集合知の種類

集合知（CI）とは、多くの個人の協力、集団的努力、競争から生まれる共有知能またはグループ知能（GI）であり、合意に基づく意思決定に現れる。この用語は、社会生物学、政治学、マスピアレビュー、クラウドソーシングの応用といった文脈で用いられる。合意、社会資本、投票システム、ソーシャルメディア、その他集団活動を定量化する手段といった形式主義が含まれる場合がある。 [1] [2]集合IQは集合知能の尺度であるが、集合知能という用語と互換的に用いられることが多い。集合知は細菌や動物にも見られるが、アルゴリズムによる統治にも見られる。[3]

これは、以下の相乗効果から生まれた特性として理解できます。

  1. データ -情報- 知識
  2. ソフトウェアとハ​​ードウェア
  3. フィードバックから継続的に学び、これらの3つの要素が単独で行動するよりも良い意思決定のためにジャストインタイムの知識を生み出す個人（新しい洞察力と認められた権威を持つ人々）[1] [4]

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創発的な特性として理解することもできる。[5]この集合知の概念は、ノーマン・リー・ジョンソンによって「共生知性」と呼ばれている。[6]この概念は、社会学、ビジネス、コンピュータサイエンス、マスコミュニケーションの分野で用いられており、SFにも登場する。ピエール・レヴィは集合知を次のように定義している。「それは普遍的に分散した知性の一形態であり、常に強化され、リアルタイムで調整され、結果としてスキルが効果的に動員される。この定義に、私は次の不可欠な特徴を付け加えたい。集合知の基礎と目標は、フェティッシュ化された、あるいは比喩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。」[7]研究者のピエール・レヴィとデリック・デ・ケルクホーヴによると、集合知とは、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で、社会的知識の集合的なプールを強化する能力を指す。[8] [9] より広範な定義は、ジェフ・マルガンが2006年以降の一連の講演や報告書[10]、そして著書『ビッグ・マインド』[11]において示した。この定義では、人間と機械の知能を含むあらゆる思考システムを、機能的要素（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分析するための枠組みが提案されている。その目的は、都市、企業、NGO、議会などの集合知能を診断し、改善する方法を提供することであった。

集合知は、知識と権力の個人から集合体への移行に大きく貢献する。 1998年のエリック・S・レイモンドと2005年のJC・ハーツによると、[12] [13] オープンソースの知性は、最終的には企業内で開発されたプロプライエタリソフトウェアによって生成された知識よりも優れた成果を生み出すだろう。[14]メディア理論家のヘンリー・ジェンキンスは、集合知を「メディアパワーの代替源」であり、コンバージェンス文化に関連していると考えている。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ことを学んでいる方法に注目している。ヘンリー・ジェンキンスは、集合知を手段とする学習に敵対的なまま、「自律的な問題解決者と自己完結的な学習者」を促進する学校を批判している。[15]ピエール・レヴィとヘンリー・ジェンキンスはどちらも、集合知は知識に基づく文化と結びつき、集合的なアイデアの共有によって維持されるため、民主化にとって重要であり、したがって多様な社会への理解を深めることに貢献するという主張を支持している。[16] [17]

一般的な個人の知能に対するg因子（g）と同様に、集団知能に対する新たな科学的理解は、集団が幅広いタスクを遂行する能力を示す一般的な集団知能因子c因子を抽出することを目指している。 [18]定義、操作化、統計手法はgから派生する。gはIQの概念と密接に関連しているのと同様に、[ 19 ] [ 20]集団知能のこの測定値は、スコア自体が指数ではないにもかかわらず、集団の知能指数（集団IQ）として解釈することができる。cの原因と予測妥当性についても調査されている。

よく引用される情報源

集合知の考え方に影響を与えた作家としては、フランシス・ゴルトン、ヴァネヴァー・ブッシュ、テッド・ネルソン、ダグラス・ホフスタッター(1979 年)、ピーター・ラッセル (1983 年)、トム・アトリー (1993年)、ピエール・レヴィ(1994 年)、ハワード・ブルーム(1995 年)、フランシス・ヘイリゲン(1995 年)、ダグラス・エンゲルバート、ルイス・ローゼンバーグ、クリフ・ジョスリン、ロン・デンボ、ゴットフリート・マイヤー＝クレス (2003 年)、ジェフ・マルガンなどがいます。

ウィキメディアを例に

プロジェクトとしてのウィキメディアは、編集レベルに至るまで合意形成方式を採用し、権威への服従を最小限に抑えて、すべての利害関係者や関係者に相談するプロセスを採用しており、CI 適用の成功例として頻繁に引用されています。

歴史

HGウェルズ『ワールド・ブレイン』（1936–1938）

この概念（実際にはそう呼ばれているわけではないが）は、1785年にコンドルセ侯爵によって提唱された「陪審定理」によって生まれた。これは、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、そうでない可能性よりも高い場合、グループ内で最高票が正しい決定である確率は、グループのメンバー数が増えるにつれて高くなるというものである。[21]多くの理論家は、アリストテレスが『政治学』の中で述べた「多くの人が貢献する宴は、一人の財布から提供される晩餐よりも良い」という言葉を、同じ数の人が異なる料理をテーブルに持ち込むのと同じように、討論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が生まれるという意味に解釈している。[22] [23]しかし、最近の研究では[24]、これはおそらくアリストテレスが意図したものではなく、チームインテリジェンスに関する現在の知見に基づいた現代的な解釈であると示唆されている。[25]

この概念の前身は、1910年に昆虫学者ウィリアム・モートン・ホイーラーが行った観察に見られる。彼は、一見独立しているように見える個体が、単一の生物と区別がつかなくなるほど密接に協力することができるという。[26]ホイーラーは、この協力のプロセスを、彼が超生物と呼んだ単一の獣の細胞のように行動するアリの中に見出した。

1912年、エミール・デュルケームは社会を人間の論理的思考の唯一の源泉と位置づけました。彼は『宗教生活の原初形態』の中で、社会は時空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ました。[27]その他の先行概念としては、ウラジーミル・ヴェルナツキーとピエール・テイヤール・ド・シャルダンによる「ノウアスフィア」の概念、そしてHG・ウェルズの「世界脳」の概念が挙げられます。[28]ピーター・ラッセル、エリザベト・サトゥリス、そしてバーバラ・マルクス・ハバード（「意識的進化」という用語の創始者）[29]は、ノウアスフィア（超越的で急速に進化する集合知、地球の情報皮質）というビジョンに触発されています。この概念は、近年、哲学者ピエール・レヴィによって検証されています。 1962年の研究報告書で、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付け、積極的に「人間の知性を拡張する」ことがグループによる問題解決において乗数効果をもたらすと予測しました。「この拡張モードで3人が協力して作業すると、複雑な問題を解決するのに、拡張された1人が単独で作業するよりも3倍以上の効果があるように思われる」と述べています。[30] 1994年、彼は集合知の尺度として「集合IQ」という用語を造り出し、ビジネスと社会における集合IQを大幅に向上させる機会に注目を集めました。[31]

集合知の概念は、しばしば認識論的民主主義と呼ばれる現代の民主主義理論の枠組みも形成しています。認識論的民主主義理論は、熟考や知識の集約を通じて真実を追跡する大衆の能力を指し、集合知を統合し適用するメカニズムに依存しています。[32]

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、[33]システム全体の目標を達成するために利己的な適応エージェントの「集団」をどのように設計するかというより広範な考察へと成熟しました。[34] [35]これは「報酬形成」に関する単一エージェントの研究と関連しており、 [36]ゲーム理論と工学コミュニティの多くの研究者によって推進されてきました。[37]

寸法

複雑適応システムモデル

ハワード・ブルームは、クォークのレベルから細菌、植物、動物、そして人間社会のレベルに至るまで、集団行動、すなわち集団行動について論じてきました。彼は、地球上の生物のほとんどを彼が「学習機械」と呼ぶものの構成要素へと変えた生物学的適応を強調しています。1986年、ブルームはアポトーシス、並列分散処理、集団選択、そして超個体の概念を組み合わせ、集団知能の仕組みに関する理論を構築しました。[38]その後、彼は、競合する細菌コロニーと人間社会の集団知能が、ジョン・ホランドが先駆者となった概念である、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」によって説明できることを示しました。[39]

ブルームは、集合知の進化を10億年前の細菌の祖先まで遡り、生命の誕生以来、多種多様な種が共存する知性がどのように機能してきたかを実証した。[39] アリの社会は、人間を除く他のどの動物よりも、技術的に優れた知性を示し、例えば「搾乳」用のアブラムシなどの家畜の飼育に協力する。 [39]ハキリバチは菌類の世話をし、菌類の餌となる葉を運ぶ。[39]

デイヴィッド・スクルビナ[40]は、「集団意識」という概念はプラトンの汎心論（心あるいは意識は遍在し、あらゆる物質に存在するという考え方）に由来すると述べている。彼は、トーマス・ホッブスが『リヴァイアサン』で述べた「集団意識」の概念と、フェヒナーによる人類の集合意識に関する議論を発展させている。彼は、「集合意識」の最も著名な提唱者としてデュルケーム[41]、そして集団意識の哲学的含意を発展させた思想家としてテイヤール・ド・シャルダン[42]を挙げている。

トム・アトリーは主に人間に焦点を当て、ハワード・ブルームが「集団IQ」と呼ぶものを向上させる研究に取り組んでいる。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、集団が一つのプロセスにおいて協力し、同時に知的パフォーマンスを向上させる」ために促進できると考えている。ジョージ・ポーは、集団知能現象を「差別化と統合、競争と協働といったイノベーションのメカニズムを通じて、人間社会がより高次の複雑性と調和へと進化する能力」と定義した。[43]アトリーとポーは、「集団知能には、単一の注意焦点と、適切な行動の閾値を提供する指標の基準を達成することも含まれる」と述べている。[44]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。[44]

集団知能という用語は、集合知能という用語と互換的に用いられることがある。アニタ・ウーリーは、集団知能と集団創造性の尺度として集団知能を提示している。[18]集団知能の尺度は、主にグループの構成と相互作用といった、グループの広範な特徴を網羅するという考え方である。[45]グループにおける集団知能レベルの向上につながる構成上の特徴には、グループ内の女性の数の増加やグループの多様性の向上といった基準が含まれる。[45]

アトリーとポーは、集団知能の分野は、主に人間の営みとして捉えるべきであり、その中では、考え方、共有への意欲、そして公共の利益のための分散知能の価値に対するオープンな姿勢が最も重要であると示唆しているが、グループ理論と人工知能も貢献できる可能性がある。[44]集団知能を尊重する個人は、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優れていることを認識している。[46]集団知能を最大化するには、組織が「黄金の提案」、つまりメンバーからの潜在的に有用なあらゆるインプットを受け入れ、発展させる能力にかかっている。[47]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十分に実行に移さなかったりすることで、集団知能を阻害することが多い。[44]

ロバート・デイヴィッド・スティール・ビバスは著書『インテリジェンスの新たな技術』の中で、国民全員が合法かつ倫理的な情報源のみに頼り、公務員や企業経営者の誠実さを保つための「公共情報」を創造できる「情報機関のミニットマン」であると描写し、（以前はスパイや秘密主義を懸念していた）「国家情報」の概念を覆した。[48]

スティグマージック・コラボレーション：大衆コラボレーションの理論的枠組み

ドン・タプスコットとアンソニー・D・ウィリアムズによると、集合知とは大規模な協働である。この概念が実現するためには、4つの原則が存在する必要がある。[49]

  • オープン性 – アイデアや知的財産の共有：これらのリソースは競合他社に対して優位性をもたらしますが、他の人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で、より多くの利益が得られます。[49]
  • ピアリング – Linuxプログラムの「オープン化」に見られるような水平的な組織構造。ユーザーは、他者に公開することを条件に、自由にプログラムを変更・開発できる。ピアリングが成功するのは、自己組織化を促進するためである。自己組織化とは 、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。[49]
  • 共有– 企業は、潜在的かつ重要な特許権など、他の権利についてはある程度のコントロールを維持しながら、一部のアイデアを共有し始めています。すべての知的財産権を制限すると機会が閉ざされますが、一部の知的財産権を共有することで市場が拡大し、製品のリリースが迅速化されます。[49]
  • グローバルな活動 – 通信技術の進歩により、低い間接費でグローバル企業が台頭しています。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を持たず、新たな市場、アイデア、そして技術にアクセスすることができます。[49]

集合知性要因c

2010年に行われたWoolleyらによる2つのオリジナル研究における最初の要因の説明分散のパーセンテージを示すスクリープロット[18]

集合知に関する新たな科学的理解では、集合知とは、広範囲のタスクを遂行する集団の一般的な能力と定義される。[18]定義、操作化および統計的手法は、一般的な個人知能の心理測定学的アプローチに類似している。ここでは、特定の認知タスクにおける個人のパフォーマンスは、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。[50] gが認知タスクにおける個人間のパフォーマンスの違いを示すのに役立つのと同じように、集合知能の研究では、タスク遂行におけるグループ間の違いを示す、グループの並行知能因子「c因子」[18]（「集合知能因子」（CI）[51]とも呼ばれる）を見つけることを目指している。集合知能スコアは、この同じグループが将来他の同様のタスクでどのようにパフォーマンスを発揮するかを予測するために使用される。しかし、ここでのタスクとは、小集団で行われる精神的または知的なタスクを指す[18]が、その概念は、家族から企業、さらには都市全体にまで及ぶ他のパフォーマンスやあらゆる集団や群衆にも転用できることが期待されている。[52]個人のg因子スコアは、フルスケールIQスコアと高い相関関係にあり、フルスケール IQ スコアはgの良い推定値とみなされているため[19] [20] 、この集合知能の測定値は、スコア自体が指数ではないにもかかわらず、個人の知能指数 (IQ) と並行する集団の知能指標または指数 (集団 IQ) として見ることもできる。

