Reasoning about Emergence of Collective Memory
我们提供了一个关于集体记忆如何形成的非常简单的模型。代理在邻域内保持信号，并且取决于有多少支持每个信号，一些信号在该邻域中“获胜”。通过不同社区之间的代理交互，“影响力”传播，有时会出现集体信号。我们提出了一个逻辑，我们可以在其中的原因，这种出现的记忆和目前的初步技术成果的逻辑。
2021-06-22 cs.DC cs.FL cs.SI
Motivations for Participation in Socially Networked Collective Intelligence Systems
集体智慧系统面临的最重大挑战之一是如何鼓励产生高质量数据所需的规模的参与。本文详细介绍了正在进行的工作与短语侦探，在Facebook上部署的一个在线游戏的目的，并调查用户参与社交网络游戏的动机，其中群众的智慧产生有用的数据。
2012-04-18 cs.SI physics.soc-ph
The Ties that Bind Networks: Weak Ties Facilitate the Emergence of Collective Memories
从家庭到国家，社会群体中的个体之间的联系是他们共享信仰、规范和记忆的程度。虽然当地的群体沟通的个人可以维持共享的记忆和规范，社区的特点是孤立的派系容易受到信息碎片化和极化动态。我们在实验室创建的社区中进行实验操作，以研究会话互动的时间动态如何塑造集体记忆的形成。我们表明，当个人桥梁集团（即，弱联系）在一系列网络化交互中的早期进行通信，与当个体首次在集团内交互时相比，社区达到更高的记忆收敛（即，强关系）。我们发现，这是由于信息多样性和累积重叠随着时间的推移之间的权衡。通过使用数据校准模型，我们将这些发现扩展到更大，更复杂的网络结构。我们的方法提供了一个框架来分析和设计通信网络中的干预措施，以优化共享记忆并减少信息泡沫和两极分化的可能性。
2017-05-19 cs.SI
Mechanisms of True and False Rumor Sharing in Social Media: Collective Intelligence or Herd Behavior?
社交媒体平台传播大量在线内容，包括真实的，特别是虚假的谣言。以往的文献研究了离线谣言的传播，但需要更多的研究来了解网络谣言的传播。在本文中，我们研究了真实与虚假谣言在社交媒体分享行为中的作用。基于126，301个Twitter级联，我们发现分享行为的特征是终身和人群效应，这解释了真实谣言与虚假谣言传播的差异。在其他条件相同的情况下，我们发现，更长的生命周期与更少的分享活动有关，但虚假谣言的分享减少比真实谣言的减少更大。因此，寿命是解释为什么虚假谣言消亡的一个重要决定因素。此外，我们发现，虚假谣言的传播是以羊群效应（而不是集体智慧）为特征的，因此虚假谣言的传播在更大的转发深度上变得越来越多。这些发现解释了真实和虚假谣言的传播动力学差异，并进一步为社交媒体平台提供了实际意义。
2023-03-21 cs.SI
Learning from Collective Intelligence in Groups
Beckman Institute, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校贝克曼研究所）；IBM T.J. Watson Research Center（IBM托马斯·J·沃森研究中心）
集合来自大量群体的共享信息的集体智慧通常受到具有低质量数据的不可靠信息源的负面影响。这成为在各种应用中有效使用集体智慧的障碍。为了解决这个问题，我们提出了一个概率模型来联合评估源的可靠性，并找到真实的数据。我们注意到，不同的来源往往不是相互独立的。相反，信息源往往相互影响，这使得它们在相互共享信息时相互依赖。来源之间的高度依赖性使得集体智慧容易受到过度使用来自依赖来源的冗余（可能是不正确的）信息的影响。因此，我们揭示了潜在的群体结构之间的依赖源，并聚集在群体水平上的信息，而不是直接从个人来源。这可以防止集体智慧不适当地被依赖的来源所支配。我们还将明确揭示群体的可靠性，并最大限度地减少不可靠群体的负面影响。在真实数据集上的实验结果表明了该方法相对于现有算法的有效性。
2012-10-03 cs.LG cs.SI
Topological collapse of higher-order interactions bottlenecks collective intelligence in AI agent societies
NLPR, CASIA（自动化研究所模式识别国家重点实验室）；Xiaomi Inc.（小米公司）
