通过振动自己的身体来做到这一点。生物学家称其为“摇摆舞”，因为它看起来像蜜蜂在跳舞，但实际上，他们正在产生复杂的信号，代表了他们对所考虑的各种家庭遗址的支持。通过将这些信号结合在一起，蜜蜂参与了多个方向的拔河，推动和拉动问题，直到它们融合了可以达成共识的解决方案为止。而且通常是最佳解决方案。

而且与我们的人类不同，蜜蜂不会陷入僵局，也不会解决没人满意的可怜的解决方案。而且他们当然不会分裂并朝着不同的方向走。他们做出最适合整个小组的决定。 “蜂巢思想”一词通常会出现不好的说唱，这意味着无意识的无人机，但这不是事实 – 蜂巢的思想只是大自然结合各种各样的观点的方式，目的是最大程度地提高他们的集体智慧。这不仅是蜜蜂。有成千上万的成员的钓鱼学校通过有效地思考，顺利处理他们每天面临的挑战，从而熟练地在海洋中航行。而且与我们人类不同，他们不会陷入困境，无法同意采取哪种方式。这就引出了一个问题：如果鸟类，蜜蜂和鱼可以通过在实时系统中进行审议，为什么人们不能这样做？

人类如何利用群体智能

这就是我想知道的，所以七年前，我建立了一致的AI，目的是探索这个想法。与大多数旨在用算法替代人的AI研究人员不同，我们的目标是将人们与AI联系起来，使网络人类群体能够形成“人造群体”，以有效地融合优化的决策。它起作用，使各种规模的团队能够做出更准确的决策和预测。

为了使蜂拥而至，我们的第一个挑战是根本 – 人们不能“摇摆舞蹈”。这意味着我们需要一种新的方法来表达自己的意见，使所有成员能够一起推动和解决这个问题，同时调节他们的个人信念水平。我们提出了一种解决方案，使人想起了Ouija董事会的某些人。但是，当然，没有涉及的精神，只有基于群体智能的生物学原理的AI算法。该技术称为人造群体智能，或者我们通常称其为蜂群AI。它使各种规模的小组能够通过互联网连接，并将其作为统一系统进行故意，推动和拉动决策，同时堆积算法监控其行为和反应。这些算法是对人类行为的训练，确定了每个人的信念水平，因此它可以指导群体朝着最能反映其集体情感的解决方案。

下图1显示了审议行为中的“人群”。大小约为100人，所有人共同努力，通过共同移动玻璃冰球来做出决定。您看到的每一个金磁铁都是由使用鼠标或触摸屏的人控制的，每个人都从世界任何地方登录。通过不断移动磁铁，他们正在实时表达自己的情感和信念，产生类似于Waggle Dancing Bees的信号。

图1.对政策问题进行审议的人造群体。

如时间序列（图2）所示，群迅速在溶液上收敛，玻璃冰球在60秒内移动到答案。这是通过人类输入和AI分析的组合发生的：群算法每250毫秒每250毫秒评估每个人的贡献，并随着参与者对群体变化的反应而进行调整。图2. 2.在60秒内，人工群会在60秒内收敛于解决方案上。

尽管该过程对参与者来说看起来很干净，但群算法看到了一个复杂的行为数据云，它用来引导冰球。这将创建一个反馈循环，因为一旦AI将群体引导到特定方向，参与者就会做出反应，从而生成更新的行为数据云，以处理算法进行处理。这是实时重复的，直到收敛于答案，通常在60秒内。

群体AI产生更好的小组决策

最大的问题是，群体AI是否实现了制定更好的小组决策的目标。为了回答这一点，我们与大学研究人员合作，在许多学科上进行严格的研究。在斯坦福大学进行的NSF资助的一项研究中，放射科医生的任务是使用群AI技术进行肺炎诊断。他们的决定是通过传统投票或实时群体分为小组的。当使用群AI技术时，诊断错误降低了30％以上。

在最近与麻省理工学院合作进行的一项研究中，一群金融交易者的任务是预测连续20周的黄金，石油和标准普尔500标准普尔500指数的每周变化。这些小组通过投票或群体做出了这些预测。在使用群体AI技术时，该小组的预测准确性提高了36％。在加利福尼亚州立大学（CAL POLY）进行的研究中，有60个业务团队的任务是按小组投票进行标准化的主观判断测试，作为个人，或蜂拥而至。该研究表明，当团队被认为是群体时，他们大大优于独自工作的人或以多数票工作的团队。

在联合国进行的努力中，群AI技术已被用来预测世界各地的热点地区的饥荒。结果表明，蜂群使共识的建设过程更加有效，从而节省了时间来做出关键决策并帮助利益相关者之间的买入。

在伦敦帝国学院进行的一项NESTA资助的研究中，英国的一群选民被要求将解决方案确定为有争议的英国退欧难题。优先考虑是通过传统的投票或实时蜂拥而至的。结果表明，当通过蜂群产生优先级时，公众比投票所产生的最高优先事项更加有利。

群体AI可以减少政治两极分化

这最后的结果突出了一个重要的事实：民意调查是两极分化的，突出了人群中的差异，同时几乎没有帮助团体找到共同点。实际上，民意调查通常会驱使小组处于极端位置，因此很难做出好的决定。社交媒体已经放大了这个问题，在这种情况下，每次以类似或分享或投票的形式投票会影响下一个投票，从而导致极端立场迅速滚雪球陷入根深蒂固的两极分化。大自然的蜂群方法采用了相反的方法，突出了共同点，并帮助团体找到他们最能同意的解决方案，这些解决方案通常是最聪明的解决方案。我们人类需要做出更好的决定。幸运的是，问题可能只是我们一直使用的方法来利用我们的集体智慧。在大多数人类历史上，群体很小，决策只会产生本地影响。但这近年来发生了巨大变化，因此我们的决策方法也可能需要改变。我相信，群体智能的生物学原理可以将我们指向正确的方向，使我们能够做出大小的小组决策，从而更准确地反映我们的集体见解和愿望。