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同様のタスクのパフォーマンスと比較可能であると仮定した場合、異なるタスク間の正の相関を要約した変数です。[53]したがって、 cはグループ間の変動の原因であり、特定の関連集団内の他のグループと比較したc因子に関するグループの立場としてのみ考えることができます。 [20] [54]この概念は、グループの知能を説明するための他の相関構造を含む競合する仮説とは対照的です。[18]たとえば、個人の性格研究で見られるように、いくつかの同等に重要だが独立した要因からの構成などです。[55]

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要因を探求することも目的としています。[56]例えば、MIT集合知センターは、集合知ゲノム[56]の検出を発表し、「群衆の知性を活用するために組み合わせたり再結合したりできる組織構成要素、つまり遺伝子の分類」を開発することを主要目標の一つとしています。[56]

原因

個人の知能は遺伝的および環境的影響を受けることが示されている。[57] [58]同様に、集団知能研究では、 c が個々のグループメンバーの知能と中程度の相関関係にあることを前提に、特定のグループが他のグループよりも優れた知能を発揮する理由を探ることを目的としています。 [18] Woolley らの結果によると、チームの結束力もモチベーションや満足度もcとは相関していません。しかし、彼らは、発言回数の分散、グループメンバーの平均社会的感受性、女性の割合という3つの要因が重要な相関関係にあることがわかったと主張しています。3つすべてがcに対して同様の予測力を持っていましたが、社会的感受性のみが統計的に有意でした (b=0.33、P=0.05)。[18]

発言回数は、「少数の人間が会話を支配しているグループは、会話のターンテイキングがより均等に分配されているグループよりも、集団としての知能が低い」ことを示しています。[51]したがって、複数のチームメンバーに発言の機会を与えることで、グループの知能は向上しました。[18]

グループメンバーの社会的感受性は、目で心を読むテスト[59]（RME）で測定され、cと.26の相関が見られました。[18]このテストでは、参加者は写真に示された他の人の目に表れた考えや感情を察知するように求められ、多肢選択方式で評価されます。 このテストは、人の心の理論（ToM）を測定することを目的としています。これは「メンタライジング」[60] [61] [62] [63]または「マインドリーディング」[64]とも呼ばれ、信念、欲求、意図などの精神状態を他の人に帰属させる能力、および他の人が自分とは異なる信念、欲求、意図、または視点を持っていることをどの程度理解しているかを指します。[59] RMEは、十分な再テスト信頼性[65]を示し、常に対照群と機能的自閉症またはアスペルガー症候群の個人を区別する、成人向けのToMテストです。[59]これは成人の心の理論（ToM）を評価する最も広く受け入れられ、十分に検証されたテストの一つです。[66]心の理論は、感情知能というより広い概念の中のスキルと能力の関連サブセットとみなすことができます。[51] [67]

cの予測因子としての女性の割合は、主に社会的感受性によって媒介されていました（ソベルz = 1.93、P = 0.03）[18]。これは、社会的感受性テストで女性のスコアが高いことを示した以前の研究と一致しています。[59]統計的に言えば、媒介は従属変数と独立変数の関係の根底にあるメカニズムを明らかにしますが、[68]ウォーリーはハーバード・ビジネス・レビューのインタビューで、これらの調査結果は女性のグループが男性のグループよりも賢いことを示していると同意しました。[52]しかし、彼女はこれを相対化し、実際に重要なのはグループのメンバーの高い社会的感受性であると述べています。[52]

集合知能因子cは、ボトムアッププロセスとトップダウンプロセスの両方から生じる創発的な特性であると理論化されている。[45]ここで、ボトムアッププロセスは、集団メンバーの集合的な特性を網羅する。トップダウンプロセスは、集団の協力や調整の方法に影響を与える集団構造や規範を網羅する。[45]

プロセス

集合知能因子cの予測因子。Woolley、Aggarwal、Malone [45] (2015)による提案

トップダウンのプロセス

トップダウンのプロセスは、構造、プロセス、規範といった集団の相互作用をカバーします。[45]このようなトップダウンのプロセスの例としては、会話のターンテイキングが挙げられます。[18]さらに、研究によると、集合的に知的なグループは、より一般的に、より平等にコミュニケーションをとることが示唆されています。これは参加にも当てはまり、対面でコミュニケーションをとる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。[51] [69]

ボトムアッププロセス

ボトムアップのプロセスにはグループの構成[45]、つまりチームレベルに集約されたグループメンバーの特性が含まれます。[45]このようなボトムアップのプロセスの例としては、グループメンバーの平均的な社会的感受性や平均および最大の知能スコアなどがあります。[18]さらに、集合知は思考スタイルや視点を含むグループの認知的多様性[70]と関連していることがわかっています。 [71]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くなります。その結果、メンバー同士があまりにも似ているグループは、うまく機能するために必要な視点やスキルの多様性が不足します。一方、メンバー同士があまりにも異なるグループは、効果的なコミュニケーションと調整が困難になるようです。[70]

シリアルプロセスとパラレルプロセス

人類史の大部分において、集合知は小さな部族集団に限定されており、そこではメンバー間のリアルタイムの並行的なインタラクションを通じて意見が集約されていました。[72]現代では、マスコミュニケーション、マスメディア、そしてネットワーク技術によって、大陸やタイムゾーンをまたいで分散した大規模な集団に集合知が浸透しました。この規模の変化に対応するため、大規模集団における集合知は、アップ投票、いいね、評価を時間の経過とともに集約するといった、逐次化された投票プロセスによって支配されてきました。現代のシステムは大規模な集団から恩恵を受けていますが、逐次化されたプロセスは、集団の集合的なアウトプットを歪める大きなノイズをもたらすことが分かっています。逐次化された集合知に関する重要な研究の一つでは、逐次化された投票システムへの最初の投票が最終結果を34%歪める可能性があることが明らかになりました。[73]

大規模グループ間で入力が逐次集約される問題に対処するため、近年の集合知の進歩は、逐次的な投票、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た。 [74] [75]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、創発的な集合知として予測を行うことを可能にする。[76] [77]注目を集めた例として、CBSインタラクティブによるケンタッキーダービーの予想を競う人間の群れチャレンジがある。群れは最初の4頭の馬を順番に正しく予測し、542対1のオッズを覆して、20ドルの賭け金を10,800ドルに変えた。[78]

並列集合知能の価値は、スタンフォード大学医学部とUnanimous AIの研究者によって、医療分野における一連の研究で実証されました。この研究では、人間の医師グループがリアルタイムの群集アルゴリズムによって接続され、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。[79] [80]経験豊富な放射線科医グループは、「人間の群」として協力して作業することで、従来の方法と比較して診断ミスが33%減少しました。[81] [82]

証拠

集合知能因子 c とグループメンバーの知能の標準化回帰係数は、Woolley ら (2010) の 2 つのオリジナル研究で見つかった 2 つの基準タスクで回帰しました。
Woolleyら[18]（2010）の2つのオリジナル研究で見つかった集合知能因子cの標準化回帰係数。cと平均（最大）メンバー知能スコアは基準タスクに回帰されます。

集合知の科学的理解の創始者であるWoolley、Chabris、Pentland、Hashmi、およびMalone（2010）[18]は、一般から無作為に選ばれた192のグループを対象とした調査で、集合知の単一の統計的因子を発見した。Woolleyらによる最初の2つの研究では、グループはMcGrath Task Circumplex [ 83]（確立されたグループタスクの分類法）のさまざまなタスクに協力した。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、集合的な道徳的判断、限られたリソースでの交渉が含まれていた。これらのタスクの結果を使用して因子分析が行われた。両方の研究は、グループのパフォーマンスの差の根底にある一般的な集合知因子cを支持しており、最初の固有値は分散の43％（研究2では44％）を占めたのに対し、次の因子はわずか18％（20％）を占めた。これは、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と一致しており、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％を占めるのが一般的です。[53]

その後、各グループはより複雑な課題を解き、c因子スコアが元のテストを超える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を相手にチェッカー（ドラフト）を行うこと、そして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人知能と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、平均および最大個人知能は影響を与えなかった。個々のグループメンバーの平均知能（r=0.15、P=0.04）および最大知能（r=0.19、P=0.008）はcと中程度の相関を示したが、cは依然として基準課題のはるかに優れた予測因子であった。Woolleyらによると、これは集合知能因子cの存在を支持するものである。なぜなら、cはグループメンバーの個人知能を超えた効果を示しており、したがってcは単なる個々のIQの総和や、最も高いIQを持つグループメンバーの影響以上のものであるからである。[18]

エンゲルら[51] (2014)は、加速バッテリーを用いた一連の課題を用いてウーリーらの研究結果を再現した。因子分析における最初の因子はグループ間のパフォーマンスの分散の49%を説明し、それに続く因子はその半分以下しか説明しなかった。さらに、彼らはテキストのみでオンラインで共同作業を行うグループでも同様の結果を得ており、女性の割合と社会的感受性が両方のケースで集合知の発達に役割を果たしていることを確認した。ウーリーら[18]と同様に、彼らも社会的感受性をRMEを用いて測定した。RMEは、実際には他者の目から精神状態を読み取る能力を測定することを意図している。しかし、オンラインで共同作業を行う参加者は、互いを全く知らず、また全く会っていなかった。著者らは、RMEのスコアは、他者の目の表情から推論を導き出すだけでなく、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る。[84]

ウーリーら[18]の意味での集合知能因子cは、学期を通して一緒に働くMBA学生のグループ[85] 、オンラインゲームグループ[69]、異なる文化のグループ[86]、短期グループと長期グループの観点から異なる文脈のグループ[ 86]でも発見されました。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ませんでした。[69] [85] [86]

集合知研究の分野はまだ非常に新しく、実証的な証拠が発表されているものはまだ比較的少ないことにも留意すべきである。しかしながら、様々な提案やワーキングペーパーが進行中、あるいは既に完成しているものの（おそらく）学術的な査読を経て出版プロセスに入っている。[87] [88] [89] [90]

予測妥当性

元の実験[18]で示されたように、より複雑な基準課題におけるグループのパフォーマンスを予測することに加えて、集合知能因子cは、数ヶ月にわたるMBAクラスにおける多様な課題におけるグループのパフォーマンスも予測することがわかった。[85]その結果、集合知能の高いグループは、グループ課題で有意に高いスコアを獲得したが、メンバーは他の個別に実行した課題ではそれほど良い成績を収めなかった。さらに、集合知能の高いチームは時間の経過とともにパフォーマンスが向上し、集合知能の高いチームほど学習効率が高いことを示唆している。[85]これは、より知能の高い人々が新しい教材をより早く習得するという、個人の知能と類似する可能性がある。[20] [91]

個人の知能は、学校の成績[92]やキャリアの成功[93]から健康状態[94]、さらには死亡率[ 94 ]まで、人生のさまざまな結果を予測するために使用できます。集団知能が精神的な課題におけるグループのパフォーマンス以外の結果を予測できるかどうかはまだ調査されていません。

個人の知能との潜在的なつながり

グラッドウェル[95] (2008) は、個人のIQと成功の関係はある程度までしか機能せず、IQ推定値120を超えるIQポイントの増加は実生活での優位性にはつながらないことを示した。集団IQにも同様の境界が存在するのか、あるいは優位性が直線的で無限大なのかは、まだ解明されていない。同様に、個人の知能と集団知能の関連性に関する更なる研究の必要性は、例えば、時間の経過による発達[96]や知能の向上[97]といった、個人の知能に関する潜在的に転用可能な多くの論理の中に存在する。 [98]人間の知能が訓練によって向上できるかどうかは議論の余地があるが[97] [98]、集団の集団知能は、チームメンバーの交換や組織や技術の導入によって、より容易に向上できる可能性を秘めている。[52]さらに、社会的な感受性は、少なくとも一時的には、文学小説を読むこと[99]やドラマ映画を見ることによって向上できることがわかった[100] 。このような訓練が社会的な感受性を通して最終的に集団知能をどの程度向上させるかは、依然として未解決の問題である。[101]

個人の認知能力を説明しようと試みる、より高度な概念や因子モデルも存在します。その中には、流動性知能と結晶性知能への知能の分類[102] [103]や、知能の違いの階層モデル[104] [105]などがあります。しかし、集合知能のゲノムの因子構造については、一般的な「c因子」以外に、さらなる補足説明や概念化はまだありません。[106]

集合知に関する論争と反証

他の研究者たちは、チームのパフォーマンスを、チームメンバーの一般的な知能をチームレベルに集約することで説明しており、独自の総合的集合知能尺度を構築する必要はないとしている [ 107 ] [108] 。DevineとPhilips [109] (2001)はメタ分析で、平均認知能力が実験室環境（0.37）と現場環境（0.14）の両方でチームパフォーマンスを予測することを示した。ただし、これは小さな影響に過ぎないことに注意してほしい。関連タスクへの強い依存性を示唆する他の研究者たちは、高度なコミュニケーションと協力を必要とするタスクは、認知能力が最も低いチームメンバーの影響を最も強く受けると示している[110] 。最適なチームメンバーを選ぶことが最も成功する戦略となるタスクは、認知能力が最も高いメンバーの影響を最も強く受けると示されている[67] 。

