▲（圖／GETTY IMAGES）
人類很早已認識到，群體合作集思廣益，其解決問題的成效可以大過個體各自智慧的總和。「群體智慧」早在古希臘就已得到公認，當年希臘哲人亞裏士多德就指出，眾多平凡之人如果齊心合力，所作的集體判斷往往比偉大的個人更為出色。
不需多想即知多人參與決策會有較出色的成果，但知易行難，任何行政主管都會告訴你，讓一個大團隊齊心合力共事並不容易。然而，最近人工智能（AI）的進步讓群體智慧的可操作性變得比較可行，從而得以讓人類工作會更有效率，更有能力解決緊迫的社會挑戰。
英國國家科技藝術基金會（NESTA）是英國一個資助和推動改善人類生活之創新和發明的公益機構。其群體智慧設計中心的負責人彼得‧巴克（Peter Baeck ）說，「我們知道，人類工作的未來完全依賴相互合作解決問題，其中一個最顯然而明的機遇是利用人工智能，這可幫助人類面對共同挑戰時在通常相當紛亂的網絡中建立良好聯繫。」
卡內基梅隆大學組織行為學權威專家安妮塔‧伍萊（Anita Woolley）表示，影響一個團隊發揮群體智慧的最大因素是成員之間的協調程度。智能工具在這一領域可能起很大作用，因此伍萊現在與同事正一起開發人工智能的合作教練，這個AI教練可以跟蹤團隊成員的工作狀態，然後給予提示，幫助團隊成員同心協力工作。
伍萊說，「這些（人工智能）工具可以扮演的角色實際上是無窮無盡的，比如促進不同分部門之間的交流，提醒人們可能忘記的事務，充當信息的存儲庫，以及幫助團隊協調決策等。」
在開發人工智能幫助我們匯總各自獨特的才幹方面，已經有了一些前景很看好的個案。舊金山初創公司Unanimous AI建立了一個幫助指導團隊決策的在線平台。該公司以一種大家意想不到的模式來建立其人工智能方法，即模仿蜂群的集體智能模式。
首席執行官路易斯·羅森伯格說，在設計這個模式時「我們回到最基本的問題，即『大自然是如何增強放大物種的群體智慧? 』自然所做的就是建立實時系統，在這個系統中，動物團隊通過反饋迴路即時交互作用。因此，蜜蜂是作為一個系統，相互推動和拉扯，匯聚它們各自的知識、智慧、洞察力和直覺於一體，因而形成最佳的智力決策。」
他們建立的峰群人工智能平台（Swarm AI）的運作模式通常向群組提出一個問題，並在屏幕的不同角落放置可能的答案。群組各用戶需用鼠標控制一個虛擬磁石，互相爭搶著把一個冰球拖向他們認為正確的答案處。
這個系統的算法則分析每個用戶與冰球的互動方式，例如，其對拖動冰球的信心有多大，或者當位於少數時，其信心動搖的速度有多快，然後利用這些信息來確定冰球的移動方向。這就形成了每個用戶都會受到其他人的選擇和信念影響的反饋循環，從而使得冰球最終會落腳於這個互動群體智慧的最佳選擇處。
使用該產品的一些學術論文和知名客戶進一步增強了這個蜂群人工智能平台的有效性。在最近的一項研究中，一組交易員被要求預測幾個關鍵股市指數的每周波動曲線，方法是試圖把冰球拖到四個答案的其中一個。這四個答案是漲或跌超過4%，以及漲或跌不到4%。使用該工具，他們的預測凖確率提高了36%。
瑞士信貸集團利用這個平台幫助投資者預測亞洲市場的表現。迪斯尼曾用來預測電視節目的成功率。Unanimous AI甚至與斯坦福醫學院合作，使用這個平台將醫生通過胸透X光診斷肺炎的能力提高了33%。
但伍萊表示，要設計出能夠與人類團隊良好融合的技術，可能會驚人的困難。她正與同事一起研究開發人工智能的團隊教練，這個人工智能教練可以跟蹤團隊成員的行動，給予提示，幫助整個團隊能良好地協同工作。
她的團隊在一項研究中，嘗試了三種旨在最大化群體智慧的工具。一種工具可以對團隊成員的努力提供實時反饋，另一種工具可以幫助分配任務，還有一種聊天機器人可以幫助團隊成員談論他們的技能和專業知識。
