Collective Intelligence: 240 Years of Research — From Condorcet to AI

Năm 1794, một nhà toán học Pháp đã chết trong một nhà tù cách mạng, chín năm sau khi công bố một định lý mà hầu như không ai đọc. Năm 1906, một nhà thống kê Victorian 84 tuổi đã lang thang qua một hội chợ gia súc thu thập thẻ xổ số đã qua sử dụng. Năm 2026, các nhà nghiên cứu tại MIT đang thực hiện hàng trăm nghìn cuộc đàm phán giữa các tác nhân AI để tìm hiểu cách mà máy móc nên tham gia vào các nhóm con người. Ba cảnh này thuộc về một câu chuyện nghiên cứu duy nhất, liên tục — nghiên cứu về trí tuệ tập thể, khả năng của các nhóm hành động theo cách có vẻ thông minh. Những gì tiếp theo là câu chuyện đó, theo từng thời kỳ, với các phát hiện thực tế và các cuộc chiến thực tế.

1785: Cược Khai sáng — Định lý của Condorcet

Marie Jean Antoine Nicolas de Caritat, Marquis de Condorcet, là một nhân vật Khai sáng kiểu mà các nhà đa tài hiện đại trông có vẻ hẹp hòi: một nhà toán học được bầu vào Académie des sciences khi còn trong độ tuổi hai mươi, một người ủng hộ sớm và mạnh mẽ cho giáo dục công, quyền bầu cử của phụ nữ, và sự bãi bỏ chế độ nô lệ. Năm 1785, ông đã công bố Essai sur l’application de l’analyse à la probabilité des décisions rendues à la pluralité des voix — một bài tiểu luận về việc áp dụng lý thuyết xác suất vào việc bỏ phiếu đa số. Chôn vùi trong đó là kết quả mà chúng ta bây giờ gọi là Định lý Bồi thẩm đoàn của Condorcet.

Định lý này nói điều gì đó gây sốc. Lấy một câu hỏi có/không với một câu trả lời đúng. Giả sử mỗi cử tri đúng với xác suất thậm chí chỉ tốt hơn một lần tung đồng xu — giả sử 55% — và giả sử các cử tri đánh giá độc lập với nhau. Sau đó, khi nhóm lớn lên, xác suất mà đa số đúng tăng lên gần như chắc chắn. Phán đoán cá nhân tầm thường, nếu được tổng hợp đúng cách, trở thành phán đoán tập thể gần như hoàn hảo. Định lý này cũng có một cặp song sinh tối tăm: nếu mỗi cử tri kém hơn một lần tung đồng xu, thì đa số gần như chắc chắn sai khi nhóm lớn lên. Tổng hợp khuếch đại bất kỳ năng lực nào — hoặc sự kém cỏi — mà bạn cung cấp cho nó. Chúng tôi kể toàn bộ câu chuyện về định lý, các giả định của nó, và các ứng dụng hiện đại của nó trong bài viết kèm theo của chúng tôi về Định lý Bồi thẩm đoàn của Condorcet.

Bài tiểu luận cùng chứa một phát hiện thứ hai sẽ mất 160 năm để phát nổ: nghịch lý Condorcet. Với ba hoặc nhiều tùy chọn, sở thích của đa số có thể xoay vòng — nhóm thích A hơn B, B hơn C, và C hơn A — vì vậy “những gì mà đa số muốn” có thể không được định nghĩa rõ ràng. Quan sát đó là hạt giống của lý thuyết lựa chọn xã hội, lĩnh vực mà Kenneth Arrow sau này sẽ biến đổi với định lý không thể. Không có hệ thống bỏ phiếu nào có thể thỏa mãn một danh sách ngắn các điều kiện công bằng hợp lý cùng một lúc. Các hệ thống bỏ phiếu, các phương pháp bỏ phiếu xếp hạng, và toán học của tổng hợp sở thích là một câu chuyện riêng — một loại tổng hợp khác với việc trung bình niềm tin mà bài viết này theo đuổi — và một câu chuyện mà chúng tôi sẽ trở lại trong một loạt bài trong tương lai.