该研究发现AI智能体社群中高阶交互的拓扑崩溃会成为集体智能瓶颈，提出HIS和Φ指标，证实该瓶颈与模型无关，为人工社会设计提供了新方向。
2026-08-18 cs.SI
Collective Intelligence Heuristic: An Experimental Evidence
本研究的主要目的是在一个匿名的虚拟环境中研究集体智能现象。特别是，我们感兴趣的是研究如何将一个固定的社区划分为不同的群体规模，在实验的不同阶段，解决不同复杂性的任务，影响社会问题解决过程。216名大学生参与的实验表明，在面对复杂任务的小群体中，合作行为更强：合作概率与群体规模和任务难易程度呈负相关。当问题过于复杂时，个人似乎会激活集体智慧。一些社会心理变量被认为是为了检查他们如何影响参与者的合作行为，但他们似乎没有显着影响个人合作的概率，支持的想法，部分去个性化在虚拟环境中运行。
2016-09-20 cs.SI physics.soc-ph
Crowdsourcing Collective Emotional Intelligence
情绪智力的标志之一是调节情绪的能力。研究表明，认知重新评估--一种涉及重新解释思想或情况的意义的技术--可以下调负面情绪，而不会产生重大的心理或生理代价。习惯使用这种策略也与身体和情绪健康的许多关键指标有关。不幸的是，这种技术并不总是很容易应用。灵活地思考有压力的想法和情况需要创造力和镇定，而这些能力在我们最需要的时候往往会消失。在本文中，我们提出了一种辅助技术，根据需要协调集体智慧，帮助个人重新评估压力的想法和情况。在两个实验中，我们评估了我们的设计的关键功能，我们证明了众包共情重新评估与按需劳动力，如亚马逊的土耳其机械的可行性。
2012-04-16 cs.HC cs.SI
Social Technologies for Developing Collective Intelligence in Networked Society
我们项目中的科学问题被定义为一个问题：社会技术如何有助于智能和包容性社会的发展？我们研究的主题是网络项目（虚拟CI系统），其中包括集体决策工具和创新机制，允许和鼓励个人和团队的创造力，创业精神，在线协作，新形式的自我监管和自我治理，社区的自我配置，通过考虑这些项目作为CI出现的催化剂。这些理论问题的答案可能会产生巨大的实际影响，影响社会技术在实践中更合理和复杂的应用。
2014-06-29 cs.CY cs.SI
The Wisdom of the Network: How Adaptive Networks Promote Collective Intelligence
社交网络不断变化，新的关系被创建，现有的关系消失。人们普遍注意到，我们的社会嵌入对我们接收的信息以及我们如何形成信念和做出决定产生了强烈的影响。然而，大多数关于社交网络在集体智慧中作用的实证研究都忽视了社交网络的动态本质及其在培养适应性集体智慧中的作用。目前尚不清楚（1）网络结构如何适应个人的属性，以及（2）这种适应是否会提高个人和集体决策的准确性。在这里，我们通过一系列行为实验和支持模拟来回答这些问题。我们的研究结果表明，社会网络的可塑性存在的反馈，可以适应有偏见和不断变化的信息环境，并产生集体的估计，是更准确的比他们的最佳表现的成员。我们探索了两种机制来解释这些结果：（1）一种全局适应机制，其中网络本身的结构连接性发生变化，从而放大了群体中高绩效成员的估计;（2）一种局部适应机制，其中准确的个体更能抵抗社会影响，因此他们的初始信念在集体估计中的权重不成比例。因此，我们的研究结果证实了社会网络的可塑性和反馈的作用，完善个人和集体的判断自适应机制。
2020-05-29 cs.SI physics.soc-ph
YASCA: A collective intelligence approach for community detection in complex networks
在本文中，我们提出了一个独特的方法，在复杂网络中的社区发现。该方法属于以种子为中心的算法家族。然而，而不是扩大社区周围选定的种子，因为大多数现有的方法，我们在这里探索应用集成聚类方法，以不同的网络分区来自自我为中心的社区计算每个选定的种子。以自我为中心的社区本身计算应用最近提出的合奏排名为基础的方法，允许有效地结合各种本地模块化用于指导贪婪的优化过程。第一个实验的结果，在现实世界的网络，其中地面真相分解成社区是已知的，认为我们的方法的有效性。
2014-01-17 cs.SI physics.soc-ph
Can simple transmission chains foster collective intelligence in binary-choice tasks?
