Что такое коллективный интеллект? Коллективный интеллект — это способность групп индивидуумов — человека, машины или обоих — действовать совместно так, чтобы это казалось разумным, производя суждения, решения и решения, которые могут превзойти то, что любой член мог бы достичь в одиночку.
Коллективный интеллект, как определено Томасом Мэлоуном и Майклом Бернштейном в Справочнике по коллективному интеллекту (MIT Press, 2015), это 'группы индивидуумов, действующих коллективно так, что это кажется разумным.' Область охватывает от теоремы жюри Кондерсе (1785) и эксперимента с взвешиванием быка Фрэнсиса Галтона в 1906 году до современной лабораторной науки: Анита Уильямс Уолли и коллеги (Science, 2010) нашли доказательства общего фактора коллективного интеллекта — фактора c — который объяснял примерно 43% вариации в производительности группы по задачам и коррелировал больше с социальной чувствительностью, равенством в очередности разговоров и долей женщин в группе, чем с IQ участников. Фактор c обсуждается (Креде и Ховардсон, 2017) и поддерживается метанализом 22 исследований и 1,356 групп (Ридл и др., PNAS, 2021). Геном коллективного интеллекта (Мэлоун, Лаубахер и Деллакарас, 2010) отображает строительные блоки умных групп по Кто, Почему, Что и Как. Текущие исследования Центра коллективного интеллекта MIT (2026) сосредоточены на генеративном ИИ и коллективном интеллекте, дизайне суперума и проектировании команд человек-ИИ; метанализ 2024 года (Ваккаро, Альмаатук и Мэлоун, Nature Human Behaviour) показал, что комбинации человека и ИИ не автоматически превосходят лучших из каждого по отдельности — подлинная синергия требует целенаправленного проектирования распределения задач и взаимодействия. Текущие системы CCI включают Supermind Ideator, который оборачивает большую языковую модель в структурированную поддержку решения креативных проблем, и конкурс PNAS 2026 года, который изучал более 180,000 автономных переговоров ИИ между собой. В рамках жизненного цикла принятия решений — Посетить, Сформулировать, Сгенерировать, Исследовать, Агрегировать, Обсуждать, Распределять, Выбрать, Реализовать, Мониторить — исследования коллективного интеллекта в основном касаются стадий Агрегации и Обсуждения: как группы объединяют разрозненные знания и рассуждают вместе. Argumentree реализует эти выводы через независимую асинхронную подачу аргументов, структуру равного участия, многомерную оценку, агрегированную в консенсусные баллы, и полную аудиторскую трассу рассуждений группы.
Что такое коллективный интеллект?
Коллективный интеллект — это способность групп — человека, машины или обоих — действовать так, чтобы это казалось разумным. Это не метафора: исследования измеряли его, обсуждали и показывали, как это спроектировать. Этот гид охватывает науку от Кондерсе (1785) до исследований команд человек-ИИ MIT (2026).
Последнее обновление: 2026-07-18
Кратко
Группы могут быть измеримо умными. Уоли и др. (Science, 2010) нашли фактор коллективного интеллекта (c), который предсказывает производительность группы по задачам — меньше зависящий от IQ участников, чем от социальной чувствительности, равного распределения очереди и процесса. Это открытие обсуждается (Credé & Howardson, 2017), но поддерживается мета-анализом 1,356 групп (Riedl et al., PNAS, 2021). Современная граница — это коллективный интеллект человек-ИИ: мета-анализ MIT 2024 года показывает, что добавление человека в процесс не автоматически улучшает системы ИИ — синергия зависит от распределения задач и проектирования процессов. Argumentree основан на этом уроке: структурируйте рассуждения, агрегируйте суждения, оставьте решение за людьми.