Condorcet đã không sống để thấy bất kỳ điều gì trong số đó có ý nghĩa. Bị cấm trong thời kỳ Khủng bố vì phản đối hiến pháp Jacobin, ông đã phải trốn trong nhiều tháng — viết, một cách đáng chú ý, bài tiểu luận lạc quan của mình Sketch for a Historical Picture of the Progress of the Human Mind — bị bắt vào tháng 3 năm 1794, và được tìm thấy đã chết trong cell của mình tại Bourg-la-Reine hai ngày sau đó. Toán học của trí tuệ tập thể bắt đầu như công việc của một người bị tiêu diệt bởi một tập thể điên cuồng. Sự mỉa mai đã đeo bám lĩnh vực này từ đó: các nhóm có thể xuất sắc, và các nhóm có thể tàn ác, và sự khác biệt không phải là con người — mà là các điều kiện.

1906–1950s: Thời kỳ thống kê — Galton, Hayek, và Delphi

Để có thử nghiệm thực nghiệm đầu tiên, trí tuệ tập thể đã phải chờ 121 năm — và nó đã đến tại một hội chợ gia súc. Vào mùa thu năm 1906, Francis Galton, khi đó 84 tuổi, đã tham dự Triển lãm Gia súc và Gia cầm Tây Anh ở Plymouth, nơi một cuộc thi đoán trọng lượng mời khách tham quan đoán trọng lượng đã chế biến của một con bò sống với giá sáu xu một vé. Galton — một người sáng lập thống kê, và không phải là một người dân chủ theo tính cách — đã mong đợi các bài dự thi sẽ chứng minh sự thiếu hiểu biết của cử tri trung bình. Ông đã thu thập các thẻ đã sử dụng, loại bỏ 13 thẻ không đọc được, và phân tích 787 dự đoán còn lại. Dự đoán ở giữa là 1,207 lb; trọng lượng thực tế của con bò đã chế biến là 1,198 lb — một sai số dưới 1%, tốt hơn các chuyên gia gia súc có mặt. Ông đã công bố kết quả trong Nature vào ngày 7 tháng 3 năm 1907 với tiêu đề “Vox Populi,” và trong thư hồi đáp sau đó đã thừa nhận rằng giá trị trung bình số học còn chính xác hơn: 1,197 lb, chỉ sai một pound. Câu chuyện đầy đủ — bao gồm những gì Galton đã sai và thế kỷ tái tạo kể từ đó — có trong bài phân tích sâu của chúng tôi về bò của Galton, và hiện tượng chung trong hướng dẫn của chúng tôi về trí tuệ của đám đông.

Tại sao mẹo này lại hoạt động? Mỗi dự đoán có thể được chia thành tín hiệu cộng với sai số. Nếu các sai số là độc lập và phân tán ở cả hai bên của sự thật, tổng hợp sẽ hủy bỏ chúng trong khi tín hiệu chung vẫn tồn tại. Cái “nếu” đó là giả định độc lập của Condorcet mặc áo quần thống kê, và nó là bản lề mà mọi thành công và thất bại của trí tuệ đám đông đều xoay quanh. Cuộc tái kiểm tra của Kenneth Wallis vào năm 2014 về cuộc thi của Galton đã xác nhận điều kiện của hội chợ — các bài dự thi viết riêng tư, một động lực để chính xác, không có bảng điểm công khai — đã bảo vệ nó.

Bước nhảy tiếp theo đến từ kinh tế học. Trong “Sử dụng Kiến thức trong Xã hội” (American Economic Review, 1945), Friedrich Hayek lập luận rằng kiến thức liên quan đến các quyết định kinh tế không bao giờ tồn tại dưới dạng tập trung — nó phân tán qua hàng triệu người dưới dạng các mảnh vụn địa phương, một phần, thường là ngầm. Không có nhà hoạch định trung ương nào có thể thu thập nó; nhưng một hệ thống giá cả tự động tổng hợp nó, nén kiến thức phân tán thành một con số duy nhất cho mọi người biết cách hành động. Hayek đã, trên thực tế, xác định cơ chế tổng hợp quy mô lớn đầu tiên đang hoạt động trong sản xuất. Nửa thế kỷ sau, các thị trường dự đoán sẽ tiếp nhận hiểu biết của ông một cách nghiêm túc và xây dựng các thị trường mà sản phẩm duy nhất của chúng là thông tin trong giá cả.