Woolleyら[18]の結果は、集団満足度、集団凝集性、または動機づけの影響を示していないため、少なくとも暗黙のうちに、集団パフォーマンス全般におけるこれらの重要性に関する概念に異議を唱えており、集団凝集性[111]、[112] [113] 、動機づけ[114] [115]、満足度[116]が集団パフォーマンスに及ぼすプラスの効果に関するメタ分析で証明された証拠と対比させている。

学者の中には、Wolleyら[18]の研究本体における集合知の証拠は弱く、データに関する誤りや誤解が含まれている可能性があると指摘している者もいる。[117]例えば、Woolleyら[18]は、彼らの研究結果の中で、Wonderlic Personnel Test (WPT; [118]彼らの研究で使用された個人の知能テスト)における個人の最高得点は39だったが、同じテストにおけるチームの最高平均得点も39だったと述べている。これは、彼らのサンプルが、個々にWPTで全く同じ得点を取った人々だけで構成されたチームであったようで、また全員が偶然にもWoolleyら[18]で発見されたWPTで最高得点を達成した人々であったことを示している。これは学者によって特に起こりそうにないと指摘された。[117]データで発見されたその他の異常は、結果が低努力の回答によって部分的に引き起こされている可能性があることを示している。[18] [117]例えば、Woolleyら[18]のデータでは、10分でレンガの使い道をできるだけ多く考えさせる課題で、少なくとも1つのチームが0点を取ったことが示されている。同様に、Woolleyら[18]のデータでは、少なくとも1つのチームがWPTで50点満点中8点の平均点を取ったことが示されている。研究者たちは、努力している研究参加者でこのようなことが起こる可能性はほぼゼロだと指摘している。[117 ]これは、Woolleyら[18]がグループの個々の知能スコアがパフォーマンスの予測因子ではないことを発見した理由を説明している可能性がある。さらに、ヒトを対象とする研究において、タスクに対する努力の低さは、タスク間のパフォーマンスの類似性に基づく集合知能要因と思われるものの証拠を誇張する可能性がある。なぜなら、1つの研究タスクに対するチームの努力の低さは、多くのタスクにわたる努力の低さへと一般化される可能性があるからである。[117] [119] [120]このような現象は、研究参加者にとって実験室での研究がリスクの低い環境であるという理由だけで発生しており、組織内でのチーム運営を反映しているわけではないことは注目に値する。[117]

注目すべきは、確認された研究結果に関わった研究者が、アニタ・ウーリーをめぐる最初の研究に参加した著者らと広範囲に重複していることである。[18] [45] [51] [70] [84]

2022年5月3日、「人間集団における集合知の定量化」 [121]の著者ら（2010年の集合知に関する原論文[18]のリードルとウーリーを含む）は、論文で報告された数学的に不可能な結果が研究者マーカス・クレデによって公表されたことを受けて、論文の訂正を発表しました。訂正の中には、確認因子分析から抽出された平均分散（AVE）、すなわち集合知の証拠がわずか19.6%であったことを認める内容が含まれています。注目すべきは、単一​​因子の収束妥当性の証拠を示すには、一般的にAVEが50%以上である必要があり、70%を超える場合は通常、その因子の良好な証拠を示すということです。[122]したがって、リードルら[121]が「堅牢」と称する集合知の証拠は、実際には非常に弱いか、あるいは存在しないものです。なぜなら、彼らの主要な証拠は、潜在因子の許容可能な証拠の最低基準さえ満たしていないか、それに近づいていないからです。[122]不思議なことに、この事実や論文全体に見られる他のいくつかの事実上の不正確さにもかかわらず、論文は撤回されておらず、これらの不正確さは当初、著者チーム、査読者、またはジャーナルの編集者によって発見されなかったようです。[121]

代替数学的手法

計算集合知能

計算集合知能、タデウシュ・シュバ著

2001年、ポーランドのAGH大学のタデウシュ（タッド）・シュバは、集合知という現象の形式モデルを提唱した。これは、社会構造によって数学的論理に基づいて実行される、無意識的、ランダム、並列的、分散的な計算プロセスであると仮定されている。[123]

このモデルでは、存在と情報は、数学的論理の表現を担う抽象的な情報分子としてモデル化されます。[123]これらは、環境との相互作用により、意図された変位によって準ランダムに変位します。[123]抽象的な計算空間におけるこれらの相互作用は、私たちが集合知として認識するマルチスレッド推論プロセスを生み出します。[123]このように、非チューリング計算モデルが用いられます。この理論は、集合知を社会構造の特性として簡潔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に至るまで、幅広い存在にうまく適用できるようです。集合知を特定の計算プロセスと捉えることで、いくつかの社会現象を分かりやすく説明することができます。この集合知モデルにおいて、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要素推論の時間領域にわたる確率関数」と定義されました。[123] IQSは計算的に困難であるように思われるが、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値を求めることができる。[123]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解析などが挙げられる。[123]

集合知能指数

特に人工知能に重点を置く理論家によって時々用いられる指標の一つに「集団知能指数」[124]（または「協力指数」）がある。これは「個人」知能指数（IQ）[124]から正規化することができ、集団行動に参加する各新しい個人によって追加される限界知能を決定することを可能にし、集団思考や愚かさの危険を回避するための指標として用いられる。[125]

アプリケーション

近年、集合知はクラウドソーシング、市民科学、予測市場といった分野において多くの応用例が見られています。2018年には、ネスタ集合知デザインセンター[126]が設立され、多くの応用調査を実施し、実験への資金提供も行っています。2020年には、国連開発計画（UNDP）アクセラレーターラボ[127]が、持続可能な開発目標（SDGs）達成に向けたイノベーションを加速させる活動において、集合知の手法を活用し始めました。

点推定値の導出

ここでの目標は、何かの推定値（単一の値）を取得することです。例えば、物体の重量、製品の発売日、プロジェクトの成功確率などを推定することが挙げられます。これは、Intrade、HSX、InklingMarketsなどの予測市場や、デルファイ法などのクラウドソーシングによる数値結果推定の実装で見られる手法です。基本的には、クラウド内のメンバーが提供する推定値の平均値を取得しようとします。

意見集約

この状況では、アイデア、問題、または製品に関する意見を群衆から集めます。例えば、オンラインで販売されている製品（Amazonの星評価システムなど）について、（ある程度の尺度で）評価を得ようとする場合などです。ここでは、顧客/ユーザーから提供された評価を収集し、単純に集約することに重点が置かれます。

アイデアコレクション

これらの問題では、誰かがプロジェクト、デザイン、またはソリューションのアイデアを群衆から募集します。例えば、データサイエンスの問題を解決するアイデア（ Kaggleなど）、Tシャツの優れたデザインのアイデア（Threadlessなど）、人間だけが得意とする単純な問題の答えを得るアイデア（AmazonのMechanical Turkなど）などです。目的は、アイデアを集め、最適なアイデアを選ぶための選択基準を策定することです。

ジェームズ・スロウィッキは、無秩序な意思決定の利点を、認知、協力、調整という3つの主要なカテゴリーに分類しています。[128]

認知

市場判断

インターネットは大量の情報を世界中に迅速に伝達できるため、株価や株価の方向性を予測するために集合知を活用することがますます現実的になってきています。[129]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、プロやアマチュアの株式アナリストがそれぞれの見解を発表できるようにしています。また、アマチュア投資家が金融に関する意見を提出し、集合的な意見を作成できるようにしています。[129]すべての投資家の意見を平等に評価できるため、集合知を効果的に活用するための重要な前提、すなわち、幅広い株式市場の専門知識を持つ大衆を活用して、金融市場の動向をより正確に予測することができます。[130] [131]

集合知はユージン・ファーマの効率的市場仮説[132]の根底にある 。ただし、ファーマの論文では「集合知」という言葉は明示的に用いられていない。ファーマはマイケル・ジェンセン[133]による研究を引用し、1955年から1964年にかけて、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を下げたと報告している。しかし、ローディングチャージ（初期手数料）を除いた後では、パフォーマンスを下げたのはわずか72ファンド、仲介手数料を除いた後ではわずか58ファンドであった。こうした証拠に基づき、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用いる人気の高い投資商品となった。[133]

政治とテクノロジーの予測

2016年のアメリカ合衆国で使用された投票方法

政党は、政策立案、候補者選定、選挙資金の調達、選挙運動の実施のために、多数の人々を動員する。[134]様々な投票方法を通して知識を集中させることで、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除去して情報に基づく合意の残滓だけを残すことができるという仮定を通して、視点を収束させることができる。[134]批評家は、しばしば誤った考え、誤解、誤った概念が広く信じられており、意思決定プロセスの構築は、特定の状況においてランダム投票や誤った情報に基づく投票をする可能性が低いと考えられる専門家に有利に行われなければならないと指摘する。[135]

アフィノバ（ニールセンが買収）、グーグル、イノセンティブ、マーケットクラシー、スレッドレスなどの企業[136]は、研究開発（R&D）、顧客サービス、知識管理を通じて、集合知の概念を次世代の技術変化をもたらすことに成功している。[136] [137]こうした応用例としては、2012年にグーグルが実施したプロジェクト・アリストテレスが挙げられる。このプロジェクトでは、同社の数百のR&Dチームを対象に、集合知がチーム構成に与える影響が調査された。[138]

協力

信頼のネットワーク

ミレニアムプロジェクトにおける集合知の応用

2012年に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集合知システム（GFIS）が開発されました。[139]これは集合知を、データ/情報/知識、ソフトウェア/ハードウェア、専門知識/洞察力の相乗的な交差点として体現し、再帰学習プロセスによって個々のプレーヤーよりも優れた意思決定を可能にするものです。[139]

新しいメディアは、集合知の促進と強化にしばしば関連付けられます。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・検索できるため、情報を容易に共有できます。したがって、新しいメディアを介したインタラクションを通じて、知識は情報源間で容易に伝達され[14]、集合知の一形態が生み出されます。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利用は、オンラインインタラクションとユーザー間の知識の分配を促進します。

フランシス・ヘイリゲン、ヴァレンティン・ターチン、ゴットフリート・マイヤー＝クレスらは、集合知をコンピュータサイエンスとサイバネティクスの観点から考察する研究者の一人です。彼らの見解では、インターネットは最も広範かつ地球規模の集合知を可能にし、ひいてはグローバル・ブレイン（地球規模の脳）の出現を促進すると考えられています。

ワールド・ワイド・ウェブの開発者、ティム・バーナーズ＝リーは、情報の共有と公開を世界規模で促進することを目指しました。後に彼の雇用主は、この技術を無償で利用できるようにしました。1990年代初頭、インターネットの潜在能力はまだ未開拓でしたが、1990年代半ば、高等研究計画局（ARPA）の長官JCRリックライダー博士が「臨界質量」と表現したように、より高いアクセシビリティと実用性を求めるようになりました。[140]このインターネットを基盤とした集合知の原動力は、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を展開しています。[14]彼は、現代の教育がオンラインでの集団的問題解決の潮流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促進するのに対し、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構築し、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。[141]集合知とは、あらゆる文化からの情報の量的な貢献だけでなく、質的なものでもある。[141]

レヴィとデ・ケルクホーヴは、CI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、人々は容易かつ迅速に交流し、共有し、協力することができると述べています。[14]インターネットの発展とその普及により、Wikipediaのような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検索する機会を提供し、「ハイブ（集団）を制御」することを可能にします。[14] MIT集合知センターの研究者たちは、人々とコンピュータの集団の集合知を研究・探究しています。[142]

この文脈において、集合知はしばしば共有知識と混同されます。前者はコミュニティのメンバーが個別に保有する情報の総和であり、後者はコミュニティのメンバー全員が真実であると信じ、知っている情報です。[143] Web 2.0に代表される集合知は、協働知よりもユーザーエンゲージメントが低いです。Web 2.0プラットフォームを用いたアートプロジェクトに「Shared Galaxy」があります。これは、匿名のアーティストがMySpace、Facebook、YouTube、Second Lifeなどの複数のプラットフォームで一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ための実験です。パスワードはプロフィールに記載され、「Shared Galaxy」という名前のアカウントは誰でも使用できます。このようにして、多くの人が一つのグループとして参加しています。[144]集合知を用いて芸術作品を制作する別のアートプロジェクトにCuratronがあります。これは、大規模なアーティストグループが協力して、優れた協働グループになりそうな少人数のグループを決定するものです。このプロセスは、集団の好みを計算するアルゴリズムに基づいて使用されます。 [ 145]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」と呼ぶものを創造する際に、ピエリー・レヴィの集合知の定義に従っています。[146] 2016年3月に行われたアルドレッドのCI-Artイベントには、オックスフォード、ノバスコシア州、そして世界中から400人以上の人々が参加しました。[147] [148]アルドレッドがその後開発した作品では、国連大学の群知能システムを使用してデジタルの絵や絵画が作られました。[149]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月に公開のCI-Artイベントを開催し、世界中のオンライン参加者とつながった。[150]