Определение коллективного интеллекта
Стандартное академическое определение исходит от Томаса Мэлоуна и Майкла Бернштейна в Руководстве по Коллективному Интеллекту (MIT Press, 2015): коллективный интеллект — это "группы индивидуумов, действующих совместно так, чтобы это казалось разумным." Определение намеренно широкое. Оно охватывает рынок, устанавливающий цены, сообщество Википедии, пишущее энциклопедию, присяжных, взвешивающих доказательства, муравейник, находящий кратчайший путь к пище — и, все чаще, гибридные команды людей и систем ИИ.
Коллективный интеллект шире, чем мудрость толпы, которая касается статистической агрегации многих независимых суждений. Коллективный интеллект также включает искреннее сотрудничество и обсуждение — группы, которые взаимодействуют, спорят и строят на рассуждениях друг друга. Он отличается от роевого интеллекта, где координация возникает из простых местных правил без обсуждения. И он связан с механизмами, изучаемыми в соседних областях: системы голосования агрегируют предпочтения, рынки прогнозов агрегируют вероятностные убеждения, а структурированное обсуждение агрегирует причины — три разных ответа на один и тот же вопрос о том, как превратить много умов в одно решение.
В рамках жизненного цикла принятия решений — Посетить, Сформулировать, Генерировать, Исследовать, Объединять, Обсуждать, Распределять, Выбирать, Реализовывать, Мониторить — исследование коллективного интеллекта сосредоточено на этапах агрегации и обсуждения: как разрозненные знания объединяются и как группы рассуждают вместе без патологий информационных каскадов и группового мышления.
Краткая история исследований коллективного интеллекта
Эта область имеет корни в математике Просвещения, статистике, экономике, биологии и информатике. Основная идея: при правильных условиях группы превосходят своих членов — и эти условия можно создать.
Маркиз де Кондорсе доказывает, что если каждый голосующий даже немного лучше случайности и голосует независимо, вероятность того, что большинство правы, приближается к уверенности по мере роста группы — основное математическое результат коллективного интеллекта.
Фрэнсис Гальтон анализирует 787 предположений о весе одетого быка на сельской ярмарке 1906 года. Медианное предположение (1,207 фунтов) оказывается в пределах 1% от истинного веса (1,198 фунтов) — лучше, чем у экспертов по скоту. Опубликовано в Nature.
Фридрих Хайек в своей работе «Использование знаний в обществе» (American Economic Review) утверждает, что рынки агрегируют разрозненные, локальные знания через цены — теоретическая основа для рынков прогнозов.
Джеймс Суровецкий кодифицирует четыре условия для мудрости толпы (разнообразие, независимость, децентрализация, агрегирование). В том же году Хонг и Пейдж публикуют свою оспариваемую модель «разнообразие превосходит способности» в PNAS.
Уолли, Чабрис, Пентленд, Хашми и Мэлоун (Science) находят доказательства общего фактора коллективного интеллекта у 699 человек, работающих в малых группах — аналог группового уровня индивидуального IQ.
Мэлоун, Лаубахер и Деллакарас (MIT Sloan Management Review) каталогизируют строительные блоки — «гены» — систем коллективного интеллекта по четырем вопросам: Кто, Почему, Что и Как.
Справочник Мэлоуна и Бернштейна MIT Press консолидирует область и ее стандартное определение: группы людей, действующие совместно так, что это кажется разумным.
Суперумы Томаса Мэлоуна описывают пять устойчивых типов коллективного интеллекта — иерархии, демократии, рынки, сообщества и экосистемы — и задаются вопросом, как компьютеры могут сделать каждый из них более умным.
Ридл, Ким, Гупта, Мэлоун и Уолли (PNAS) анализируют 22 исследования с 1,356 группами и находят доказательства фактора коллективного интеллекта среди студентов, военных, геймеров и онлайн-работников.
Метанализ Ваккаро, Альмаатука и Мэлоуна 106 экспериментов (Nature Human Behaviour) показывает, что комбинации человека и ИИ в среднем работали хуже, чем лучшие из человека или ИИ по отдельности — синергию нужно проектировать, а не предполагать.