Những năm 1950 đã thêm vào quy trình trí tuệ tập thể được thiết kế đầu tiên. Tại RAND Corporation, các nhà nghiên cứu phát triển các dự báo dài hạn đã phải đối mặt với một vấn đề quen thuộc: đưa các chuyên gia vào một phòng và giọng nói lớn nhất hoặc có thâm niên nhất sẽ neo giữ mọi người khác. Câu trả lời của họ, phương pháp Delphi, đã thu thập các phán đoán của chuyên gia một cách ẩn danh và trong các vòng lặp lặp lại với phản hồi có kiểm soát — bảo vệ sự độc lập khỏi cấp bậc và áp lực xã hội trong khi vẫn cho phép thông tin lưu thông. Delphi là tổ tiên trực tiếp của mọi quy trình đầu vào có cấu trúc hiện đại, từ poker lập kế hoạch đến quy trình đóng góp độc lập đầu tiên được sử dụng trong các nền tảng ra quyết định hợp tác.

1940s–1990s: Cybernetics, lý thuyết trò chơi, và trí tuệ tăng cường

Trong khi các nhà thống kê nghiên cứu tổng hợp, một dòng dõi khác đã nghiên cứu tương tác. John von Neumann và Oskar Morgenstern’s Theory of Games and Economic Behavior (phiên bản 1947) đã cung cấp cho khoa học xã hội một toán học về sự phụ thuộc chiến lược — điều gì xảy ra khi kết quả của lựa chọn của tôi phụ thuộc vào lựa chọn của bạn. Lý thuyết trò chơi đã định hình lại các nhóm không phải là những túi ước lượng độc lập mà là các hệ thống của các tác nhân tương tác, một quan điểm sẽ rất quan trọng khi các nhà nghiên cứu bắt đầu đặt câu hỏi tại sao các cá nhân hợp lý lại sản xuất ra các tập thể phi lý (chủ đề của nghiên cứu cascades thông tin nhiều thập kỷ sau).

Dòng thứ hai là công nghệ. Trong báo cáo SRI năm 1962 Tăng cường Trí tuệ Con người: Một Khung Khái niệm, Douglas Engelbart đã đề xuất rằng mục đích của máy tính không phải là thay thế tư duy con người mà là tăng cường nó — bao gồm cả tư duy tập thể của các nhóm giải quyết các vấn đề quá phức tạp cho bất kỳ cá nhân nào. Cách định hình của Engelbart đã gieo hạt cho lĩnh vực nghiên cứu về công việc hợp tác hỗ trợ máy tính (CSCW) đã hình thành trong những năm 1980, và làn sóng phần mềm nhóm theo sau. Câu hỏi tăng cường so với thay thế mà ông đã đặt ra vào năm 1962 gần như nguyên văn là câu hỏi mà tài liệu con người-AI năm 2024–2026 hiện đang trả lời bằng dữ liệu.

Thời kỳ giữa này đã đóng góp một điều gì đó dễ bị đánh giá thấp: nó đã biến trí tuệ tập thể từ một thuộc tính mà bạn quan sát thành một hệ thống mà bạn xây dựng. Delphi là một giao thức được thiết kế; phần mềm nhóm là phần mềm được thiết kế; khung của Engelbart rõ ràng là một chương trình kỹ thuật cho nhận thức nhóm. Thời kỳ thống kê đã hỏi “các đám đông có chính xác không?” Thời kỳ cybernetics đã đặt ra câu hỏi mà mọi nền tảng hợp tác hiện đại đều thừa hưởng: cấu trúc nào làm cho một nhóm thông minh hơn so với những gì nó sẽ có? Lập luận có cấu trúc tự nó có một dòng dõi trí tuệ song song ở đây — mô hình lập luận của Stephen Toulmin năm 1958 và truyền thống lập bản đồ lập luận sau này đã cung cấp cho phía thảo luận của trí tuệ tập thể cấu trúc dữ liệu của nó, bản đồ lập luận, cũng như giá cả đã trở thành cấu trúc dữ liệu của tổng hợp thị trường.

