釋放集體超智慧的力量:提升創新與合作的途徑

理解超智慧:走向集體智慧的道路

「超智慧」這一術語越來越多地被用來描述預期能在各種任務中超越人類認知能力的人工智慧(AI)系統,涵蓋邏輯推理、創造力和直覺等領域。曾經看似遙遠的可能性,如今被認為距今不到十年,這引發了政策制定者和研究人員的重大關注。一個主要的擔憂是,人工超智慧(ASI)的創造可能缺乏人類的價值觀、道德和目標。

為了減輕這一風險,一些研究人員致力於設計符合人類價值觀的AI系統。舉例來說,Anthropic公司正在開發一種名為憲法AI的方法,旨在建立一套原則框架以指導AI行為。同時,OpenAI則正在推進一項名為超對齊的策略,將20%的計算能力專注於這一重要問題。

然而,這引出了急迫的問題:是否存在更安全的通向超智慧的途徑?我相信有—這是一個稱為集體超智慧(CSi)的概念。在過去十年裡,我作為AI研究者,專注於這一方法。CSi旨在通過將大量群體連接成能夠協作解決複雜問題的系統來增強人類智慧。這一方法確保人類的價值觀和道德考量在決策過程中得到融合。

儘管聽起來不尋常,但這與許多社會物種所觀察到的自然進化步驟相符合,這被稱為群體智慧。這一現象使得魚群、蜜蜂和鳥群能夠在沒有中央控制的情況下有效導航。它們不是依賴投票或民調,而是形成實時互動系統(群體),自然而然地搜集最佳解決方案。

如果這一模型可以用於魚類和鳥類,為何不可以應用於人類?

這個問題促進了我對人類群體能否作為超智慧系統運作的研究。2014年,我創立了Unanimous AI,旨在模擬生物群體。我們的初步技術採用了非語言方法,允許數百名用戶通過操控圖形道具共同回答問題,同時AI算法分析他們的互動以評估他們的信念水平。

我們的系統有效地針對各種事件生成群體預測,甚至讓懷疑者感到驚訝。例如,在2016年,一名CBS記者請求對肯塔基德比的預測,並在根據我們群體的預測下注後成功獲利,這充分展示了集體超智慧的潛力。隨後的學術研究驗證了群體AI在金融預測、醫療診斷等不同領域的應用。

儘管取得了這些進展,真正的超智慧仍然難以實現,因為以往的方法僅解決狹隘的問題。要創造全面的人類動力超智慧,技術必須具備靈活性,以促進人們在複雜議題上的討論—運用人類最強大的工具:語言。

然而,讓大型群體進行一致、實時的對話面臨挑戰。研究顯示,有效討論的最佳群體規模為四到七人。超過這一人數,交談動態往往從精彩的對話變為片段獨白。這一限制似乎難以克服,但最近AI,特別是大型語言模型(LLM)的發展,為構建人類群體開啟了新可能。

名為對話群體智慧(CSI)的新技術有望改變群體討論複雜議題的方式,允許近乎任何規模的群體(從200到200萬)進行實時對話,釋放群體智慧的自然擴增特性。

受魚群交流機制的啟發,我們將這一概念適應於人類。通過一種名為超群體的設計,大型群體被劃分為重疊的小組。例如,1000人的網絡可以細分成小組,以促進平行對話,增強深思熟慮的論辯。

然而,僅僅創造平行小組並不足以實現群體智慧;必須促進信息在小組之間的流動。這可以通過引入AI代理來實現,模擬魚類的側線器官。這些觀察者代理在LLM的驅動下,提煉和傳播洞察,確保知識的擴散。

最近的研究通過改編自Sir Francis Galton於1906年的實驗測試了這一概念。在測試中,240名參與者估算一罐泡泡糖的數量。他們的個人估算出現了分歧,平均誤差達到55%。相比之下,統計平均值的收集使準確性提高到25%,而ChatGPT的估算誤差為42%。最值得注意的是,對話群體方法的表現超過了個人和ChatGPT,實現了驚人的12%誤差率。

Most people like

Find AI tools in YBX