在许多社会系统中，一群人可以为复杂的认知问题找到非常有效的解决方案，有时甚至比一个专家更有效。然而，团队的成功关键取决于如何将团队成员的判断聚合起来，以产生集体的答案。在文献中描述了大量各种各样的这种汇总方法，例如对独立判断进行平均，依靠大多数人或进行小组讨论。在目前的工作中，我们介绍了一种新的方法聚合的判断-传输链-尚未得到一致的集体智慧的背景下进行评估。在传输链中，所有组成员都可以访问唯一的集体解决方案，并可以依次改进它。经过反复的改进，出现的集体解决方案反映了每个小组成员的判断。我们解决这样的传输链是否可以促进集体智慧的二元选择问题的问题。在一系列的数值模拟中，我们探讨了各种因素对传输链性能的影响，如组的大小，模型参数和人口的结构。该方法的性能进行比较的多数规则和信任加权多数。最后，我们依赖于两个现有的数据集的个人执行一系列的二元决策，以评估预期的性能的三种方法的经验。我们发现，参数空间的传输链具有最佳的性能很少出现在真实的数据集。我们的结论是，传输链是最适合于其他类型的问题，如那些具有累积属性。
2017-01-02 cs.SI physics.soc-ph
Collective intelligence: aggregation of information from neighbors in a guessing game
复杂系统表现出聚集信息和显示协调活动的能力。在社会系统中，不同个体的相互作用导致规范的出现，政治立场，观点，文化特征甚至科学进步的趋势。集体行为的例子可以在维基百科和Linux等活动中观察到，在这些活动中，个人为了社区的利益而聚集他们的知识，而公民科学则利用集体解决复杂问题的潜力。在这里，我们进行了一个在线实验，以调查的表现集体解决猜测问题，其中每个演员被赋予部分信息，并放置在一个互动网络的节点。我们测量的准确性的时间演变方面的集体的性能，发现两类网络，规则的格子和随机网络的性能没有统计差异。我们还确定，贝叶斯描述捕获的行为模式的个人遵循聚合信息从邻居做出决定。与其他简单的决策模型相比，玩家遵循的策略揭示了集体的次优表现。我们的贡献提供了基于个人的描述和集体现象之间的微观宏观联系的基础。
2016-03-29 cs.SI physics.soc-ph
Diffusion geometry unravels the emergence of functional clusters in collective phenomena
Universitat Rovira i Virgili（罗维拉-威尔吉利大学）
集体现象产生于自然或人工单位与复杂组织的相互作用。结构模式和动力学之间的相互作用可能会导致功能集群，一般来说，是不同的拓扑结构。在生物系统中，如人类大脑，整体功能通常受到连接性和同步动力学之间的相互作用的青睐，在大多数情况下，功能集群与解剖模块并不一致。在社会、社会技术和工程系统中，对共识的追求有利于集群的出现。尽管许多复杂系统的中尺度组织及其相互连接的异质性有着不容置疑的证据，但我们仍然无法预测和识别集体现象中功能模块的出现。在这里，我们提出了一种基于随机游走动力学的方法来定义网络系统中任何一对单元之间的扩散距离。这样一个度量允许利用底层的扩散几何提供一个统一的框架，在复杂的网络亚稳态同步，共识和随机搜索动态之间的密切关系，精确定位的功能合成和生物系统的中尺度组织。
2017-04-24 cond-mat.dis-nn cs.LG cs.SI
An active inference model of collective intelligence
Carnegie Mellon University（卡内基梅隆大学）；University of Oxford（牛津大学）；Australian National University（澳大利亚国立大学）