Бертон и 27 соавторов (Nature Human Behaviour) исследуют, как большие языковые модели могут улучшить коллективный интеллект — и как они рискуют унифицировать точки зрения и создавать ложный консенсус.
Центр коллективного интеллекта MIT преследует три направления: Генеративный ИИ и коллективный интеллект, Дизайн суперума и Проектирование команд человек-ИИ — включая исследование PNAS более 180,000 переговоров ИИ.
C-фактор: может ли группа иметь IQ?
В 2010 году Анита Уильямс Уоли и коллеги задали простой вопрос с вековой историей индивидуальной психологии: так же, как один общий фактор (g) предсказывает производительность индивида по многим когнитивным задачам, существует ли общий фактор для групп? Они протестировали 699 человек, работающих в группах от двух до пяти, по широкому спектру задач (Science, 330, 686–688). Ответ был положительным: один статистический фактор — c — объяснял около 43% вариации в производительности группы по задачам.
Что предсказывает c группы — а что нет
IQ участников почти не имеет значения
Как средний, так и максимальный индивидуальный интеллект членов группы были лишь слабо связаны с c. Нанимать самых умных людей само по себе не делает группу умной.
Социальная чувствительность имеет значение
Средний балл группы по тесту «Чтение разума в глазах» — способность выводить психические состояния из лицевых подсказок — был значительным предсказателем c (r = 0.26).
Равное распределение времени имеет значение
Группы, члены которых более равномерно вносили вклад в разговор, имели более высокий c; вариация в очередности выступлений отрицательно коррелировала с c (r = −0.41). Группы, доминируемые одним или двумя голосами, были коллективно менее умными.
Эффекты состава
В исследовании 2010 года группы с более высоким процентом женщин набрали более высокие баллы по c (r = 0.23) — эффект, который авторы статистически связывают с более высокой средней социальной чувствительностью женщин, т.е. с процессом, а не с демографией как таковой.
Является ли c-фактор реальным? Дебаты о воспроизводимости
Как и большинство влиятельных открытий в психологии, c подвергался стресс-тестированию — и читатели заслуживают честного состояния доказательств:
Критика (2017)
Креде и Ховардсон (Journal of Applied Psychology) повторно проанализировали шесть выборок и утверждали, что эмпирическая поддержка единого общего группового фактора слаба — что производительность группы может быть лучше описана специфическими для задачи способностями, чем одним c.
Ответ (2018)
Уолли, Ким и Мэлоун ответили, что критика основывалась на процедурах оценки и предположениях о моделировании, которые не соответствовали задачам, которые группы фактически выполняли.
Метанализ (2021)
Ридл, Ким, Гупта, Мэлоун и Уолли (PNAS) объединили 22 исследования, охватывающие 1,356 групп — студентов, военных, онлайн-работников, геймеров — и нашли доказательства фактора c во всех них, с процессом сотрудничества и социальной восприимчивостью участников среди его самых сильных коррелятов.
Итог: крупный мета-анализ поддерживает существование измеримого фактора коллективного интеллекта, в то время как его точная структура и общность остаются активно обсуждаемыми. Что не обсуждается, так это практический урок: процесс группы — кто слышен, как суждения комбинируются — предсказывает производительность группы лучше, чем блеск участников.
Статистические против интерактивных толп
Существует на самом деле два типа коллективного интеллекта, и они работают на разных источниках:
Статистические толпы
Много независимых оценок, механически агрегированных — усреднение, голосование, рыночные цены. Это ярмарка Гальтона и каждый рынок прогнозов с тех пор. Успех зависит от независимости и разнообразия; упражнение часто одноразовое.
Интерактивные толпы
Люди влияют друг на друга, чтобы создать общее понимание — обсуждение, обсуждение, сотрудничество. Это Википедия, научное сообщество, команда дизайнеров. Успех зависит от качества общения и безопасности для высказывания; работа продолжается.