子育てソーシャルネットワークと共同タグ付けが自動IPTVコンテンツブロックシステムの柱となる

ソーシャルブックマーク（協調タグ付けとも呼ばれる）[151]では、ユーザーが他のユーザーと共有するリソースにタグを付けることで、クラウドソーシングのプロセスから生まれる一種の情報組織化が生まれます。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な知識（あるいは集合知）を反映したものと見なすことができ、一般的に「フォークソノミー」と呼ばれています。このプロセスは、協調タグ付けのモデルによって捉えることができます。[151]

ソーシャルブックマークウェブサイトDeliciousのデータを使用した最近の研究では、協調タグ付けシステムが複雑系（または自己組織化）ダイナミクスの一種を示すことが示されています。[152] [153] [154]個々のユーザーの行動を制約する中央制御された語彙は存在しませんが、さまざまな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分布に収束することが示されている。[152]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することができ、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。[155]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例です。[156]

P2Pビジネス

タプスコットとウィリアムズによる研究では、集合知がビジネスにもたらす利益の例がいくつか挙げられている。[49]

人材活用
テクノロジーの変化のスピードを考えると、競争に必要なイノベーションに完全に追いつくことはどの企業にとっても不可能です。賢明な企業は、大規模なコラボレーションの力を活用して、雇用できなかった人材の参加を促しています。これはまた、新しいアイデアの創出や投資機会に惹かれる人材という形で、企業への継続的な関心を生み出すことにもつながります。[49]
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、補完財の新たな市場を創出することができます。また、コミュニティからのリソースの追加や協力なしにはこれまで不可能だった新たな分野への進出も可能になります。これは、前述のように、当該新分野の製品に対する補完財の新たな市場を創出することになります。[49]
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。企業は特定のソフトウェアや製品をリリースし、オンラインコミュニティによる評価やデバッグを受けることができます。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、短期間で低コストで開発されるようになります。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たなアイデアが生まれ、企業の枠を超えた自由な研究開発の機会が創出されます。[49]

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製品の創造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ました。彼は、Trainzの商業的成功は根本的に「製品を積極的に宣伝し、ゲームソフトウェアの拡張や追加といったコンテンツを生み出す、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」に依存していると主張しました。[157]

ユーザー作成コンテンツとインタラクティブ性の増加は、ゲーム自体のコントロールとプレイヤー作成コンテンツの所有権に関する問題を引き起こします。これは、レッシグ[158]やブレイとコンシンスキー[159]が指摘した、知的財産権や財産所有権 といった根本的な法的問題を引き起こします。

ゴスニーは、ARG （代替現実ゲーム）の議論において、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。彼はこのジャンルを「ゲーム内とゲーム外の体験の境界を意図的に曖昧にするクロスメディアゲーム」[160]と表現し、ゲーム外で起こる出来事がプレイヤーの生活に「入り込み」、プレイヤーを結びつけると述べています。ゲームの解決には「複数のプレイヤーによる集団的かつ協調的な努力」が必要であり、したがって、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、ARGというジャンルのゲームは、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」を必要とすると主張しています。[160]

協力のメリット

協力は、最も重要かつ興味深い多分野にわたる科学課題の解決に役立ちます。ジェームズ・スロウィエツキは著書の中で、多くの科学者は協力のメリットが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。協力が機能するのは、最良の場合、多様な視点を保証するからでもあります。テクノロジーの可能性のおかげで、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。大学レベルから世界レベルへと協力が拡大すれば、大きなメリットがもたらさ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、それぞれの科学分野はさらに広がり、一人ですべての進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、科学者は一人で情報を集めるのではなく、異なる分野の情報を活用し、効果的に活用することができます。[128]

調整

アドホックコミュニティ

軍隊、労働組合、そして企業は、CIの定義の一部を満たしています。最も厳密な定義は、「法律」や「顧客」からの命令や指示に縛られることなく、非常に恣意的な状況に対応できる能力を必要とします。オンライン広告会社は、集合知を活用して、従来のマーケティング・エージェンシーやクリエイティブ・エージェンシーを迂回しています。[161]

国連大学の「ヒューマン・スワーミング」（または「ソーシャル・スワーミング」）オープンプラットフォームは、生物の群れ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に、リアルタイムの閉ループシステムを構築し、人間の参加者が統合された集合知として行動することを可能にする。[162] [163]国連大学に接続すると、分散したユーザーグループは集団で質問に答え、リアルタイムで予測を行う。[164]初期テストでは、ヒューマン・スワーミングが個人よりも優れた予測ができることが示された。[162] 2016年、国連大学のスワーミングは記者からケンタッキーダービーの優勝馬を予想するチャレンジを受け、540対1のオッズを破り、上位4頭を順番に当てた。[165] [166]

Digital Photography Review [167]やCamera Labs [168]のような専門情報サイトは、集合知の一例です。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自分の知識を世界中に発信することに貢献できます。

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、学習者が独自のコンテキストを創造できる特定の学習空間の共同構成、共同創造、共同設計といった形で、自らのニーズを満たすエコロジーを構築します（ただし、それだけではありません）。[169] [170] [171]学習者生成コンテキストは、信頼ネットワークにおける集団行動の調整を促進するアドホックコミュニティを表しています。学習者生成コンテキストの一例として、インターネット上で「共有インテリジェンス空間」において共同ユーザーが知識を共有する場面が挙げられます。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可用性により、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。[14]

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に設計されており、拡張には集合知に依存する。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る。[140]彼らにとって、集合知は標準となっている。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の間の継続的なインタラクティブな対話について論じているが、 [172]ピエール・レヴィの集合知の概念[要出典]に言及し、 MMORPGの氏族やギルドが目標を達成するために絶えず働いているように、これがビデオゲームで有効であると主張している。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生まれている参加型文化は、メディアの生産と消費の性質に根本的な変化をもたらすと提唱している。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生まれると主張している。[173]第一に、コンテンツ制作を可能にする新たなメディアツール／技術の発展。第二に、そうした創作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、そして物語の流れを促進する付加価値の高いメディアコングロマリットの成長。

集団行動の調整

「After School Improv」のキャストは即興と人生についての重要な教訓を学びます。

即興俳優もまた、彼らが「集団精神」と呼ぶ一種の集合知性を経験します。演劇の即興は相互の協力と合意に依存しており、[174]「集団精神」の統一につながります。[174] [175]

インターネットと携帯電話の普及は、「スワーミング」や「ランデブー」といったイベントを生み出し、オンデマンドで会合やデートさえも可能にしました。[33]その影響はまだ十分には感じられていませんが、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、ポケベル、SMSなどの組織化手段に大きく依存しています。[176]インディメディアは、よりジャーナリズム的な方法でこれを行っています。[177]このようなリソースは、現在の参加者にのみ説明責任を負いながらも、何世代にもわたる貢献者からの強い道徳的または言語的指導を受けられる集合知の形に統合される可能性があります。あるいは、共通の目標を推進するために、より民主的な形態をとることさえ可能です。[177]

集合知のさらなる応用は、「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。[178]エブナーらが提案したこの統合フレームワークでは、アイデアコンペティションと仮想コミュニティを組み合わせることで、特にオープンソースの研究開発において、参加者の集合知の潜在能力をより効果的に実現することができる。[179]経営理論では、集合知とクラウドソーシングの活用は、イノベーションや定量的な問題に対する非常に堅牢な回答につながる。[180]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善の解決策につながるわけではなく、安定した優れた解決策につながる。

さまざまな種類のタスクにおける調整

集団行動やタスクは、その複雑さに応じて、必要な調整の程度が異なります。タスクは、非常に独立性の高い単純なタスクで調整がほとんど必要ない場合から、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な相互依存関係にあるタスクまで、多岐にわたります。Kittur、Lee、Krautの論文では、協力における問題点が提示されています。「作業の相互依存性が高いために高度な調整が必要となるタスクの場合、貢献者が増えるとプロセスロスが増加し、グループの有効性が個々のメンバーが最適に達成できるレベルを下回る可能性がある」。チームが大きすぎると、貢献者が増えてリソースが増加したとしても、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、調整にかかる全体的なコストが他のコストを圧倒してしまう可能性があります。[181]

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おけ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、各メンバーの異なる特性が調整に貢献し、強化することに関与します。トップダウンのプロセスはより厳格で固定されており、規範、グループ構造、ルーチンがそれぞれ独自の方法でグループの共同作業を強化します。[45]

別の見方

自己保存に対抗するためのツール

トム・アトリーは、人間は生まれながらにデータ収集と分析の能力を持っているものの、文化、教育、社会制度の影響を受けると述べている。[182] [自費出版？ ]個人は自己保存を動機として意思決定を行う傾向がある。したがって、集合知がなければ、人類は利己的な欲求に基づいて自らを絶滅へと追いやってしまう可能性がある。[47]

IQ主義からの分離

フィリップ・ブラウンとヒュー・ローダーは、ボウルズとギンティス（1976）を引用し、集合知を真に定義するためには、「知性」とIQ主義を切り離すことが重要だと述べています。[183]​​ 彼らはさらに、知性は成果であり、開発は許可された場合に限ると主張しています。[183]​​ 例えば、かつては社会の下層階級の集団が知性を集約し、共有することは厳しく制限されていました。これは、エリート層が集合知が人々を反乱に駆り立てることを恐れていたためです。もしそのような能力と関係がなければ、集合知を構築するための基盤は存在し得ません。[184]これは、集合知が自由に開発されれば、いかに強力になり得るかを示しています。[183]

人工知能の見解

懐疑論者、特に人工知能に批判的で、身体的危害のリスクと身体的行動こそが人々の間のあらゆる一体性の基盤であると信じる傾向が強い人々は、集団が一つの流動的な集団動員として行動を起こし、危害に耐える能力を強調する傾向があり、身体が少数の細胞の損失を気にしないのと同じように、危害を気にしない傾向がある。[185] [186]この考え方は反グローバリゼーション運動において最も顕著であり、ジョン・ザーザン、キャロル・ムーア、スターホークといった学者を忌避する人物たちの著作に特徴づけられる。 [185] [186]これらの理論家たちは、生態学的知恵や集合知、そして存在論的区別を行うコンセンサスプロセスの役割に言及する傾向があり、いかなる形態の「知性」についても言及しない傾向がある。彼らはしばしば「知性」は存在しない、あるいは単なる「賢さ」に過ぎないと主張する。[185] [186]

倫理的な理由から人工知能を厳しく批判する人々は、新部族主義者やガイア人のような集合知構築手法を推進する傾向がある。[187] [自費出版]これらが集合知システムと言えるかどうかは未解決の問題である。ビル・ジョイのように、自律型人工知能のあらゆる形態を避けたいと考えている者もおり、AIのニッチな領域を排除するために、厳密な集合知の構築に取り組む意思があるようだ。[188]

こうした見解とは対照的に、Amazon Mechanical TurkやCrowdFlowerなどの企業は、集合知とクラウドソーシング、あるいはコンセンサスに基づく評価を利用して、機械学習アルゴリズム用の膨大な量のデータを収集しています。

