理解超智能：通向集体智能的道路
“超智能”一词越来越多地被用来描述将来可能超越人类认知能力的人工智能系统，这些能力涵盖逻辑、推理、创造力和直觉等各个方面。曾经看似遥不可及的未来，如今被认为在不到十年的时间内可能实现，这引发了政策制定者和研究人员的深切担忧。一个主要的担忧是，可能出现一种缺乏人类价值观、道德和目标的人工超智能（ASI）。
为了降低这一风险，一些研究人员致力于设计与人类价值观一致的人工智能系统。例如，Anthropic正在研发一种名为“宪法人工智能”的方法，以建立一套原则框架来规范AI行为。同时，OpenAI也在推进名为“超级对齐”的策略，专注于这一关键问题，并将20%的计算能力分配给此项工作。
然而，这引发了一个紧迫的问题：是否存在更安全的实现超智能的途径？
我相信答案是肯定的，一个被称为“集体超智能”（CSi）的概念。过去十年中，我作为人工智能研究者重点关注这一方法。集体超智能旨在通过将大规模人群连接成能够协作解决复杂问题的系统，来增强人类智能。这一方法确保人类的价值观和道德考量贯穿决策过程。
尽管这一观点听起来不寻常，但它与许多社会物种的自然进化步骤相吻合，即“群体智能”。这种现象使鱼群、蜜蜂群和鸟群等在没有中央控制的情况下有效地导航环境。与依靠投票或民意调查不同，它们形成实时互动的系统（群体），共同寻求最佳解决方案。
如果这一模型适用于鱼类和鸟类，为什么不适用于人类呢？
这个问题激励着我研究人类群体能否作为超智能系统运作。2014年，我创立了Unanimous AI，旨在模拟生物群体。我们的初始技术采用非言语方法，允许数百名用户通过控制图形小球共同回答问题，同时人工智能算法分析他们的互动以评估他们的信心程度。
我们的系统高效地预测各种事件，甚至让一些怀疑者刮目相看。例如，在2016年，一位CBS记者请求对肯塔基赛马进行预测，并根据我们群体的预测下注，最终获得可观的收益——这展示了集体超智能的潜力。后续的学术研究也验证了群体智能在金融预测和医疗诊断等多个领域的应用有效性。
尽管取得了这些进展，实现真正的超智能仍然是一项挑战，因为以前的方法仅解决了狭窄的问题。要创造出综合的以人为本的超智能，技术必须具备适应性，以促进对复杂问题的深入讨论——利用人类最强大的工具：语言。
然而，使大规模群体参与连贯的实时对话却面临挑战。研究表明，进行高效讨论的最佳群体规模通常在四到七人之间。超出这一范围，交流动态往往会从积极对话变为支离破碎的独白。这个限制似乎难以克服，直到近来的AI发展，尤其是大型语言模型（LLMs）的出现，为构建人类群体开辟了新可能。
一种被称为“对话式群体智能”（CSI）的新技术有望改变群体讨论复杂问题的方式，允许几乎任何规模的群体（从200人到200万人）实时交流，从而释放出群体智能的自然放大效应。
我们的构思受到鱼群沟通机制的启发，鱼群能够在没有领导者的情况下在成千上万的个体间进行实时“对话”。我们将这一思想适配到人类身上。通过利用称为超群体的概念，大型群体被划分成重叠的小组。例如，一个由1000人组成的网络可以细分为多个小组，促进并行对话，从而增强深思熟虑的讨论。
但仅仅创建并行小组并不足以实现群体智能；信息必须在小组之间流动。这通过引入AI代理来实现，这些代理模拟鱼类的侧线器官。借助大型语言模型，这些观察者代理能够提炼和传递整个群体的见解，确保知识的传播。
最近的研究通过改编自弗朗西斯·高尔顿（Sir Francis Galton）1906年的实验，测试了这一概念。在我们的测试中，240名参与者估算瓶中的糖果数量。他们的个体估算出现较大的偏差，平均误差为55%。相比之下，统计平均值提高了准确率至25%，而ChatGPT的估算误差为42%。
最引人注目的是，对话式群体方法的表现超过了个体和ChatGPT，达到了令人惊讶的12%误差率。这一统计显著性发现（p < 0.01）验证了集体超智能的潜力。
排行榜