Два режима тянут в противоположные стороны: независимость помогает статистическим толпам, но лишает интерактивные. Команда, которая никогда не говорит, может хорошо агрегировать, но ничего нового не создает; команда, которая всегда говорит, может создать общее понимание, тихо разрушая независимость, необходимую для ее суждений.
Структурированное обсуждение — это попытка получить оба. В Argumentree взносы и оценки подаются независимо — статистический режим — в то время как аргументное дерево, в которое они попадают, является общим, развивающимся объектом, над которым группа обсуждает — интерактивный режим. Структура определяет, когда применяется каждый режим, вместо того чтобы позволить самому громкому режиму победить.
Геном Коллективного Интеллекта
Если коллективный интеллект можно измерить, можно ли его спроектировать? Мэлоун, Лаубахер и Деллакарас (MIT Sloan Management Review, 2010) каталогизировали повторяющиеся строительные блоки — "гены" — систем коллективного интеллекта, организованные вокруг четырех вопросов. Любая система, от Википедии до корпоративного стратегического процесса, является комбинацией этих генов:
Кто выполняет задачу?
Определенная иерархия назначает задачу, или открытая толпа самовыбирается. Толпы приносят масштаб и разнообразие; иерархии обеспечивают подотчетность и координацию.
Почему они это делают?
Гены мотивации: деньги (оплата, призы), любовь (внутреннее удовольствие, сообщество) и слава (признание, репутация). Устойчивые системы согласуют стимулы с вкладом.
Что делается?
Создать (сгенерировать что-то новое — дизайны, идеи, аргументы) или решить (оценить и выбрать среди альтернатив). Большинство реальных процессов связывают оба.
Как это делается?
Независимо (вклады агрегируются без взаимодействия — конкурсы, голосование, усреднение) или зависимо (сотрудничество, где вклады строятся друг на друге). Выбор определяет, какие режимы неудачи вы унаследуете.
Пять суперумов
В Суперумах (2018) Мэлоун описывает пять устойчивых форм коллективного интеллекта, которые человеческие общества продолжают переосмыслять — и утверждает, что настоящий вопрос о ИИ не "заменит ли он нас?", а "как он делает каждый суперум умнее?":
Иерархии
Решения делегируются вверх и вниз по цепочке власти. Быстро и подотчетно; уязвимы к информационным узким местам на вершине.
Демократии
Решения принимаются голосованием. Законные и инклюзивные; как голоса агрегируют предпочтения — это собственная глубокая наука (теория социального выбора).
Рынки
Решения принимаются через цены и сделки. Превосходные агрегаторы разрозненных убеждений — механизм, стоящий за рынками прогнозов.
Сообщества
Решения принимаются на основе норм, репутации и неформального консенсуса. Поддерживает открытый исходный код и Википедию; медленно, но устойчиво.
Экосистемы
Совершенно отсутствует общий механизм принятия решений — результаты возникают из власти и выживания. По умолчанию, когда не спроектирован другой суперум.
Дизайн суперума: шесть шагов
Методология Дизайна Суперума MIT CCI превращает геном в практику креативного решения проблем. Шесть "шагов" систематически переосмысляют проблему, чтобы выявить новые дизайны для групп людей и компьютеров:
Уменьшить масштаб
Отступите к более широкой системе или цели, в которой находится проблема.
Увеличить масштаб
Разделите проблему на части и процессы, которые можно переосмыслить.
Аналогия
Спросите, как другие области — природа, другие отрасли, история — решают структурно аналогичную проблему.
Групповая работа
Спросите, как другой суперум — рынок, сообщество, демократия — справился бы с задачей, которую сейчас выполняет один человек или иерархия.
Когнификация
Спросите, какие когнитивные процессы (ощущение, запоминание, принятие решений, обучение) необходимы для решения, и кто или что должно выполнять каждое из них.
Технологизация
Спросите, где технологии — включая ИИ — могут выполнять, соединять или усиливать эти процессы.