参照

類似の概念と応用

計算とコンピュータサイエンス

その他

参考文献

  1. ^ ab Suran, Shweta; Pattanaik, Vishwajeet; Draheim, Dirk (2020年2月5日). 「集合知のためのフレームワーク：体系的な文献レビュー」. ACM Computing Surveys . 53 (1): 14:1–14:36. doi :10.1145/3368986. S2CID  211040820.
  2. ^ Suran, Shweta; Pattanaik, Vishwajeet; Draheim, Dirk (2020年2月5日). 「集合知のためのフレームワーク：体系的な文献レビュー」(PDF) . ACM Computing Surveys. pp. 14:1–14:36. doi :10.1145/3368986. S2CID  211040820. 2025年11月15日閲覧.
  3. ^ Ngoc Thanh Nguyen (2011年7月25日). Transactions on Computational Collective Intelligence III. Springer. pp. 63, 69. ISBN 978-3-642-19967-7. 2013年6月11日閲覧。
  4. ^ グレン、ジェローム C. 集合知 – 次世代のビッグイベントの一つ、Futura 4/2009、フィンランド未来学会、ヘルシンキ、フィンランド
  5. ^ グレン、ジェローム・C. 第5章、2008年「未来の現状」ミレニアム・プロジェクト、ワシントンD.C. 2008年
  6. ^ Norman Lee Johnson、Collective Scienceサイト、2011年10月6日アーカイブ、Wayback Machine
  7. ^ レヴィ、ピエール（1999年12月10日）『集合知』ベーシックブックス、14ページ。ISBN 978-0-7382-0261-7. OCLC  249995946。
  8. ^ Flew 2008、21ページ。
  9. ^ Lévy, Pierre; Farley, Art; Lollini, Massimo (2019年12月31日). 「Collective Intelligence, the Future of Internet and the IEML: Interview to Pierre Lévy by Art Farley and Massimo Lollini」. Humanist Studies & the Digital Age . 6 (1): 5– 31. doi : 10.5399/uo/hsda.6.1.2 . ISSN  2158-3846. 2020年1月1日時点のオリジナルよりアーカイブ。 2020年3月29日閲覧。
  10. ^ アデレードでの「集団知性についての集団知性」に関する講演シリーズ http://www.thinkers.sa.gov.au/images/Mulgan_Final_Report.pdf
  11. ^ マルガン、ジェフ（2017年）『ビッグ・マインド：集合知は世界を変える』プリンストン大学出版局、ISBN 978-1-4008-8851-1。
  12. ^ Raymond, ES (1998年10月5日). 「ノウアスフィアの開拓」. First Monday . 3 (10). doi : 10.5210/fm.v3i10.621 .
  13. ^ Herz, JC (2005). 「Harnessing the hive」. Hartley, J. (編). Creative Industries . Blackwell Publishing. pp.  327–41 .
  14. ^ abcdef Flew 2008.
  15. ^ ジェンキンス、ヘンリー (2006). 「結論」.​​ コンバージェンス・カルチャー：新旧メディアの衝突. NYU Press. p. 259. ISBN 978-0-8147-4307-2。
  16. ^ レヴィ、ピエール (2007)。 「人類の技術と開発の社会」。インバート、パトリック編著。Le Canada et la société des savoirs。 Enjeux sociaux et culturels dans une société du savoir (フランス語)。115～ 175ページ 。
  17. ^ ジェンキンス 2008.
  18. ^ abcdefghijklmnopqrstu vwxyz aa ab ac ad Woolley, Anita Williams; Chabris, Christopher F.; Pentland, Alex; Hashmi, Nada; Malone, Thomas W. (2010年10月29日). 「集団知能が人間集団のパフォーマンスに影響を与える証拠」. Science . 330 (6004): 686– 688. Bibcode :2010Sci...330..686W. doi : 10.1126/science.11 ​​93147. PMID  20929725. S2CID  74579.
  19. ^ ab Jensen, Arthur, R. (1992). 「情報処理の観点から見たgの理解」.教育心理学評論. 4 (3): 271– 308. doi :10.1007/bf01417874. S2CID  54739564.{{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)
  20. ^ abcd ジェンセン、アーサー、R. (1998). G因子：精神能力の科学. プレーガー. ISBN 978-0-275-96103-9。{{cite book}}: CS1 maint: 複数の名前: 著者リスト (リンク)
  21. ^ ランデモア、エレーヌ (2012). ランデモア著『民主的理性：政治、集合知、そして多数の支配』プリンストン大学出版局. ISBN 978-0-691-15565-4。
  22. ^ ウォルドロン、ジェレミー (1995). 「群衆の知恵：アリストテレス『政治学』第3巻第11章に関する考察」.政治理論. 23 (4): 563– 584. doi :10.1177/0090591795023004001. S2CID  154578834.
  23. ^ オーバー、ジョサイア（2008年）『民主主義と知識：古典期アテネにおける革新と学習』プリンストン大学出版局、pp.  110–4 . ISBN 978-1-4008-2880-7。
  24. ^ カマック、ダニエラ (2013). 「アリストテレスと群衆の美徳」.政治理論. 41 (2): 175– 202. doi :10.1177/0090591712470423. S2CID  220724879.
  25. ^ ペイジ、スコット・E.（2008年）『違い：多様性の力はいかにしてより良いグループ、企業、学校、そして社会を創り出すのか』プリンストン大学出版局、ISBN 978-1-4008-3028-2。
  26. ^ Wheeler, WM (1910). アリ：その構造、発達、行動（第9巻）. コロンビア大学出版局.
  27. ^ エミール・デュルケーム『宗教生活の原初形態』1912年。
  28. ^ グローバルブレインも参照。
  29. ^ 「本書について – 意識進化財団」。意識進化財団。2017年2月18日時点のオリジナルよりアーカイブ。 2016年12月4日閲覧。
  30. ^ エンゲルバート、ダグラス (1962) 人間の知性の拡張：概念的枠組み Archived 4 May 2011 at the Wayback Machine – チーム協力のセクション
  31. ^ エンゲルバート、ダグラス (1994)「集団IQの向上」 Wayback Machineで2016年7月2日にアーカイブ(スライド配布資料) – スライド4で「集団IQ」が定義されています。また、(1994) BBN特別ゲスト講演 (ビデオ) – 「集団IQ」の定義は16:56 "CoDIAK"
  32. ^ ランデモア、ヘレン（2013年）『民主的理性：政治、集合知、そして多数の支配』プリンストン大学出版局、ISBN 978-0-691-15565-4。
  33. ^ ab Wolpert, David H.; Tumer, Kagan; Frank, Jeremy (1999年5月10日). 「集合知を用いたインターネットトラフィックのルーティング」. M. Kearns, S. Solla , D. Cohn (編). Advances in Information Processing Systems . 第11巻. MIT Press. arXiv : cs/9905004 .
  34. ^ Wolpert, David; Tumer, Kagan (2004). 「集合知性、データルーティング、そしてBraessのパラドックス」. Journal of Artificial Intelligence Research . 16 : 359–387 . arXiv : 1106.1821 . doi : 10.1613/jair.995 . S2CID  15861702.
  35. ^ トゥマー、ケーガン; ウォルパート、デイヴィッド (2012) [2004]. 集団と複雑系の設計. シュプリンガー. ISBN 978-1-4419-8909-3。
  36. ^ Ng, AY; Harada, D.; Russell, SJ (1999). 「報酬変換下における方策不変性：理論と報酬シェーピングへの応用」ICML '99 Proceedings of the Sixteenth International Conference on Machine Learning . Morgan Kaufmann Publishers. pp.  278– 287. CiteSeerX 10.1.1.30.9261 . ISBN  1-55860-612-2。
  37. ^ Marden, JR; Shamma, JS (2017). 「分散制御におけるゲーム理論的学習」(PDF) .動的ゲーム理論ハンドブック. Springer. pp.  511– 546. doi :10.1007/978-3-319-27335-8_9-1. hdl :10754/626970. ISBN 978-3-319-27335-8. 2019年1月8日時点のオリジナル（PDF）からアーカイブ。2019年1月8日閲覧。
  38. ^ ブルーム、ハワード (2013) [1995]. ルシファー原理：歴史の力への科学的探究. オープンロード. ISBN 978-0-8021-9218-9。
  39. ^ abcd Bloom, Howard (2000). Global Brain: The Evolution of Mass Mind from the Big Bang to the 21st Century. Wiley. ISBN 978-0-471-29584-6。
  40. ^ Skrbina, D. (2001). 「第8章」（PDF） . 参加、組織、そして心：参加型世界観に向けて（博士論文）. バース大学経営学部、専門職実践アクションリサーチセンター. uk.bl.ethos.760771. 2011年6月4日時点のオリジナル（PDF）からアーカイブ。
  41. ^ Levey, Geoffrey Brahm (2015年5月1日). 『真正性、自律性、そして多文化主義』 Routledge. ISBN 978-1-317-53592-8。
  42. ^ Skrbina, David F. (2007年1月26日). Panpsychism in the West (第1版). The MIT Press. ISBN 978-0-262-69351-6。
  43. ^ George Pór、Blog of Collective Intelligence、2004年8月2日アーカイブ、Wayback Machine
  44. ^ abcd Atlee, Tom. 「Collective Intelligence as a Field of Multi-disciplinary Study and Practice」（PDF） . Community Intelligence . CommunityIntelligence. Ltd. 2016年12月20日時点のオリジナル（PDF）からアーカイブ。 2016年12月11日閲覧。
  45. ^ abcdefghij Woolley, Anita Williams; Aggarwal, Ishani; Malone, Thomas W. (2015). 「集団知性とグループパフォーマンス」. Current Directions in Psychological Science . 24 (6). SAGE Publications: 420– 424. doi :10.1177/0963721415599543. ISSN  0963-7214. S2CID  146673541.
  46. ^ Leimeister, Jan Marco (2010). 「Collective Intelligence」. Business & Information Systems Engineering . 2 (4): 245– 248. doi : 10.1007/s12599-010-0114-8 . S2CID  7575575.[永久リンク切れ]
  47. ^ ab Atlee, T. (2008). 選択と集合知の進化に関する考察 2008年5月22日アーカイブ、Wayback Machine 2008年8月26日閲覧
  48. ^ スティール、ロバート・デイヴィッド（2002年4月8日）『インテリジェンスの新たな技術：個人、公共、政治――テロ、ジェノサイド、疾病、有毒爆弾、汚職と闘うための市民行動ハンドブック』バージニア州オークトン：オス出版ISBN 978-0-9715661-1-8。
  49. ^ abcdefghi Tapscott, D., & Williams, AD (2008). Wikinomics: How Mass Collaboration Changes Everything Archived 10 November 2011 at the Wayback Machine , USA: Penguin Group
  50. ^ スピアマン、チャールズ、E.（1904）。「一般知能」は客観的に決定・測定される」。アメリカ心理学会誌. 15 (2): 201– 293. doi :10.2307/1412107. JSTOR  1412107.{{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)
  51. ^ abcdef Engel, D.; Woolley, AW; Jing, LX; Chabris, CF & Malone, TW (2014). 「目で心を読むのか、行間を読むのか？ 心の理論はオンラインと対面の両方で集団知能を同様に予測する」. PLOS ONE . 9 (12) e115212. Bibcode :2014PLoSO...9k5212E. doi : 10.1371/journal.pone.0115212 . PMC 4267836. PMID 25514387  . 
  52. ^ abcd Woolley, A.; Malone, T. (2011年6月). 「研究を守ろう：チームをよりスマートにするものは何？女性を増やすこと」ハーバード・ビジネス・レビュー. 89 (6): 32– 33. PMID  21714385.
  53. ^ ab Kamphaus, RW; Winsor, AP; Rowe, EW; Kim, S. (2018). 「知能検査解釈の歴史」. Flanagan, DP; McDonough, EM (編). Contemporary Intellectual Assessment: Theories, Tests, and Issues (4th ed.). Guilford. pp.  56– 72. ISBN 978-1-4625-3597-2。
  54. ^ ファン・デル・マース、ハン・LJ;ドーラン、コナー V.グラスマン、ラウルPPP;ウィヒャーツ、ジェルテ M.ホイゼンガ、ヒルデ M. Raijmakers、Maartje EJ (2006 年 10 月 1 日)。 「一般知性の動的モデル: 相利共生による知性の正の多様体」。心理学的レビュー。113 (4): 842–861 .土井:10.1037/0033-295X.113.4.842。PMID  17014305。
  55. ^ McCrae, RR; Costa Jr., PT (1987). 「五因子人格モデルの機器および観察者による検証」(PDF) . Journal of Personality and Social Psychology . 52 (1): 81– 90. doi :10.1037/0022-3514.52.1.81. PMID  3820081. S2CID  7893185. 2019年4月21日時点のオリジナルよりアーカイブ(PDF) .
  56. ^ abc 「MIT Center for Collective Intelligence」cci.mit.edu . 2016年3月30日時点のオリジナルよりアーカイブ。 2016年4月26日閲覧。
  57. ^ Briley, Daniel A.; Tucker-Drob, Elliot M. (2014年9月1日). 「人格発達における遺伝的および環境的連続性：メタ分析」. Psychological Bulletin . 140 (5): 1303– 1331. doi :10.1037/a0037091. PMC 4152379. PMID 24956122  . 
  58. ^ Deary, Ian J.; Spinath, Frank M.; Bates, Timothy C. (2006年1月1日). 「知能の遺伝学」. European Journal of Human Genetics . 14 (6): 690– 700. doi : 10.1038/sj.ejhg.5201588 . PMID  16721405.
  59. ^ abcde Baron-Cohen S, Wheelwright S, Hill J, Raste Y, Plumb I (2001). 「目で心を読むテスト改訂版：健常成人、およびアスペルガー症候群または高機能自閉症の成人を対象とした研究」. Journal of Child Psychology and Psychiatry . 42 (2) S0021963001006643: 241– 251. doi :10.1017/s0021963001006643. PMID  11280420.
  60. ^ Apperly, Ian A. (2012年5月1日). 「『心の理論』とは何か？概念、認知プロセス、そして個人差」.季刊実験心理学ジャーナル. 65 (5): 825– 839. doi :10.1080/17470218.2012.676055. PMID  22533318. S2CID  7212563.
  61. ^ バロン＝コーエン、サイモン；レスリー、アラン・M；フリス、ウタ（1985年10月）「自閉症児は『心の理論』を持っているか？」認知科学21 ( 1): 37– 46. doi :10.1016/0010-0277(85)90022-8. PMID  2934210. S2CID  14955234.PDF.
  62. ^ Flavell, JH (1999年1月1日). 「認知発達：子どもの心に関する知識」. Annual Review of Psychology . 50 : 21–45 . doi :10.1146/annurev.psych.50.1.21. PMID  10074674.
  63. ^ プレマック、デイビッド、ウッドラフ、ガイ（1978年12月1日）「チンパンジーは心の理論を持っているか？」行動・脳科学. 1 (4): 515– 526. doi : 10.1017/S0140525X00076512 .
  64. ^ Heyes, Cecilia M.; Frith, Chris D. (2014年6月20日). 「マインドリーディングの文化的進化」. Science . 344 (6190) 1243091. doi :10.1126/science.1243091. PMID  24948740. S2CID  3139981.
  65. ^ Hallerbäck, Maria Unenge; Lugnegård, Tove; Hjärthag, Fr​​edrik; Gillberg, Christopher (2009年3月1日). 「目で心を読むテスト：スウェーデン版の再テスト信頼性」認知神経精神医学. 14 (2): 127– 143. doi :10.1080/13546800902901518. PMID  19370436. S2CID  28946179.