1959–1999: Thời kỳ đàn — trí tuệ mà không có ai đứng đầu

Trong khi đó, sinh học đã âm thầm phá bỏ giả định rằng trí tuệ cần một bộ não đứng đầu. Năm 1959, nhà động vật học Pháp Pierre-Paul Grassé, nghiên cứu việc xây dựng tổ mối, đã đặt ra thuật ngữ stigmergy: phối hợp thông qua các dấu vết để lại trong môi trường. Không có mối nào giữ bản thiết kế; mỗi con phản ứng với trạng thái địa phương của đống đất, và chính đống đất đó phối hợp thuộc địa. Đây là cơ chế chính xác đầu tiên cho sự phối hợp không có lãnh đạo — và hóa ra nó có thể tổng quát xa hơn nhiều so với côn trùng.

Năm 1987, nhà nghiên cứu đồ họa máy tính Craig Reynolds đã chỉ ra rằng sự tinh vi của từng cá nhân thực sự cần rất ít để xuất hiện. Bài báo SIGGRAPH của ông “Flocks, Herds, and Schools: A Distributed Behavioral Model” đã làm sống động các đàn chim mô phỏng — boids — được điều khiển bởi chỉ ba quy tắc địa phương: tách biệt, căn chỉnh, và gắn kết. Không có lãnh đạo, không có kịch bản, và vẫn đàn chim quay cuồng và tách ra và tái hợp như thật. Hai năm sau, Gerardo Beni và Jing Wang đã đặt ra thuật ngữ trí tuệ đàn trong bối cảnh các hệ thống robot tế bào, đặt tên cho hiện tượng này.

Lợi ích kỹ thuật theo sau nhanh chóng. Luận án tiến sĩ năm 1992 của Marco Dorigo tại Politecnico di Milano, Tối ưu hóa, Học tập và Thuật toán Tự nhiên, đã chuyển đổi việc tìm kiếm thức ăn của kiến — các con đường pheromone củng cố các con đường ngắn hơn, như được tiết lộ bởi các thí nghiệm cầu đôi với kiến Argentina — thành Tối ưu hóa Đàn Kiến, một họ các thuật toán cho các vấn đề định tuyến và lập lịch. Tối ưu hóa Đàn Hạt của James Kennedy và Russell Eberhart (1995) đã làm điều tương tự cho việc tụ tập. Đến năm 1999, Trí tuệ Đàn: Từ Hệ thống Tự nhiên đến Nhân tạo của Bonabeau, Dorigo, và Theraulaz (Oxford) đã mã hóa lĩnh vực này, và các thuật toán dựa trên kiến đã định tuyến các cuộc gọi điện thoại (Schoonderwoerd và các đồng nghiệp tại BT Labs, 1996) và xe tải giao hàng. Sau đó, robot đã làm rõ điểm này: vào năm 2014, Rubenstein, Cornejo, và Nagpal đã tự lắp ráp các hình dạng từ 1,024 Kilobots (Khoa học), và Honeybee Democracy của Thomas Seeley (2010) đã cho thấy các đàn ong mật chọn địa điểm tổ thông qua việc thám hiểm, vận động waggle-dance, và cảm nhận quorum — một sự gần đúng tự nhiên, phân quyền của một định lý bồi thẩm đoàn đang hoạt động. Tài khoản đầy đủ có trong hướng dẫn của chúng tôi về trí tuệ đàn.

Bài học của thời kỳ đàn cho các nhóm con người là hai lưỡi. Nó chứng minh rằng phân quyền hoạt động — kiến thức địa phương cộng với các quy tắc tương tác đơn giản có thể vượt trội hơn kế hoạch trung ương, đúng như Hayek đã lập luận. Nhưng nó cũng đánh dấu một ranh giới: các đàn phối hợp hành động, không phải lý do. Kiến không thảo luận. Trí tuệ tập thể của con người thêm vào một lớp mà không có đàn nào có — việc trao đổi và đánh giá các lập luận — và lớp đó cần các cơ chế khác nhau.

1999–2015: Thời kỳ internet — trí tuệ tập thể đi vào sản xuất

Sau đó, internet đã biến mọi người thành những người đóng góp tiềm năng, và trí tuệ tập thể không còn là một sự tò mò trong phòng thí nghiệm. Phần mềm mã nguồn mở đã chứng minh rằng hàng ngàn tình nguyện viên được phối hợp lỏng lẻo có thể xây dựng các hệ thống phức tạp như một hệ điều hành — bài tiểu luận năm 1999 của Eric Raymond The Cathedral and the Bazaar đã cung cấp tuyên ngôn của thời đại. Wikipedia, ra mắt vào năm 2001, đã mở rộng mô hình đến chính kiến thức con người: một bách khoa toàn thư không có biên tập viên trưởng, được phối hợp stigmergically thông qua tác phẩm đang được chỉnh sửa — logic mối, áp dụng cho văn bản.