Внутри Центра Коллективного Интеллекта MIT (2026)
Центр Коллективного Интеллекта MIT (CCI), основанный Томасом Мэлоуном, является флагманской лабораторией этой области. Его ранние проекты — Climate CoLab, CI Design Lab, Measuring Collective Intelligence, Collective Prediction — теперь завершены и являются наследием. На 2026 год исследования CCI организованы под тремя направлениями:
Генеративный ИИ и коллективный интеллект
Использование ИИ для увеличения человеческой креативности — включая инструменты, такие как Supermind Ideator и DesignAID, которые поддерживают совместное создание идей человеком и ИИ.
Дизайн суперума
Проектирование инновационных комбинаций людей и компьютеров, основываясь на геноме и шести движениях дизайна.
Проектирование команд человек-ИИ
Проектирование и распределение задач в командах человек-машина — вопрос, следующий за «человек против машины». С программой Singapore-MIT M3S CCI создает систематическую науку о распределении задач: какие подзадачи идут людям, а какие ИИ, кто контролирует и проверяет, и действует ли ИИ как инструмент, помощник, равный или менеджер.
Ключевые выводы из волны исследований 2024–2026 годов
Поддержка лучше, чем сырые LLM для генерации идей
Supermind Ideator оборачивает большую языковую модель в поддержку креативного решения проблем (включая шесть движений). В экспериментальном исследовании пользователи генерировали значительно больше инновационных идей, чем люди, использующие только ChatGPT или работающие без помощи; бета-тестеры создали более 10,000 идей с помощью системы (ACM Collective Intelligence Conference, 2024).
"Человек в процессе" не автоматически лучше
Метанализ Ваккаро, Альмаатука и Мэлоуна 106 экспериментов и 370 эффектов (Nature Human Behaviour, 2024) показал, что комбинации человека и ИИ в среднем работали хуже, чем лучшие из человека или ИИ по отдельности — с потерями, сосредоточенными в задачах принятия решений, и выигрышами в задачах создания контента. CCI теперь различает сильную синергию (комбинация превосходит как людей, так и ИИ по отдельности) и слабое увеличение (она превосходит людей по отдельности, но не ИИ) — и находит, что сильная синергия требует целенаправленного распределения задач, а не просто добавления человека.
180,000 переговоров ИИ-ИИ
Исследование PNAS 2026 года провело международный конкурс, в котором запрашиваемые ИИ-агенты провели более 180,000 переговоров друг с другом. Классическая наука о переговорах между людьми подтвердилась: теплота — позитивность, благодарность, задавание вопросов — последовательно ассоциировалась с достижением сделок и созданием ценности, в то время как тактики доминирования предсказывали тупики.
Картирование, где ИИ может быть использован вообще
Рабочая статья MIT 2026 года (arXiv 2603.20619) реорганизовала примерно 20,000 рабочих действий из базы данных O*NET США в глубокую онтологию и классифицировала 13,275 приложений ИИ по ней — обнаружив, что верхние 1.6% действий составляют более 60% рыночной стоимости ИИ. Инструмент для систематического размышления о распределении задач между человеком и ИИ.
Оценка ИИ и задач по одной шкале
AGI-Elo (NeurIPS 2025, arXiv 2505.12844), от исследователей, связанных с CCI, включая Мэлоуна, оценивает модели ИИ и отдельные тестовые случаи друг относительно друга, как шахматистов — помещая компетентность модели и сложность задачи на одну сопоставимую шкалу, что является предпосылкой для принципиального распределения задач в командах человек-ИИ.
Коллективный интеллект в эпоху ИИ
Большие языковые модели становятся участниками коллективного интеллекта, а не просто инструментами для него. Бертон и 27 соавторов из разных дисциплин (Nature Human Behaviour, 2024) картируют двусторонние последствия:
Возможности
Снижение барьеров для участия
Большие языковые модели могут переводить, резюмировать и составлять — позволяя большему количеству людей участвовать в коллективных процессах независимо от языка или навыков письма.