  66. ^ Pinkham, Amy E.; Penn, David L.; Green, Michael F.; Buck, Benjamin; Healey, Kristin; Harvey, Philip D. (2014年7月1日). 「社会認知心理測定評価研究：専門家調査とRANDパネルの結果」. Schizophrenia Bulletin . 40 (4): 813– 823. doi :10.1093/schbul/sbt081. PMC 4059426. PMID 23728248.  2016年11月1日時点のオリジナルよりアーカイブ。 
  67. ^ ab Yip, Jeremy A.; Côté, Stéphane (2013年1月1日). 「感情的に知的な意思決定者と感情理解能力は、偶発的な不安がリスクテイクに与える影響を軽減する」心理科学. 24 (1): 48– 55. doi :10.1177/0956797612450031. PMID  23221020. S2CID  33438475.
  68. ^ マッキノン, DP (2008). 統計的媒介分析入門. ラウトレッジ. ISBN 978-0-8058-3974-6。
  69. ^ abc Kim, YJ; Engel, D.; Woolley, AW; Lin, J.; McArthur, N. & Malone, TW (2015). 「共に働き、賢くプレイする：リーグ・オブ・レジェンドのチームにおける集合知」カリフォルニア州サンタクララで開催された2015年集合知カンファレンスで発表された論文。
  70. ^ abc Aggarwal, I.; Woolley, AW; Chabris, CF & Malone, TW (2015). 「認知的多様性、集合知性、そしてチームにおける学習」。カリフォルニア州サンタクララで開催された2015年集合知性会議で発表された論文。
  71. ^ Kozhevnikov, M.; Evans, C. & Kosslyn, SM (2014). 「認知スタイル：環境によって影響を受ける認知における個人差：教育、ビジネス、マネジメントにおける現代的統合と応用」.公共利益のための心理科学. 15 (1): 3– 33. doi :10.1177/1529100614525555. hdl : 10871/15317 . PMID  26171827. S2CID  20559112.
  72. ^ グリーン、ジョシュア・デイビッド（2014年12月30日）『道徳的部族：感情、理性、そして我々と彼らの間の隔たり』ペンギン社、ISBN 978-0-14-312605-8. OCLC  871336785。
  73. ^ Muchnik, Lev; Aral, Sinan; Taylor, Sean J. (2013年8月9日). 「社会的影響バイアス：ランダム化実験」. Science . 341 (6146): 647– 651. Bibcode :2013Sci...341..647M. doi :10.1126/science.1240466. ISSN  0036-8075. PMID  23929980. S2CID  15775672.
  74. ^ Oxenham, Simon (2016年12月15日). 「なぜミツバチは超人的な知能の秘密なのか」. 2017年5月25日時点のオリジナルよりアーカイブ。2017年5月23日閲覧。
  75. ^ Rosenberg, L.; Baltaxe, D.; Pescetelli, N. (2016年10月1日). 「群衆と群れ：知能の比較」. 2016 Swarm/Human Blended Intelligence Workshop (SHBI) . pp.  1– 4. doi :10.1109/SHBI.2016.7780278. ISBN 978-1-5090-3502-1. S2CID  12725324。
  76. ^ Metcalf, Lynn; Askay, David A.; Rosenberg, Louis B. (2019). 「人間をループの中に留める：人工知能による知識プールによるビジネス意思決定の改善」カリフォルニア・マネジメント・レビュー. 61 (4): 84– 109. doi :10.1177/0008125619862256. ISSN  0008-1256. S2CID  202323483.
  77. ^ Salminen, Juho (2012). 「人間の集合知性：文献レビュー」arXiv : 1204.3401 [cs.CY].
  78. ^ 「人工知能がケンタッキーダービーの賭けで20ドルを11,000ドルに変える」ニューズウィーク、2016年5月10日。2016年6月4日時点のオリジナルよりアーカイブ。 2017年5月23日閲覧。
  79. ^ Scudellari, Megan (2018年9月13日). 「AI-Human "Hive Mind" Diagnoses Pneumonia」. IEEE Spectrum: Technology, Engineering, and Science News . 2019年7月20日時点のオリジナルよりアーカイブ。 2019年7月20日閲覧。
  80. ^ Liu, Fan (2018年9月27日). 「人工知能（AI）は、個々のコンピューターや医師よりも優れた肺炎診断を可能にする」スタンフォード・デイリー. 2019年7月20日時点のオリジナルよりアーカイブ。2019年7月20日閲覧。
  81. ^ “A Swarm of Insight – Radiology Today Magazine”. radiologytoday.net . 2019年7月20日時点のオリジナルよりアーカイブ。 2019年7月20日閲覧。
  82. ^ Rosenberg, Louis; Lungren, Matthew; Halabi, Safwan; Willcox, Gregg; Baltaxe, David; Lyons, Mimi (2018年11月). 「放射線診断における診断精度の向上を目的とした人工知能（AI）の活用」. 2018 IEEE 第9回情報技術・エレクトロニクス・モバイル通信会議 (IEMCON) . バンクーバー, BC: IEEE. pp.  1186– 1191. doi :10.1109/IEMCON.2018.8614883. ISBN 978-1-5386-7266-2. S2CID  58675679。
  83. ^ マクグラス、JE（1984年）『グループ：相互作用とパフォーマンス』プレンティス・ホール出版、ISBN 978-0-13-365700-5。
  84. ^ ab エンゲル, デイビッド; ウーリー, アニタ・ウィリアムズ; アガーワル, イシャニ; チャブリス, クリストファー・F.; 高橋正道; 根本恵一; カイザー, カロリン; キム, ヤング・ジ; マローン, トーマス・W. (2015年1月1日). 「コンピュータを介したコラボレーションにおける集合知は、異なる文脈と文化で出現する」.第33回ACMヒューマンファクターズ・イン・コンピューティングシステム会議議事録. CHI '15. ニューヨーク, ニューヨーク州, 米国: ACM. pp.  3769– 3778. doi : 10.1145/2702123.2702259 . ISBN 978-1-4503-3145-6. S2CID  14303201。
  85. ^ abcd Aggarwal, I. & Woolley, AW (2014). 「認知的多様性が集合知とチーム学習に及ぼす影響」。第50回実験社会心理学会大会（オハイオ州コロンバス）シンポジウム発表。
  86. ^ abc Engel, D.; Woolley, AW; Aggarwal, I.; Chabris, CF; Takahashi, M.; Nemoto, K.; Malone, TW (2015). 「コンピュータを介したコラボレーションにおける集合知は、異なる文脈と文化で出現する」.第33回ACMヒューマンファクターズ・イン・コンピューティングシステム会議論文集. pp.  3769– 3778. doi : 10.1145/2702123.2702259 . ISBN 978-1-4503-3145-6. S2CID  14303201。
  87. ^ “Collective Intelligence 2016”. sites.google.com . 2016年8月5日時点のオリジナルよりアーカイブ。 2016年4月27日閲覧。
  88. ^ “Posters – Collective Intelligence 2015”. sites.lsa.umich.edu . 2016年7月31日時点のオリジナルよりアーカイブ。 2016年4月27日閲覧。
  89. ^ “Proceedings – Collective Intelligence 2014”. collective.mech.northwestern.edu . 2016年4月4日時点のオリジナルよりアーカイブ。 2016年4月27日閲覧。
  90. ^ マローン、トーマス・W.、ルイス・フォン・アン (2012). 「Collective Intelligence 2012: Proceedings」. arXiv : 1204.2991 [cs.SI].
  91. ^ Schmidt, FL & Hunter, JE (1998). 「人事心理学における選考方法の妥当性と有用性：85年間の研究成果の実践的・理論的示唆」Psychological Bulletin . 124 (2): 262– 274. CiteSeerX 10.1.1.172.1733 . doi :10.1037/0033-2909.124.2.262. S2CID  16429503. 
  92. ^ ネイサン、B. (1997). 「知能、学校教育、そして社会」.アメリカ心理学会誌. 52 (10): 1046–1050 . doi :10.1037/0003-066x.52.10.1046.
  93. ^ Strenze, Tarmo (2007年9月1日). 「知能と社会経済的成功：縦断的研究のメタ分析レビュー」. Intelligence . 35 (5): 401– 426. doi :10.1016/j.intell.2006.09.004.
  94. ^ ab Deary, IJ; Weiss, A. & Batty, DG (2010). 「病気と死の予測因子としての知能と性格：差異心理学と慢性疾患疫学の研究者が健康格差の理解と対処にどう協力しているか」（PDF） .公共の利益のための心理科学. 11 (2): 53– 79. doi :10.1177/1529100610387081. hdl :20.500.11820/134d66d9-98db-447a-a8b2-5b019b96a7bb. PMID  26168413. S2CID 13106622. 2018年7月19日時点のオリジナルより アーカイブ（PDF）. 2019年12月9日閲覧。
  95. ^ グラッドウェル、M. (2008). 『アウトライアーズ：成功の物語』 ニューヨーク：リトル・ブラウン・アンド・カンパニー. ISBN 978-0-316-01792-3。
  96. ^ ヘッデン、トレイ；ガブリエリ、ジョン・DE（2004年2月1日）「加齢する心への洞察：認知神経科学からの視点」ネイチャーレビュー、神経科学、5 (2): 87–96 . doi :10.1038/nrn1323. PMID  14735112. S2CID  9398942.
  97. ^ ab Shipstead, Zach; Redick, Thomas S; Engle, Randall W. (2010年10月1日). 「ワーキングメモリトレーニングは一般化するか？」Psychologica Belgica . 50 ( 3–4 ): 245. doi : 10.5334/pb-50-3-4-245 .
  98. ^ ab Buschkuehl, M.; Jaeggi, SM (2010). 「知能の向上に関する文献レビュー」. Swiss Medical Weekly . 140 (19): 266–72 . doi : 10.4414/smw.2010.12852 . PMID  20349365. S2CID  5921557.
  99. ^ Kidd, David Comer; Castano, Emanuele (2013年10月18日). 「文学小説を読むことは心の理論を向上させる」. Science . 342 (6156): 377– 380. Bibcode :2013Sci...342..377K. doi :10.1126/science.1239918. hdl : 11572/289277 . PMID  24091705. S2CID  5929573.
  100. ^ ブラック、ジェシカ、バーンズ、ジェニファー・L. (2015). 「フィクションと社会認知：受賞歴のあるテレビドラマの視聴が心の理論に及ぼす影響」『美学、創造性、芸術の心理学』9 (4): 423– 429. doi :10.1037/aca0000031.
  101. ^ マローン, TW & バーンスタイン, MS (2015).集合知ハンドブック. ケンブリッジ, マサチューセッツ州: MIT プレス.
  102. ^ Horn, J. (1989).知能モデル. RL Linn編著『知能：測定、理論、公共政策』（pp. 29–73） . イリノイ州アーバナ：イリノイ大学出版局.
  103. ^ Cattell, RB (1987年7月1日). 知能：その構造、成長、そして行動. 心理学の進歩. 第35巻（改訂版）. エルゼビア. ISBN 978-0-08-086689-5。
  104. ^ キャロル, JB (1993). 人間の認知能力：因子分析研究の概説. ケンブリッジ, イギリス: ケンブリッジ大学出版局. ISBN 978-0-521-38712-5。
  105. ^ ジョンソン、ウェンディ、ブシャール・ジュニア、トーマス・J. (2005年7月1日). 「人間の知能の構造：それは言語的、知覚的、そしてイメージ回転的（VPR）であり、流動的でも結晶化されているわけではない」.インテリジェンス33 ( 4): 393– 416. doi :10.1016/j.intell.2004.12.002.
  106. ^ “MIT Center for Collective Intelligence”. cci.mit.edu . 2016年3月30日時点のオリジナルよりアーカイブ。2016年4月27日閲覧。
  107. ^ LePine, Jeffery A. (2005). 「予期せぬ変化へのチームの適応：目標難易度とチーム構成が認知能力と目標志向性に与える影響」応用心理学ジャーナル. 90 (6): 1153– 1167. doi :10.1037/0021-9010.90.6.1153. PMID  16316271.
  108. ^ Tziner, Aharon; Eden, Dov (1985). 「乗組員構成が乗組員のパフォーマンスに与える影響：全体は各部の総和に等しいか？」応用心理学ジャーナル. 70 (1): 85– 93. doi :10.1037/0021-9010.70.1.85.
  109. ^ Devine, Dennis J.; Philips, Jennifer L. (2001年10月1日). 「より賢いチームはより良い成果を上げるのか？ 認知能力とチームパフォーマンスのメタ分析」. Small Group Research . 32 (5): 507– 532. doi :10.1177/104649640103200501. S2CID  145635205.
  110. ^ O'Brien, G.; Owens, A. (1969). 「組織構造がメンバーの能力とグループの生産性の相関に及ぼす影響」応用心理学ジャーナル. 53 (6): 525– 530. doi :10.1037/h0028659.
  111. ^ エヴァンス, チャールズ・R.; ディオン, ケネス・L. (1991年5月1日). 「集団の凝集性とパフォーマンス：メタ分析」.スモールグループ研究. 22 (2): 175– 186. doi :10.1177/1046496491222002. S2CID  145344583.
  112. ^ Gully, Stanley M.; Devine, Dennis J.; Whitney, David J. (2012年12月1日). 「分析レベルと課題の相互依存性が凝集性とパフォーマンスに及ぼす影響に関するメタ分析」. Small Group Research . 43 (6): 702– 725. doi :10.1177/1046496412468069. S2CID  220319732.
  113. ^ Beal, Daniel J.; Cohen, Robin R.; Burke, Michael J.; McLendon, Christy L. (2003年12月). 「集団における凝集性とパフォーマンス：構成関係のメタ分析による解明」. Journal of Applied Psychology . 88 (6): 989– 1004. doi :10.1037/0021-9010.88.6.989. PMID  14640811. S2CID  1342307.
  114. ^ O'leary-kelly, Anne M.; Martocchio, Joseph J.; Frink, Dwight D. (1994年10月1日). 「グループ目標がグループパフォーマンスに与える影響に関するレビュー」. Academy of Management Journal . 37 (5): 1285– 1301. doi :10.2307/256673. JSTOR  256673.[永久リンク切れ]
  115. ^ Kleingeld, Ad; Mierlo, Heleen van; Arends, Lidia (2011). 「目標設定がグループパフォーマンスに及ぼす影響：メタ分析」. Journal of Applied Psychology . 96 (6): 1289– 1304. doi :10.1037/a0024315. PMID  21744940. S2CID  22191705.
  116. ^ Duffy, MK; Shaw, JD & Stark, EM (2000). 「葛藤を抱える相互依存的グループにおけるパフォーマンスと満足度：自尊心はいつ、どのように影響を与えるのか？」Academy of Management Journal . 43 (4): 772– 782. JSTOR  1556367.
  117. ^ abcdef Credé, Marcus; Howardson, Garett (2017). 「集団課題遂行の構造 ― 「集合知」の再考：Woolleyら (2010) へのコメント」(PDF) . The Journal of Applied Psychology . 102 (10): 1483– 1492. doi :10.1037/apl0000176. PMID  29016184. 2024年2月20日閲覧.
  118. ^ Guru, Test (2020年3月15日). 「Wonderlicテストの採点。良いスコアとは？平均スコアとは？」Wonderlicテスト練習. 2024年2月20日閲覧。
  119. ^ クレデ、マーカス（2010年8月）「相関研究における効果量推定値の妥当性に対する脅威としてのランダム応答」教育心理測定誌70 ( 4): 596-612 . doi :10.1177/0013164410366686. ISSN  0013-1644. S2CID  145075745.
  120. ^ Huang, JL; Liu, M.; Bowling, NA (2015). 「不十分な対応努力：調査データにおける潜在的な交絡因子の検証」. Journal of Applied Psychology . 100 (3): 828– 845. doi :10.1037/a0038510. PMID  25495093 – APA PsychNet経由.
  121. ^ abc Riedl, Christoph; Kim, Young Ji; Gupta, Pranav; Malone, Thomas W.; Woolley, Anita Williams (2021年5月25日). 「人間集団における集合知の定量化」. Proceedings of the National Academy of Sciences . 118 (21) e2005737118. Bibcode :2021PNAS..11805737R. doi : 10.1073/pnas.2005737118 . ISSN  0027-8424. PMC 8166150. PMID 34001598  . 
  122. ^ ab Fornell, Claes; Larker, David (1981). 「観測不可能な変数と測定誤差を含む構造方程式モデル：代数と統計」. Journal of Marketing Research . 18 (3): 382– 388. doi :10.1177/002224378101800313. hdl : 2027.42/35622 .