第一個工具似乎會讓人們失去動力，而第二個工具則會用不必要的計劃分散團隊的注意力。只有最後一種工具，即聊天機器人有所幫助，能確保每個任務由最適合的人選來完成。伍萊說，「我們不斷發現的是，製造一些讓人討厭的東西比製造一些真正有用的東西要容易得多。」
她表示，利用人類的社交智慧來構建人工智能非常困難，因為機器仍然很難捕捉到支配著人類群體動態的那種微妙而難以言喻的社交表達方式。從伍萊的研究中也可以明顯看出，這些系統只有在人類真正信任人工智能決策，並且用戶只接受系統的輕微提示的情況下才能工作。伍萊說：「一旦系統過度干涉用戶，人們就會想辦法讓其失效。」
但是，巴克說，人工智能和人類很難結合的原因也是機器和人類能否很好合作的關鍵之所在。人工智能的運行速度和規模遠遠超越了人類的能力，但機器人要學會人類的靈活性、好奇心和對微妙語境的把握，還有很長的路要走。
最近，巴克與英國國家科技藝術基金會（Nesta）高級研究員艾勒克斯‧貝蒂謝夫斯卡雅（Aleks Berditchevskaia）共同撰寫了一份報告，確定了人工智能增強我們群體智慧的幾種方式。其中包括幫助我們更好地理解數據，找到更好的方法來協調決策，幫助我們克服固有的偏見，以及彰顯經常被忽視的非尋常解決方案等。
但該報告還顯示，將人工智能工具與人類團隊結合起來需要精心設計，以避免意外後果。貝蒂謝夫斯卡雅說，目前缺乏人類群組如何應對與人工智能合體的研究，因此很難預測這種合作系統一旦實際使用其效果會如何。
她補充說，人工智能系統「可能會以新的方式擴充我們的才能，或我們需要做出快速反應時提高我們的回應速度。我們對人類認識以及有能力引導個人對這類人工智能系統作出反應的研究，諸如人類對AI的信任問題以及AI對自己代理角色的意識等，尚處於非常早期的階段。」
將人類智慧和AI智慧結合在一起，也有助於賦予人工智能技術更多的人性元素，更好地指導其決策。
總部位於倫敦的初創企業Factmata建立了一個人工智能審核系統，該公司招募了2000多名專家，其中包括記者和研究人員，專門分析互聯網上的某些信息，比如偏見、言論的可信度或仇恨言論等。然後，他們利用這一分析來訓練一個自然語言處理智能系統，用來自動掃描網頁中有問題的內容。
其首席執行官德茹夫‧古拉特（Dhruv Ghulati）說，「一旦你有了經過訓練的算法，就可以用於分析互聯網上的數百萬條內容。你可以放大這些專家對互聯網言論的批判性評估。」
雖然人工智能通常是在一次性過程中接受專家標記的數據訓練，但Factmata的專家不斷更新訓練數據，以確保人工智能算法能夠跟上不斷變化的政治和媒體環境。他們還讓公眾對人工智能的輸出作出反饋，古拉特說這能確保人工智能不脫離現實，也不會存在固有偏見。
然而，將我們自己和我們的智力決策與人工智能混合在一起並非沒有風險。伍萊說，我們給機器提供的信息越多，人工智能和集體智能之間的協同作用效果也越好，但我們也就會面臨我們究竟願意放棄多少個人隱私的艱難選擇。
但她說，考慮到氣候變化和流行病大爆發等全球性的多方面複雜挑戰，有效利用我們人類的群體智慧已攸關人類的存亡。
已經有一些例子說明以人工智能來增進人類的群體智慧這種方法是如何應對這類全球性危機。卡耐基梅隆大學的研究人員目前正在使用人工智能學習算法，將自願症狀調查、醫生報告、實驗室統計數據和谷歌搜索趨勢等結合一體，實時預測新冠肺炎流行趨勢。再例如，監察全球種族滅絶和反人類罪風險的美國NGO「早期預警」（Early Warning Project），結合網絡的眾包預測、專家評估和機器學習算法，來確認最有可能發生這類暴行的國家，從而提前發出警示。
伍萊說：「我們可以讓一些非常聰明的人單獨研究問題的不同方面，但是如果我們不協力合作，沒有集思廣益，就很難取得任何進展。我認為，關鍵之處是要讓人工智能幫助這些單打獨斗的工作實現集群化，這樣才能解決需要全球集體行動以面對的問題。」