Агрегация разрозненных знаний
Большие языковые модели могут синтезировать большие объемы текста — протоколы встреч, открытые ответы на опросы, публичные консультации — которые ранее перегружали человеческих агрегаторов.
Поддержка обсуждений
ИИ может выявлять контраргументы, группировать схожие позиции и структурировать обсуждения — увеличивая стадию обсуждения, а не заменяя ее.
Риски
Унификация точек зрения
Если многие люди обращаются к одним и тем же моделям, их выводы сходятся — подрывая разнообразие точек зрения, от которого зависит коллективный интеллект.
Ложный консенсус
Беглый текст, сгенерированный ИИ, может создать видимость согласия или мнения большинства, которого не существует среди реальных людей.
Сужение информационных экосистем
Информационная среда, все больше фильтруемая через несколько моделей, рискует получить коррелированные ошибки, которые делают толпы коллективно глупыми, а не умными.
Дизайнерское следствие отражает вывод Ваккаро: ИИ улучшает коллективный интеллект, когда ему назначаются подзадачи, в которых он явно хорош — транскрипция, извлечение, перевод, резюмирование — в то время как суждение, оценка и само решение остаются за ответственными людьми. Это граница систем человек-ИИ (предвзятость автоматизации, калибровка доверия, значимый человеческий контроль), которую сейчас картирует наука о решениях.
Как Argumentree применяет исследования коллективного интеллекта
Argumentree — это платформа совместного принятия решений, построенная непосредственно на этих выводах. Каждый выбор дизайна соответствует результату в литературе:
Независимый, асинхронный вклад
Участники добавляют аргументы в свое время, прежде чем группа сойдется — защищая условия независимости и разнообразия, которые, как показывает исследование агрегирования, необходимы толпам.
Структурное равенство участия
Исследования Уолли связывают коллективный интеллект с равным распределением времени. В дереве аргументов нет пола, который нужно удерживать: аргументы каждого участника входят в одну и ту же структуру и оцениваются одинаково.
Агрегация по многомерной оценке
Аргументы оцениваются по полезности, ясности, точности и полноте, и оценки агрегируются в консенсусные баллы — явный механизм агрегирования, так что коллективное суждение измеряется, а не предполагается.
Обсуждение со структурой
Цепочка из 4 шагов вопросов, компромиссов и обзоров позволяет участникам исследовать и уточнять аргументы — зависимое сотрудничество в терминах генома, но внутри структуры, которая сохраняет видимость рассуждений.
Правильное распределение задач между человеком и ИИ
Извлечение ИИ превращает протоколы встреч и документы в черновые деревья аргументов — работа по обработке контента, в которой ИИ хорош — в то время как оценка и решения остаются за людьми, что соответствует доказательствам синергии человека и ИИ 2024 года.
Память для суперума
Полная аудиторская цепочка (черновик, открытый, закрытый жизненный цикл с версионированием) сохраняет рассуждения группы, так что организация может учиться на своем собственном коллективном интеллекте, а не терять его, когда встреча заканчивается.
Часто задаваемые вопросы
Что такое коллективный интеллект?
Коллективный интеллект — это способность групп — людей, машин или обоих — действовать совместно так, что это кажется разумным (Мэлоун и Бернштейн, Справочник по коллективному интеллекту, 2015). Он охватывает статистическую мудрость толпы, совместное производство, такое как Википедия, обсуждающие команды, рынки, агрегирующие убеждения, и современные команды человек-ИИ.
Что такое фактор c в коллективном интеллекте?
Фактор c — это общий фактор коллективного интеллекта, выявленный Уолли и др. (Science, 2010): единый статистический фактор, который объяснял около 43% вариации в производительности группы по многим различным задачам, аналогично фактору g IQ для отдельных лиц. Он коррелировал с социальной чувствительностью группы и равенством распределения времени разговора гораздо больше, чем с индивидуальным интеллектом участников.
Был ли фактор c воспроизведен?