到目前为止，集体智慧的正式模型缺乏一个合理的数学描述之间的关系高度自治的子系统组件（个人）和复合系统（集体）的全球规模的行为之间的局部规模的相互作用。在本文中，我们使用的主动推理公式（AIF），一个框架，用于解释任何非平衡稳态系统在任何规模的行为，以建立一个最小的基于代理的模型，模拟本地个人层面的互动和集体智慧（操作系统级的性能）之间的关系。我们探讨了提供具有特定认知能力的基线AIF代理（模型1）的影响：心理理论（模型2）;目标对齐（模型3）和具有目标对齐的心理理论（模型4）。认知能力复杂性的这些逐步转变是由AIF代理在由其他AIF代理填充的环境中持续和蓬勃发展所必需的进步类型所激发的，并且最近也被证明自然映射到人类认知能力的典型步骤。说明性的结果表明，逐步认知过渡，提高系统性能，提供互补的机制，代理的局部和全局最优之间的对齐。对齐从相互作用的AIF代理本身的动态中内生地出现，而不是通过对代理行为的激励（与现有的集体智能的计算模型相反）或集体行为的自上而下的先验（与现有的AIF多尺度模拟相反）来外源地施加。这些结果揭示了有利于人类和其他复杂适应系统中集体智慧的通用信息理论模式的类型。
2021-04-02 cs.AI cs.MA cs.SI
Collective Intelligence in Citizen Science -- A Study of Performers and Talkers
最近出现的在线公民科学说明了一种有效和高效的手段，可以利用人群来实现一系列科学发现。从根本上说，公民科学项目吸引了大量的非专家志愿者来完成短期任务，这些任务在领域和复杂性上可能有所不同。然而，与大多数人类计算系统不同的是，这些系统的参与者，“公民科学家”是志愿者，因此不提供任何经济或其他激励措施。此外，在Zooniverse等公民科学平台的鼓励下，在线社区已经出现，为他们提供了一个讨论，分享想法和解决问题的环境。事实上，正是这些论坛的结果，使许多科学发现得以实现。在本文中，我们通过在线公民科学社区的活动和科学知识的发现之间的关系，探讨集体智慧的现象。我们对10个Zooniverse公民科学项目进行了跨项目分析，并分析了用户在完成任务活动和参与讨论方面的行为，并发现了高度活跃的用户的集体行为。虽然我们的研究结果对未来的公民科学设计有影响，但我们也考虑了对理解集体智慧研究的更广泛影响。
2014-06-29 cs.CY cs.SI physics.soc-ph
Emergence of Collective Accuracy in Socially Connected Networks
研究社会连接网络中集体决策的准确性，通过解析证明在大群体极限下正确多数的概率收敛于正则化不完全 beta 函数，并发现网络介导的影响能增强群体绩效，为弹性决策系统设计提供参考。
2025-04-26 cs.GT cs.SI stat.ME
Soft Measures for Extracting Causal Collective Intelligence
Michigan State University（密歇根州立大学）；Two Six Technologies；University of South Alabama（南阿拉巴马大学）；SIFT
本文提出用大语言模型自动提取模糊认知图，并设计基于图的软相似性度量，通过Elo评分验证其与人类判断的相关性，指出需开发更贴合FCM细微差别的度量方法。
2024-09-27 cs.AI cs.CL cs.CY
Detecting Emerging Technologies in Artificial Intelligence Scientific Ecosystem Using an Indicator-based Model
Concordia University（康考迪亚大学）；National Research Council Canada（加拿大国家研究委员会）
由于其对社会的潜在影响，早期识别紧急主题具有突出的重要性。有许多方法可以检测新出现的术语和主题，它们都有优点和缺点。然而，关于涌现的属性和指标没有达成共识。在本研究中，我们使用一种评估新兴性的新方法来评估人工智能领域的新兴主题检测。我们还介绍了两个新的属性的合作和技术的影响，这可以帮助我们同时使用纸张和专利信息。我们的研究结果证实，所提出的新方法可以成功地识别研究期间的新兴主题。此外，这种新方法可以为我们提供每个属性的得分和最终的出现得分，这使得我们能够根据出现得分和每个属性得分对新兴主题进行排名。