Năm 2004, hai ấn phẩm đã cung cấp lý thuyết cho thời đại này. The Wisdom of Crowds của James Surowiecki đã tập hợp một thế kỷ bằng chứng và chắt lọc ra bốn điều kiện mà theo đó các nhóm thông minh: sự đa dạng của ý kiến, độc lập, phân quyền, và tổng hợp — loại bỏ bất kỳ điều nào, và đám đông trở nên ngu ngốc hơn, không thông minh hơn. Cùng năm đó, Lu Hong và Scott Page đã công bố kết quả “đa dạng vượt trội khả năng” của họ trong PNAS: trong mô hình tính toán của họ, một nhóm giải quyết vấn đề ngẫu nhiên, đa dạng về nhận thức đã vượt trội hơn một nhóm được tạo thành từ những người biểu diễn tốt nhất cá nhân. Sự trung thực yêu cầu một chú thích: vào năm 2014, nhà toán học Abigail Thompson đã công bố một phê bình sắc bén trong Notices of the American Mathematical Society, lập luận rằng định lý cơ bản là tầm thường và bị gán nhãn sai và các mô phỏng đã bị diễn giải quá mức; những người bảo vệ bao gồm cả Page đã trả lời rằng kết quả vẫn đúng trong các điều kiện đã nêu — các vấn đề khó khăn, các tác nhân có khả năng, các nhóm lớn — và chưa bao giờ là một tuyên bố rằng bất kỳ nhóm đa dạng nào cũng vượt trội hơn bất kỳ nhóm chuyên gia nào. Cuộc tranh luận, và những gì còn lại sau đó, được xem xét trong bài viết của chúng tôi về đa dạng so với khả năng và hướng dẫn của chúng tôi về đa dạng nhận thức.

Cơ chế giá cả của Hayek cũng đã có thử nghiệm kiểm soát trong thời đại này. Thị trường Điện tử Iowa, một thị trường nghiên cứu tiền thật được thành lập tại Đại học Iowa vào năm 1988, đã tích lũy đủ lịch sử để so sánh quyết định: Berg, Nelson, và Rietz (International Journal of Forecasting, 2008) đã so sánh giá thị trường với 964 cuộc thăm dò quốc gia trong các cuộc bầu cử tổng thống Mỹ từ 1988 đến 2004 và phát hiện rằng thị trường gần hơn với kết quả cuối cùng 74% thời gian, với lợi thế mạnh nhất ở các chân trời vượt quá 100 ngày. Quy tắc ghi điểm thị trường logarithmic của Robin Hanson (2003) trong khi đó đã giải quyết vấn đề thị trường mỏng một cách thuật toán, cho phép ngay cả các nhóm nhỏ chạy các thị trường dự đoán nội bộ.

Phán đoán của chuyên gia, ngược lại, đã bị đánh bại. Phán đoán Chính trị của Chuyên gia của Philip Tetlock (2005) đã báo cáo một nghiên cứu kéo dài khoảng hai thập kỷ về 284 chuyên gia và khoảng 28,000 phán đoán xác suất; chuyên gia trung bình chỉ vượt trội hơn một ngoại suy đơn giản — phát hiện đứng sau hình ảnh nổi tiếng “con tinh tinh ném phi tiêu”. Nhưng công việc tiếp theo của Tetlock trong các cuộc thi dự đoán IARPA (2011–2015) đã tìm thấy nửa câu chuyện mang tính xây dựng: một nhóm nhỏ “siêu dự đoán”, không được phân biệt bởi bằng cấp mà bởi tư duy xác suất và việc cập nhật niềm tin không ngừng, đã vượt trội hơn các nhà phân tích tình báo có quyền truy cập vào thông tin mật. Kỹ năng dự đoán và hiệu chỉnh xứng đáng — và sẽ nhận được — sự điều trị sâu sắc của riêng chúng trong một loạt bài trong tương lai.