Он поддерживается, но обсуждается. Креде и Ховардсон (2017) утверждали, что доказательства единого общего фактора слабы, и Уолли и коллеги опубликовали подробный ответ в 2018 году. Метанализ 2021 года Ридла и др. (PNAS), охватывающий 22 исследования и 1,356 групп, нашел доказательства фактора c среди различных популяций. Практическое заключение — процесс группы предсказывает производительность лучше, чем IQ участников — остается устойчивым в ходе обсуждения.
В чем разница между коллективным интеллектом и мудростью толпы?
Мудрость толпы — это более узкое явление: множество независимых суждений, статистически агрегированных, сходятся на точных ответах (как в эксперименте Гальтона 1906 года с быком). Коллективный интеллект — это более широкая область: он включает мудрость толпы, но также и подлинное сотрудничество, обсуждение, рынки, сообщества и команды человек-ИИ — любую систему, в которой группа действует разумно.
В чем разница между коллективным интеллектом и интеллектом роя?
Интеллект роя — это координация, которая возникает от многих простых агентов, следящих за локальными правилами — муравейники, стаи птиц, рои роботов — без обсуждения и без явного рассуждения. Человеческий коллективный интеллект включает обмен и оценку причин. Они разделяют глубокие принципы (децентрализация, локальные знания, агрегирование), поэтому платформы принятия решений заимствуют из обоих.
Что такое суперум?
Суперум, в книге Томаса Мэлоуна 2018 года с таким названием, — это любая группа индивидуумов, действующих вместе так, что это кажется разумным. Мэлоун выделяет пять повторяющихся типов — иерархии, демократии, рынки, сообщества и экосистемы — и утверждает, что компьютеры делают суперумы умнее, в основном позволяя новые комбинации из них, а не заменяя их.
Что такое Центр коллективного интеллекта MIT?
Центр коллективного интеллекта MIT (cci.mit.edu), основанный в MIT Sloan и возглавляемый Томасом Мэлоуном, изучает, как группы людей — и все чаще люди плюс ИИ — могут быть организованы для более разумного действия, чем любой индивидуум. Его ранние проекты эпохи краудсорсинга (Climate CoLab и CoLabs, Measuring Collective Intelligence) теперь являются наследием; начиная с 2026 года его исследования организованы под тремя направлениями: Генеративный ИИ и коллективный интеллект, Дизайн суперума и Проектирование команд человек-ИИ, с инструментами, такими как Supermind Ideator и DesignAID и, с программой Singapore-MIT M3S, систематической наукой о распределении задач между человеком и ИИ.
Улучшает ли добавление человека в процесс решения ИИ?
Не автоматически. Метанализ 2024 года 106 экспериментов (Ваккаро, Альмаатук и Мэлоун, Nature Human Behaviour) показал, что комбинации человека и ИИ в среднем работали хуже, чем лучшие из человека или ИИ по отдельности, с потерями, сосредоточенными в задачах принятия решений. Комбинации помогали больше всего в задачах создания контента. Эффективный коллективный интеллект человека и ИИ требует целенаправленного распределения подзадач той стороне, которая выполняет их лучше.
Как команды могут увеличить свой коллективный интеллект?
Доказательства указывают на проектирование процессов: уравновесить участие (структурированный или асинхронный ввод, а не открытое обсуждение), защитить независимое суждение до сходимости группы, привлекать для когнитивного разнообразия и социальной восприимчивости, использовать явный механизм агрегирования, такой как оценка или голосование, и вести запись рассуждений, чтобы группа могла учиться. Инструменты, такие как Argumentree, по умолчанию включают эти механики.
Ссылки и дополнительная литература
Кондорсе, М. де (1785). Эссе о применении анализа к вероятности решений, принятых большинством голосов.
Основной математический результат: большинство независимых, лучше чем случайные голосующие сходятся к истине.
Гальтон, Ф. (1907). Голос народа. Nature, 75, 450–451.