  123. ^ abcdefg Szuba T., Computational Collective Intelligence、420ページ、Wiley NY、2001
  124. ^ ab Kowalczyk, Ryszard (2009年9月23日). 計算集合知能. セマンティックウェブ、ソーシャルネットワーク、マルチエージェントシステム：第1回国際会議、ICCCI 2009、ポーランド、ヴロツワフ、2009年10月5～7日、議事録. Springer Science & Business Media. ISBN 978-3-642-04440-3。
  125. ^ 管理者。「集団IQについて - ダグ・エンゲルバート研究所」。dougengelbart.org 。 2016年12月29日時点のオリジナルよりアーカイブ。 2016年12月11日閲覧。
  126. ^ 「集合知デザインセンター」.
  127. ^ 「ホーム」. acceleraterlabs.undp.org .
  128. ^ ab スロウィエツキ、ジェームズ (2007).群衆の知恵：なぜ多数は少数より賢いのか ロンドン: アバカス. ISBN 978-0-349-11605-1. OCLC  58997957。
  129. ^ ab Kaplan, Craig A. (2001). 「集合知：株価予測への新たなアプローチ」. 2001 IEEE 国際システム・人間・サイバネティクス会議. サイバースペースにおけるサイバネティクスのための電子システムと電子人間 (Cat.No.01CH37236) (PDF) . 第5巻. pp.  2893– 2898. doi :10.1109/ICSMC.2001.971949. ISBN 978-0-7803-7087-6. S2CID  4836176. 2017年6月10日時点のオリジナルよりアーカイブ（PDF） 。 2016年12月12日閲覧。
  130. ^ Ma, Ying; Li, Guanyi; Dong, Yingsai; Qin, Zengchang (2010). 「エージェントとデータマイニングの相互作用」(PDF) .エージェントとデータマイニングの相互作用, 第6回国際ワークショップ, ADMI 2010.コンピュータサイエンス講義ノート. 第5980巻. Bibcode :2010LNCS.5980.....C. doi :10.1007/978-3-642-15420-1. ISBN 978-3-642-15419-5. S2CID 36758062. 2012年10月21日時点の オリジナル（PDF）からアーカイブ。2012年3月2日閲覧。
  131. ^ Yu, Du; Dong, Yingsai; Qin, Zengchang; Wan, Tao (2011). 「進化型混合ゲーム学習モデルによる市場行動の探究」. 計算集合知能. テクノロジーとアプリケーション(PDF) . コンピュータサイエンス講義ノート. 第6922巻. pp.  244– 253. doi :10.1007/978-3-642-23935-9_24. ISBN 978-3-642-23934-2. 2017年9月19日時点のオリジナルよりアーカイブ(PDF) . 2019年5月10日閲覧。
  132. ^ Fama, EF (1970). 「効率的資本市場：理論と実証研究のレビュー」. Journal of Finance . 25 (2): 383– 417. doi :10.2307/2325486. JSTOR  2325486.
  133. ^ ab Jensen, MC (1967). 「1945年から1964年までの投資信託のパフォーマンス」. Journal of Finance . 23 (2): 389– 416. doi :10.1111/j.1540-6261.1968.tb00815.x. hdl : 10.1111/j.1540-6261.1968.tb00815.x .
  134. ^ ab 「『知性』に基づく投票数」. politics.stackexchange.com . 2016年12月20日時点のオリジナルよりアーカイブ。 2016年12月12日閲覧。
  135. ^ ランデモア、エレーヌ（2017年2月28日）. ランデモア、H.：民主的理性：政治、集合知、そして多数の支配. （電子書籍とペーパーバック）. プリンストン大学出版局. ISBN 978-0-691-17639-0. 2016年12月20日時点のオリジナルよりアーカイブ。2016年12月4日閲覧。
  136. ^ ab Bonabeau, E (2009). 「集合知の力」. MITスローン・マネジメント・レビュー. 50 : 45–52 . ProQuest  224962498.
  137. ^ マローン、トーマス・W.、ラウバッハー、ロバート、デラロカス、クリサ​​ントス（2009年2月3日）「群衆の活用：集合知のゲノムマッピング（報告書）」ニューヨーク州ロチェスター：社会科学研究ネットワーク。SSRN 1381502。MIT スローン研究論文番号4732-09。
  138. ^ デュヒッグ、チャールズ（2016年2月25日）「完璧なチーム構築の探求からGoogleが学んだこと」ニューヨーク・タイムズ。2017年2月23日時点のオリジナルよりアーカイブ。 2016年12月11日閲覧。
  139. ^ ab 「Global Futures Intelligence System」. millennium-project.org . 2016年12月25日時点のオリジナルよりアーカイブ。 2016年12月11日閲覧。
  140. ^ ab Weiss, A. (2005). 集合知の力. Collective Intelligence, pp. 19–23
  141. ^ ab ジェンキンス、ヘンリー (2002). 「インタラクティブな観客？メディアファンの集合知」（PDF） .ニューメディアブック.
  142. ^ MIT Center for Collective Intelligence（2010年6月11日アーカイブ）Wayback Machine . Cci.mit.edu. 2013年7月13日閲覧。
  143. ^ ジェンキンス、ヘンリー（2008年）『コンバージェンス・カルチャー：新旧メディアの衝突』ニューヨーク大学出版局、ISBN 978-0-8147-4295-2。
  144. ^ Scardamalia, Marlene; Bereiter, Carl (1994年7月1日). 「知識構築コミュニティのためのコンピュータ支援」. Journal of the Learning Sciences . 3 (3): 265– 283. CiteSeerX 10.1.1.600.463 . doi :10.1207/s15327809jls0303_3. 
  145. ^ 「数学は芸術的コラボレーションから推測を排除する」Vocativ、2014年7月9日。2014年10月1日時点のオリジナルよりアーカイブ。 2015年4月30日閲覧。
  146. ^ マシュー・アルドレッド、2016年5月。「What is Collective Intelligence Art?」2016年。2016年10月2日時点のオリジナルよりアーカイブ。2016年10月1日閲覧。
  147. ^ Amherst News Citizen Record、2016年3月17日。「オックスフォードでコミュニティ創造が進行中」。2016年。2016年10月6日時点のオリジナルよりアーカイブ。2016年10月1日閲覧。
  148. ^ オックスフォード地域教育センター「Nexus OREC」、2016年。2016年10月6日時点のオリジナルよりアーカイブ。2016年10月1日閲覧。
  149. ^ Aldred, Mathew (2016年5月23日). 「出現する『ハイブ・マインド』のアートワーク」. 2016年10月5日時点のオリジナルよりアーカイブ。 2016年10月1日閲覧。
  150. ^ “CI-Artイベント、オックスフォード・リバーサイド・ギャラリー「Nexus」オープニング”.オックスフォード・リバーサイド・ギャラリー. 2016年5月22日. 2016年10月2日時点のオリジナルよりアーカイブ。 2016年10月1日閲覧。
  151. ^ ab Millen, David R.; Feinberg, Jonathan; Kerr, Bernard (2006年1月1日). 「Dogear」. SIGCHI Conference on Human Factors in Computing Systems の議事録. CHI '06. ニューヨーク、ニューヨーク州、米国: ACM. pp.  111– 120. doi :10.1145/1124772.1124792. ISBN 978-1-59593-372-0. S2CID  18423803。
  152. ^ ab Harry Halpin、Valentin Robu、Hana Shepherd「協調タグ付けの複雑なダイナミクス」、Proceedings 6th International Conference on the World Wide Web (WWW'07)、バンフ、カナダ、pp. 211–220、ACM Press、2007。
  153. ^ Fu, Wai-Tat (2008). 「ソーシャルタグの微細構造：合理的モデル」. 2008 ACM コンピュータ支援協調作業会議論文集. pp.  229– 238. doi :10.1145/1460563.1460600. ISBN 978-1-60558-007-4. S2CID  2202814。 {{cite book}}:|journal=無視されました (ヘルプ)
  154. ^ Fu, Wai-Tat (2009年8月). 「ソーシャルタグ選択の意味的模倣モデル」. 2009年国際計算科学工学会議. pp.  66– 72. doi :10.1109/CSE.2009.382. ISBN 978-1-4244-5334-4. S2CID  10229043。
  155. ^ Valentin Robu、Harry Halpin、Hana Shepherd「協調タグ付けシステムにおけるコンセンサスと共有語彙の出現」、ACM Transactions on the Web (TWEB)、Vol.3(4)、記事14、ACM Press、2009年9月。
  156. ^ Carlos J. Costa、2012年1月。「Wall-itプロジェクトに関する記事」。2012年。2013年12月18日時点のオリジナルよりアーカイブ。2012年1月23日閲覧。
  157. ^ ジョン・AL・バンクス.「新しいメディア環境における参加型文化の交渉：オーランとトレインズ・オンライン・コミュニティ ― （不）可能な関係」 , クイーンズランド大学. 英語・メディア研究・美術史学部. MelbourneDAC2003
  158. ^ L, Lessig (2006) Code Version 2.0 (第2版). ニューヨーク: Basic Books.
  159. ^ Bray, DA & Konsynski, BR, 2007, Virtual Worlds, Virtual Economies, Virtual Institutions、2008年10月10日閲覧、p. 1-27 <http://ssrn.com/abstract=962501>
  160. ^ ab Gosney, JW、2005、「Beyond Reality: A Guide to Alternate Reality Gaming」、Thomson Course Technology、ボストン。
  161. ^ Lee, Sang M.他「Web 2.0サービスビジネスにおけるプラットフォームリーダーシップの成功要因」サービスビジネス4.2（2010）：89-103。
  162. ^ ab DNews (2015年6月3日). 「人間の群れがAIプラットフォームを支える」. 2015年6月21日時点のオリジナルよりアーカイブ。 2015年6月21日閲覧。
  163. ^ Rosenberg, Louis B.; AI, 全会一致; サンフランシスコ、サンフランシスコ; カリフォルニア州; 米国 (2016年1月1日). 2015年7月20日-2015年7月24日. 第13巻. pp.  658– 659. doi :10.7551/978-0-262-33027-5-ch117. ISBN 978-0-262-33027-5. 2015年10月27日時点のオリジナルよりアーカイブ。2015年10月12日閲覧。
  164. ^ Rosenberg, Louis B. (2015年9月). 「ヒューマン・スワーミング：並列分散知能のためのリアルタイム手法」 . Swarm/Human Blended Intelligence Workshop (SHBI). IEEE. pp.  1– 7. doi :10.1109/SHBI.2015.7321685. ISBN 978-1-4673-6522-2。
  165. ^ 「人工知能がケンタッキーダービーの賭けで20ドルを11,000ドルに変える」ニューズウィーク、2016年5月10日。2016年6月4日時点のオリジナルよりアーカイブ。 2016年6月4日閲覧。
  166. ^ Ohlheiser, Abby (2016年6月2日). 「AIハイブマインドがRedditの政治に関する熱い質問に答えたとき何が起こったのか」ワシントン・ポスト. 2016年6月4日時点のオリジナルよりアーカイブ。 2016年6月4日閲覧。
  167. ^ “Digital Photography Review”. dpreview.com . 2016年12月9日時点のオリジナルよりアーカイブ。2016年12月7日閲覧。
  168. ^ “カメラレビュー、デジタル一眼レフレビュー、レンズレビュー、写真撮影ガイド”. Cameralabs . 2016年12月10日時点のオリジナルよりアーカイブ。 2016年12月7日閲覧。
  169. ^ Luckin, R., du Boulay, B., Smith, H., Underwood, J., Fitzpatrick, G., Holmberg, J., Kerawalla, L., Tunley, H., Brewster, D. and Pearce, D. (2005)「モバイル技術を用いた柔軟な学習環境の創出」Wayback Machineで2019年1月8日にアーカイブ。Journal of Interactive Media in Education、22。
  170. ^ Luckin, R. (2006), 「学習コンテキストをリソースの生態系として理解する：最近接発達領域から学習者生成コンテキストへ」。2006年企業、政府、医療、高等教育におけるeラーニングに関する世界会議議事録にて発表。
  171. ^ Luckin, R., Shurville, S. and Browne, T. (2007)「後期多数派機関におけるステルス、参加、協議によるeラーニングの開始」Wayback Machineで2019年8月26日にアーカイブ。オープンアクセスアイコン 組織変革と社会変革ジャーナル、3（3）、317–332。doi ： 10.1386/jots.3.3.317_1
  172. ^ フルー、テリー；ハンフリーズ、サル（2005年）「ゲーム：テクノロジー、産業、文化」フルー、テリー編『ニューメディア入門』（第2版）サウスメルボルン：オックスフォード大学出版局、  101～ 114頁。
  173. ^ Jenkins (2002)、Flew & Humphreys (2005)
  174. ^ ab Vera, Dusya; Crossan, Mary (2004年6月1日). 「演劇的即興：組織への教訓」. Organization Studies . 25 (5): 727– 749. doi :10.1177/0170840604042412. S2CID  144386272.
  175. ^ Sawyer, R. Keith (2004年6月1日). 「即興授業：構成主義的教室における協働的ディスカッション」.教育学研究. 15 (2): 189– 201. doi :10.1080/1047621042000213610. S2CID  219643591.
  176. ^ ヘルド、デイヴィッド、マクグルー、アンソニー（2007年11月19日）。『グローバリゼーション／反グローバリゼーション：大いなる分裂を超えて』ポリティ、ISBN 978-0-7456-3911-6。
  177. ^ ab 「『反グローバル主義者』はインターネットを集合知として活用する ― 英国インディメディア」indymedia.org.uk。2016年12月20日時点のオリジナルよりアーカイブ。 2016年12月11日閲覧。
  178. ^ Jan Marco Leimeister、Michael Huber、Ulrich Bretschneider、Helmut Krcmar (2009): クラウドソーシングを活用する: IT ベースのアイデア コンペの活性化をサポートするコンポーネント。Journal of Management Information Systems (2009)、巻: 26、号: 1、発行元: ME Sharpe Inc.、ページ: 197–224、ISSN  0742-1222、doi :10.2753/MIS0742-1222260108 [1]、Winfried Ebner、Jan Marco Leimeister、Helmut Krcmar (2009): 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 - イノベーションのための仮想コミュニティを育成する手法としてのアイデア コンペ。 R&Dマネジメント、39(4)、pp 342–356 doi :10.1111/j.1467-9310.2009.00564.x [2]
  179. ^ Ebner, Winfried; Leimeister, Jan Marco; Krcmar, Helmut (2009年9月1日). 「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：イノベーションのための仮想コミュニティを育成する手法としてのアイデアコンペティション」（PDF） . R&D Management . 39 (4): 342– 356. doi :10.1111/j.1467-9310.2009.00564.x. S2CID 16316321. 2017年9月22日時点のオリジナルより アーカイブ（PDF） . 2019年10月2日閲覧。
  180. ^ Fladerer, Johannes-Paul; Kurzmann, Ernst (2019年11月). 『多数者の叡智：自己組織化をいかに創出し、企業と社会における集合知をどのように活用するか』（manaより）（ドイツ語）. BOOKS ON DEMAND. ISBN 978-3-7504-2242-1. 2019年12月23日時点のオリジナルよりアーカイブ。2019年12月23日閲覧。
  181. ^ Kittur, A., Lee, B. および Kraut, RE (2009)「集合知における調整: チーム構造とタスクの相互依存性の役割」、コンピューティングシステムにおけるヒューマンファクターに関する会議 – 議事録、pp. 1495–1504。
  182. ^ アブドゥル・カリム、カシフ（2015年11月23日）『ブラックシードを探して』Lulu.com、140ページ。ISBN 978-1-329-69489-7。[自費出版元]
  183. ^ abc 「フィリップ・ブラウンとヒュー・ローダーによる『資本主義と社会進歩』（続）」( The Guardian )、2001年6月18日。2016年12月21日時点のオリジナルよりアーカイブ。 2016年12月12日閲覧。
  184. ^ ブラウン＆ローダー 2000年、230ページ。
  185. ^ abc 「ジョン・ザーザン：反文明理論家、作家、講演者」johnzerzan.net。2016年12月4日時点のオリジナルよりアーカイブ。 2016年12月12日閲覧。
  186. ^ abc Moore, Jason W. (2001年1月1日). Arrighi, Giovanni; Silver, Beverly J. (編). 「歴史的観点から見たグローバリゼーション」. Science & Society . 65 (3): 386– 397. doi :10.1521/siso.65.3.386.17767. JSTOR  40403938.
  187. ^ "metamorphoptics". metamorphoptics.blogspot.com . 2016年12月13日時点のオリジナルよりアーカイブ。2016年12月12日閲覧。
  188. ^ ビル・ジョイ「なぜ未来は私たちを必要としないのか」WIRED . 2016年12月4日時点のオリジナルよりアーカイブ。 2016年12月12日閲覧。