Cột mốc thể chế của thời đại này đến vào năm 2006, khi Thomas Malone thành lập Trung tâm Trí tuệ Tập thể MIT xung quanh một câu hỏi đơn giản nhưng đánh lừa: làm thế nào để kết nối con người và máy tính để, tập thể, họ hành động thông minh hơn bất kỳ cá nhân, nhóm, hoặc máy tính nào đã từng làm trước đây? Các sản phẩm ban đầu đã lập bản đồ không gian thiết kế — Genome Trí tuệ Tập thể (Malone, Laubacher, và Dellarocas, MIT Sloan Management Review, 2010) đã liệt kê các khối xây dựng của các hệ thống CI theo bốn câu hỏi: ai đang thực hiện nhiệm vụ (đám đông hay cấp bậc), tại sao (tiền, tình yêu, hay vinh quang), cái gì (tạo ra hay quyết định), và như thế nào (độc lập hay phụ thuộc). Đến năm 2015, Hướng dẫn về Trí tuệ Tập thể của Malone và Bernstein (MIT Press) có thể định nghĩa đối tượng của lĩnh vực một cách rõ ràng: “các nhóm cá nhân hành động tập thể theo cách có vẻ thông minh.”

Và vào năm 2010, lĩnh vực này đã có được phép đo gây tranh cãi nhất. Anita Williams Woolley, Christopher Chabris, Alex Pentland, Nada Hashmi, và Thomas Malone (Khoa học, 330: 686–688) đã thử nghiệm 699 người làm việc trong các nhóm từ hai đến năm người trên một loạt các nhiệm vụ. Hiệu suất nhóm trên các nhiệm vụ đã đủ tương quan để tạo ra một yếu tố thống kê duy nhất — một yếu tố trí tuệ tập thể, c — giải thích khoảng 43% sự biến thiên, tương tự như yếu tố g của IQ cá nhân. Điều gây sốc là điều gì đã dự đoán nó. Trí thông minh trung bình và tối đa của thành viên chỉ tương quan yếu với c. Điều tương quan mạnh mẽ: nhạy cảm xã hội trung bình của nhóm (được đo bằng bài kiểm tra Đọc Tâm trí trong Mắt), sự bình đẳng trong việc thay phiên trò chuyện, và tỷ lệ phụ nữ trong nhóm (chủ yếu được trung gian bởi nhạy cảm xã hội). Nhóm thông minh như thế nào, dữ liệu cho biết, phụ thuộc ít hơn vào ai trong đó hơn là vào cách mà nó tương tác.

Lịch sử bóng tối: khi các tập thể thất bại

Chạy bên dưới toàn bộ dòng thời gian lạc quan là một tài liệu tối tăm thứ hai — nghiên cứu về cách các nhóm cá nhân thông minh, có ý tốt sản xuất ra sự ngu ngốc tập thể. Nó quan trọng ở đây vì nó không phải là một chủ đề riêng biệt: mọi chế độ thất bại đã được tài liệu hóa đều vi phạm một điều kiện mà các câu chuyện thành công phụ thuộc vào.

Nhánh tâm lý học đến trước. Những Nạn nhân của Tư duy Nhóm của Irving Janis (1972) đã phân tích cách mà các cố vấn cực kỳ có năng lực của Tổng thống Kennedy đã tự thuyết phục mình vào cuộc xâm lược Vịnh Con Lợn năm 1961. Janis đã lập danh sách tám triệu chứng trong ba cụm — đánh giá quá cao nhóm (ảo tưởng về sự không thể bị tổn thương, niềm tin vào đạo đức vốn có), tư duy khép kín (biện minh tập thể, quan điểm rập khuôn về người ngoài), và áp lực hướng tới sự đồng nhất (tự kiểm duyệt, ảo tưởng về sự nhất trí, áp lực trực tiếp lên những người phản đối, và những “người bảo vệ tư tưởng” tự bổ nhiệm lọc thông tin gây rối). Hai năm sau, “Nghịch lý Abilene” của Jerry Harvey (Organizational Dynamics, 1974) đã mô tả người anh em kỳ lạ: các nhóm đồng ý về một khóa hành động mà không thành viên nào muốn, vì mọi người đã nhầm lẫn sự im lặng của nhau với sở thích. Cả hai đều là những thất bại của cùng một đầu vào: phán đoán trung thực, độc lập không bao giờ vào hồ bơi.