787 участников ярмарки угадывают вес быка; медиана оказывается в пределах 1% от истины.
View source →Хайек, Ф. А. (1945). Использование знаний в обществе. American Economic Review, 35(4), 519–530.
Рынки как агрегаторы разрозненных знаний.
Суровецкий, Дж. (2004). Мудрость толпы. Doubleday.
Четыре условия: разнообразие, независимость, децентрализация, агрегирование.
Уолли, А. В., Чабрис, К. Ф., Пентленд, А., Хашми, Н., и Мэлоун, Т. В. (2010). Доказательства фактора коллективного интеллекта в производительности человеческих групп. Science, 330(6004), 686–688.
Фактор c: 699 человек, группы по 2–5, один фактор объясняет ~43% вариации производительности.
Мэлоун, Т. В., Лаубахер, Р., и Деллакарас, К. (2010). Геном коллективного интеллекта. MIT Sloan Management Review, 51(3), 21–31.
Строительные блоки Who/Why/What/How систем коллективного интеллекта.
View source →Мэлоун, Т. В., и Бернштейн, М. С. (ред.) (2015). Справочник по коллективному интеллекту. MIT Press.
Стандартная ссылка и определение области.
Креде, М., и Ховардсон, Г. (2017). Структура производительности групповых задач — второй взгляд на «коллективный интеллект». Journal of Applied Psychology, 102(10).
Основная критика общности фактора c.
Мэлоун, Т. В. (2018). Суперумы. Little, Brown.
Пять типов суперумов и как компьютеры делают их умнее.
Ридл, К., Ким, Й. Дж., Гупта, П., Мэлоун, Т. В., и Уолли, А. В. (2021). Квантификация коллективного интеллекта в человеческих группах. PNAS, 118(21).
Метанализ: 22 исследования, 1,356 групп, доказательства c среди популяций.
Ваккаро, М., Альмаатук, А., и Мэлоун, Т. В. (2024). Когда комбинации людей и ИИ полезны: систематический обзор и метанализ. Nature Human Behaviour, 8, 2293–2303.
106 экспериментов: комбинации человека и ИИ не автоматически превосходят лучших из каждого по отдельности.
View source →Бертон, Дж. У., и др. (2024). Как большие языковые модели могут изменить коллективный интеллект. Nature Human Behaviour, 8, 1643–1655.
28 авторов о возможностях и рисках LLM для коллективного интеллекта.
View source →Продвижение ИИ-переговоров: крупномасштабный конкурс автономных переговоров. PNAS (2026).
180,000+ переговоров ИИ-агентов; теплота побеждает даже в переговорах между машинами.
View source →Цай, А., и др. (2026). Где может быть использован ИИ? Инсайты из глубокой онтологии рабочих действий. arXiv 2603.20619.
Глубокая онтология ~20,000 рабочих действий для размышлений о распределении задач между человеком и ИИ.
View source →Центр коллективного интеллекта MIT. Исследования (2026).
Текущие направления: Генеративный ИИ и CI, Дизайн суперума, Проектирование команд человек-ИИ.
View source →Центр коллективного интеллекта MIT. Методология дизайна суперума.
Шесть движений дизайна: Уменьшить масштаб, Увеличить масштаб, Аналогия, Групповая работа, Когнификация, Технологизация.
View source →Сун, С., и др. (2025). AGI-Elo: Насколько мы близки к освоению задачи? NeurIPS 2025.
Совместная оценка моделей ИИ и сложности тестовых случаев в стиле Эло; соавторы, связанные с CCI, включая Мэлоуна.
View source →Связанные концепции
Превратите свою команду в измеримо более умную группу
Коллективный интеллект — это задача проектирования: уравновешивание участия, защита независимого суждения, явное агрегирование и ведение рассуждений. Argumentree включает эти механизмы в каждое решение — с ИИ, выполняющим рутинную работу, а ваши люди, принимающими решения.
Начать бесплатный пробный период