引用文献

  • ブラウン、フィリップ、ローダー、ヒュー (2000)「集合知」、バロン、S、フィールド、シュラー、T (編)『社会資本：批判的視点』オックスフォード大学出版局、ISBN 978-0-19-158324-7。
  • フルー、テリー（2008年）『ニューメディア入門』（第3版）サウスメルボルン：オックスフォード大学出版局。ISBN 978-0-19-555149-5. OCLC  225484017。
  • フルー、テリー（2014年）『ニューメディア』（第4版）オックスフォード大学出版局。ISBN 978-0-19-557785-3。

さらに読む

  • ブラウン、フィリップ、ローダー、ヒュー (2001)「集合知」。ブラウン、ローダー編『資本主義と社会進歩：グローバル経済における社会の未来』パルグレイブ、ISBN 978-0-333-98538-0。
  • ファドゥル、ホセ・A. (2009). 「集団学習：分散認知を集合知に応用する」.国際学習ジャーナル. 16 (4): 211– 220. doi :10.18848/1447-9494/cgp/v16i04/46223.
  • 「ワールドファクトブック」中央情報局、2008年。 2008年9月3日閲覧。
  • フラデラー、ヨハネス＝ポール (2019). 『多数の叡智：企業と社会における自己組織化の創出と集合知の活用方法 マネジメントからマネジメントへ』 ノルダーシュテット: BoD. ISBN 978-3-7504-2242-1。
  • ハマン、ハイコ（2018）『群ロボット工学：形式的アプローチ』シュプリンガー、ISBN 978-3-319-74528-2。
  • ホフスタッター、ダグラス（1979年）『ゲーデル、エッシャー、バッハ：永遠の黄金の編み紐』ベーシックブックス、ISBN 978-0-465-02656-2。
  • Leimeister, Jan Marco (2010). 「インテリジェンス」. Business & Information Systems Engineering . 2 (4): 245–8 . doi : 10.1007/s12599-010-0114-8 . S2CID  7575575. 2011年7月26日時点のオリジナルよりアーカイブ。
  • ライナー（バリー）、サーフ（ヴィントン）、クラーク（デイビッド）、カーン（ロバート）、クラインロック（レナード）、リンチ（ダニエル）、ポステル（ジョン）、ロバーツ（ラリー）、ウルフ（スティーブン）（2003年）。『インターネット小史』（報告書）。バージョン3.32 。 2008年9月3日閲覧。
  • ヌーベル、ジャン＝フランソワ（2007年）「集合知：目に見えない革命」
  • ジョージ・ポル（1995年）「集合知の探求」K・ゴズズ編『コミュニティ構築：ビジネスにおける精神と学習の再生』サンフランシスコ：ニューリーダーズ・プレス、ISBN 978-0-9630390-5-7。
  • ラインゴールド、ハワード（2007年）『スマート・モブ：次なる社会革命』ハシェット社、ISBN 978-0-465-00439-3。
  • ロン・サン編（2006年）『認知とマルチエージェント・インタラクション』ケンブリッジ大学出版局、ISBN 978-0-521-83964-8。
  • ローゼンバーグ, L. (2015). 「ヒューマン・スウォーム：集合知のためのリアルタイム手法」（PDF） .欧州人工生命会議 (ECAL 2015) 議事録. pp.  658–9 .
  • リードル（クリストフ）、ブローム（イヴォ）、ライマイスター（ヤン・マルコ）、クルチュマー（ヘルムート）（2010年）「イノベーションコミュニティにおける集合知の評価尺度：迅速かつ容易な意思決定が必ずしも正しい判断につながらない理由」（PDF）。第31回国際情報システム会議、セントルイス、2010年。2011年7月19日時点のオリジナル（PDF）からアーカイブ。
  • ラダコフ、ドミトリー・ヴィクトロヴィッチ（1973年）『魚類生態学における群れ』ワイリー社ISBN 978-0-470-70482-0。
  • レイヴン、ジーン編（2008年）『インテリジェンスの活用と濫用』ユニオンビル（ニューヨーク州）：ロイヤル・ファイアーワークス・プレス。ISBN 978-0-89824-356-7。
  • Chowdhury, Soudip Roy; Rodriguez, Carlos; Daniel, Florian; Casati, Fabio (2010). Wisdom-aware Computing: on the interactive recommendations of composition knowledge. Icsoc'10. pp. 144–155. ISBN 978-3-642-19393-4。
  • Diasio, SR; Agell, N. (2009). 「意思決定支援技術における専門知識の進化：組織にとっての課題」.第13回国際コンピュータ支援設計協同作業会議. pp.  692–7 . doi :10.1109/CSCWD.2009.4968139. ISBN 978-1-4244-3534-0. S2CID  14678705。
  • Kaiser, C.; Kröckel, J.; Bodendorf, F. (2010). 「オンラインコミュニティにおける意見分析のための群知能」.第43回ハワイ国際システム科学会議議事録. pp.  1– 9. doi :10.1109/HICSS.2010.356. ISBN 978-1-4244-5509-6. S2CID  10383747。
  • ポール、アニー・マーフィー（2021年）『拡張された心：脳の外側で考える力』ボストン：ホートン・ミフリン・ハーコート、ISBN 978-0-544-94766-5。
  • バルツァーセン、ロルフ・K. (2022). 『集合知の文化史的視点：問題解決とイノベーションのパターン』ケンブリッジ：ケンブリッジ大学出版局. ISBN 978-1-108-98136-1。
  • コーンバーガー、マーティン（2022年）『分散型・集団行動戦略：点と点をつなぐ』ニューヨーク：オックスフォード大学出版局、ISBN 978-0-19-886430-1。
  • レナード、ナオミ・エーリッヒ；レビン、サイモン・A（2022年8月）「公共財としての集合知」『集合知』1 (1) 26339137221083293. doi : 10.1177/26339137221083293 .
集合知に関する図書館資料
  • ライブラリ内のリソース
  • 他の図書館のリソース
  • CIRI – 集合知能研究所 2012年3月12日アーカイブ-集合知能に関する研究開発の非営利団体
  • 集合知の地球気候変動状況室への応用。2009年に韓国の金泉市でミレニアム プロジェクトによって設計および実装され、Wayback Machineに 2020 年 11 月 6 日にアーカイブされました。
  • MIT集合知ハンドブック
  • 社会の市民知性の育成Wayback Machineに 2006 年 2 月 16 日にアーカイブDoug Schuler Journal of Society, Information and Communication、vol 4 No. 2。
  • ジェニファー・H・ワトキンス（2007年）「集団知能の集約メカニズムとしての予測市場」ロスアラモス国立研究所の集団知能に関する論文
  • 佐々木秀康 (2010). 国際組織・集団知能ジャーナル (IJOCI), 第1巻第1号.
  • 集合知フレームワーク、集合知を活用するためのオープンソースフレームワーク
  • ライムント・ミニヒバウアー (2012). 断片化された集団. 電子ネットワークにおける「集合知」の政治について, 横断的 01 12, 「不安定な知識」
  • Aşk büyüsü