Nhánh kinh tế đến vào năm 1992, và nó còn gây lo ngại hơn vì nó không cần tâm lý học chút nào. Sushil Bikhchandani, David Hirshleifer, và Ivo Welch (“Một Lý thuyết về Xu hướng, Thời trang, Tập quán, và Thay đổi Văn hóa như là Các Cascade Thông tin,” Journal of Political Economy, 100: 992–1026) và, độc lập, Abhijit Banerjee (“Một Mô hình Đơn giản về Hành vi Bầy đàn,” Quarterly Journal of Economics, 1992) đã chỉ ra rằng các tác nhân hoàn toàn hợp lý quyết định theo thứ tự sẽ, chỉ sau một vài quan sát, hợp lý bỏ qua thông tin riêng tư của họ và sao chép những người đi trước. Thông tin cascade kết quả là hợp lý cá nhân và mong manh tập thể — nó gần như không tổng hợp được kiến thức phân tán của nhóm, và nó có thể khóa toàn bộ dân số vào câu trả lời sai mà một vài người đi trước đã chọn. Lisa Anderson và Charles Holt đã tái tạo các cascade theo yêu cầu trong phòng thí nghiệm (American Economic Review, 1997). Cơ chế này làm sáng tỏ mọi thứ từ bong bóng tài sản đến thông tin sai lệch: phân tích của Vosoughi, Roy, và Aral về khoảng 126,000 cascade câu chuyện trên Twitter (Khoa học, 2018) phát hiện rằng tin tức sai lan truyền xa hơn, nhanh hơn, và sâu hơn so với sự thật, với những điều sai lệch có khả năng được retweet cao hơn khoảng 70%. Danh mục thất bại đầy đủ — từ cơn sốt tulip đến năm 2008 — có trong Khi Đám đông Đi Sai.

Chú ý những gì cả hai nhánh chia sẻ. Tư duy nhóm phá hủy sự độc lập về mặt xã hội; các cascade phá hủy nó về mặt thông tin. Dù bằng cách nào, đám đông ngừng là nhiều phán đoán và trở thành một phán đoán mang nhiều khuôn mặt — chính xác là điều kiện mà định lý của Condorcet chuyển từ một đảm bảo về trí tuệ thành một đảm bảo về sai lầm tự tin. Lịch sử bóng tối là lý do mà cánh thực tiễn của lĩnh vực này trở nên ám ảnh với quy trình: thu thập các phán đoán trước khi phơi bày mọi người với quan điểm của nhau, bảo vệ sự bất đồng một cách cấu trúc, và làm cho việc tổng hợp trở nên rõ ràng.

2015–2023: Thập kỷ tranh luận — tái tạo, phê bình, và phản hồi

Bất kỳ phép đo nào gây ngạc nhiên như vậy sẽ bị tấn công, và cuộc tấn công đã đến vào năm 2017. Marcus Credé và Garett Howardson (Journal of Applied Psychology) đã phân tích lại sáu mẫu và lập luận rằng sự hỗ trợ thực nghiệm cho một c-factor chung là yếu — rằng hiệu suất nhóm có thể được mô tả tốt hơn bởi các khả năng cụ thể của nhiệm vụ hơn là bởi một yếu tố cơ bản. Woolley, Kim, và Malone đã phản hồi vào năm 2018, tranh cãi về quy trình chấm điểm của phê bình và lập luận rằng các giả định mô phỏng của nó không khớp với các nhiệm vụ mà các nhóm thực sự thực hiện. Đây là hình ảnh của một lĩnh vực lành mạnh: cuộc chiến được tiến hành trong dữ liệu và phân tích lại, không phải thông cáo báo chí.