2022-10-06 cs.AI cs.CL cs.DL
Diversity of Skills and Collective Intelligence in GitHub
一个普遍的假设是，个人倾向于与与他们相似的人一起工作。然而，对团队工作和团队解决复杂问题的能力的研究强调，多样性在协作过程中起着关键作用，可以传播信息。在本文中，我们调查了开源社区中GitHub用户之间的连接模式。为此，我们使用社会网络分析和自组织地图作为相似性度量。文本工件的分析揭示了这些连接的作用。我们发现，技能的多样性在交换信息的用户之间建立联系方面起着至关重要的作用（例如，在问题、评论和后续网络中）。网络中与实际编码相关的连接是在具有相似特征的用户之间建立的。与存储库所有者不同的用户比类似的用户更经常地报告错误、问题和寻求帮助。
2021-10-13 cs.CY cs.SI
Social Networks as a Collective Intelligence: An Examination of the Python Ecosystem
Python生态系统代表了一个全球性的、数据丰富的、技术支持的网络。通过分析Python的依赖关系网络，它的前14个最重要的库和cPython（或核心Python）库，这项研究发现了明确的证据，Python网络可以被视为解决问题的网络。对前14个库和cPython的贡献者网络的分析揭示了紧急专业化，其中特定库的专家被隔离和集中，而其他专家将这些关键库连接在一起，优化本地和全球信息交换效率。随着这些网络的扩展，局部效率下降，而密度增加，代表了开发（优化工作解决方案）和探索（寻找新的解决方案）之间的可能过渡点。这些结果提供了深入了解技术支持的社交网络的最佳功能，并可能对现代组织的有效运作产生更大的影响。
2022-01-16 cs.PL cs.SI
The Evolution of Coordination in a Collective Intelligence System: 25 Years of English Wikipedia and the Emergence of Generative AI
King’s College London（伦敦国王学院）
基于对英语维基百科近25年的纵向分析，研究发现协调空间参与度相对内容生产有所下降，编辑行为更专业化，且生成式AI未从根本上改变协调与参与的长期趋势。
2026-09-16 cs.AI cs.HC cs.SI
Network Structure and Collective Intelligence in the Diffusion of Innovation
当多种创新竞争采用时，导致早期优势的历史机会可以产生锁定效应，使次优创新以牺牲更优的替代品为代价获得成功。关于创新扩散的研究已经确定了许多早期优势的可能来源，但这些机制既有利于最优创新，也有利于次优创新。本文超越了机会作为解释，以确定结构性原则，系统地影响的可能性，最佳战略将蔓延。一个正式的创新扩散模型表明，组织关系的网络结构可以系统地影响广泛采用的创新将是最佳回报的可能性。基于先前的扩散研究，本文侧重于中心行为者的作用，即良好连接的人或公司。虽然扩散的传染模型突出了中心行为者对进一步更快地传播创新的好处，但本分析揭示了这种影响的阴暗面：网络中仅仅存在中心行为者就增加了采用率，但也增加了次优结果的可能性。然而，这种效应并不代表速度最优性的权衡，因为密集网络既快速又最优。这一发现与相关研究一致，表明网络中心化会破坏集体智慧。
2023-01-30 cs.SI econ.GN physics.soc-ph
A Survey on Social-Physical Sensing: An Emerging Sensing Paradigm that Explores the Collective Intelligence of Humans and Machine
在无处不在的多功能数据捕获、通信和计算技术的推动下，物理传感彻底改变了决定性地解释现实世界的途径。然而，各种限制阻碍了物理感测在关键场景中的有效性，例如灾害响应和城市异常检测。与此同时，社会感测是设计作为一个普遍的感测范式，利用观察配备便携式设备和无处不在的互联网连接感知环境的人类参与者。尽管有其优点，但社会感测也固有地遭受一些缺点（例如，不一致的可靠性和不确定的数据来源）。受两种感知模式的互补优势的激励，社会物理感知（SPS）作为一种新兴的感知范式而突出，该范式探索人类和机器的集体智慧，以重建物理和社会的“世界状态”。虽然已经研究了大量有趣的SPS应用，但SPS中仍然存在一些关键的未解决的挑战。在本文中，我们提供了一个全面的调查SPS，强调其定义，关键使能因素，最先进的应用，潜在的研究挑战，以及未来工作的路线图。本文旨在弥合现有的感知为重点的调查文件的知识差距，通过彻底检查SPS的各个方面，建立强大的SPS系统至关重要。
2023-03-14 cs.SI eess.IV stat.CO
Mapping the co-evolution of artificial intelligence, robotics, and the internet of things over 20 years (1998-2017)
了解科学和技术（S&T）领域的出现，共同进化和融合为研究人员，管理人员，政策制定者和其他人提供了竞争情报。由此产生的数据驱动的决策支持有助于确定适当的研发（R&D）优先事项;制定未来的科技投资战略;监控主要作者，组织或国家;进行有效的研究计划评估;并实施尖端的教育/培训工作。本文介绍了通过专家调查验证的新的资金，出版物和学术网络指标和可视化。这些指标和可视化展示了过去20年（1998-2017）中三个战略利益领域的出现和融合：人工智能（AI），机器人技术和物联网（IoT）。对于32，716篇出版物和4，497个NSF奖项，我们确定了它们的概念空间（使用UCSD科学地图），地理空间网络和共同进化景观。研究结果表明，知识的转变（通过跨学科出版物和引用）和新概念的出现（通过术语爆发）如何为跨学科研究和新学科创造了切实的潜力。
2020-06-03 cs.DL cs.IR cs.SI
Human collective intelligence as distributed Bayesian inference
MIT Media Lab（麻省理工学院媒体实验室）；Australian National University（澳大利亚国立大学）；Tel-Aviv University（特拉维夫大学）；MIT（麻省理工学院）
集体智慧被认为是人类社会取得巨大成功的基础。准确的共同信念的形成是人类集体智慧的关键组成部分之一。在由易犯错误的个体组成的群体中，正确的共同信念是如何形成的？解决这个问题需要多尺度分析。我们必须了解人们使用的个人决策机制，以及这些机制的属性和动态。到目前为止，这种方法的数学工具一直缺乏。为了解决这一差距，我们引入了一个新的分析框架：我们提出，通过分布式贝叶斯推理，群体达到准确的共享信念。分布式推理通过个体层面的信息处理发生，并在群体层面产生合理的信念形成。我们在一个新的人类社会决策模型中实例化了这个框架，我们使用我们收集的超过50，000名在线社交交易平台用户的数据集进行验证，投资者在外汇和其他资产市场上使用真实货币模仿彼此的交易。我们发现，在这种情况下，人们使用的决策机制，其中流行被视为一个先验分布的决定是最好的。这种机制是有限的理性在个人层面上，但我们证明，在聚合实现了一种近似的“汤普森抽样”-一个著名的和高效的单代理贝叶斯机器学习算法顺序决策。因此，分布式贝叶斯推理的视角揭示了集体理性是如何从人们使用的有限理性决策机制中产生的。
2016-08-05 cs.AI cs.CY cs.GT