Cái gần nhất đến một phán quyết đã đến vào năm 2021. Riedl, Kim, Gupta, Malone, và Woolley đã công bố một phân tích meta trong PNAS trải dài 22 nghiên cứu và 1,356 nhóm — sinh viên, quân nhân, công nhân trực tuyến, game thủ — và đã tìm thấy bằng chứng nhất quán cho một yếu tố trí tuệ tập thể trên tất cả chúng, với quy trình hợp tác nhóm và sự nhạy cảm xã hội của thành viên là những yếu tố tiên quyết mạnh mẽ nhất. Cấu trúc và điều kiện biên của cấu trúc vẫn đang được tranh luận, như chúng nên được; nhưng “trí tuệ nhóm có thể đo lường được và không thể giảm xuống IQ của thành viên” giờ đây dựa trên một cơ sở bằng chứng lớn hơn nhiều so với bài báo gốc năm 2010.

Hai phát hiện bổ sung đã hoàn thiện thập kỷ. Superminds của Malone (2018) đã cung cấp một phân loại về các trí tuệ tập thể mà nền văn minh đã vận hành — các cấp bậc, nền dân chủ, thị trường, cộng đồng, và hệ sinh thái — mỗi cái là một câu trả lời khác nhau cho câu hỏi tổng hợp, mỗi cái có những điểm mạnh và chế độ thất bại đặc trưng. Và Dự án Aristotle của Google (2012–2015), một nghiên cứu nội bộ về 180 nhóm, đã phát hiện rằng sự an toàn tâm lý — niềm tin chung rằng một nhóm là an toàn cho việc chấp nhận rủi ro giữa các cá nhân — là yếu tố dự đoán mạnh nhất về hiệu quả nhóm, đứng trước thành phần và thâm niên. Sự bình đẳng trong việc thay phiên của Woolley và sự an toàn tâm lý của Google là hai phép đo của cùng một sự thật cơ bản: nút thắt của trí tuệ nhóm là liệu thông tin do các thành viên nắm giữ có thực sự vào nhóm hay không. Động lực nhóm — sự an toàn, thảo luận, và các bệnh lý của chúng như tư duy nhóm — là một cụm riêng, và chúng tôi xử lý các chế độ thất bại của chúng trong Khi Đám đông Đi Sai.

2024–2026: Siêu trí tuệ con người-AI — biên giới hiện tại

Kỷ nguyên hiện tại bắt đầu khi các mô hình ngôn ngữ lớn gia nhập nhóm. Burton và 27 đồng tác giả từ các lĩnh vực khác nhau đã lập bản đồ các vấn đề trong “Cách mà các mô hình ngôn ngữ lớn có thể định hình trí tuệ tập thể” (Nature Human Behaviour, 8: 1643–1655, 2024): Các mô hình ngôn ngữ lớn có thể giảm bớt rào cản tham gia, tóm tắt các cuộc thảo luận rộng lớn, và tổng hợp kiến thức phân tán ở quy mô chưa từng có — và chúng cũng có thể đồng nhất quan điểm, tạo ra sự đồng thuận giả tạo, và làm mỏng sự đa dạng của hệ sinh thái thông tin mà trí tuệ tập thể dựa vào. Mỗi điều kiện trong danh sách của Surowiecki đều đồng thời được củng cố và bị đe dọa bởi cùng một công nghệ.

Câu hỏi về sự hợp tác — câu hỏi của Engelbart năm 1962 — cuối cùng đã có được phân tích tổng thể. Michelle Vaccaro, Abdullah Almaatouq, và Thomas Malone đã phân tích 106 thí nghiệm và 370 kích thước hiệu ứng (“Khi sự kết hợp giữa con người và AI là hữu ích,” Nature Human Behaviour, 8: 2293–2303, 2024) và phát hiện rằng, trung bình, sự kết hợp giữa con người và AI hoạt động kém hơn so với tốt nhất của con người hoặc AI một mình. Các tổn thất tập trung vào các nhiệm vụ ra quyết định; những lợi ích thực sự xuất hiện trong các nhiệm vụ tạo nội dung. Chỉ cần đưa một “con người vào vòng” không cải thiện kết quả — thường thì con người vượt qua một phán đoán máy móc tốt hơn, hoặc nhường chỗ cho một phán đoán tồi tệ hơn. Sự hợp tác là một thành tựu thiết kế, không phải là mặc định. Khoa học mới nổi về hệ thống con người-AI — thiên lệch tự động, hiệu chỉnh niềm tin, khi nào để cho bên nào quyết định — là một chương tương lai khác của loạt bài này.

Chương trình thiết kế đó hiện là chương trình rõ ràng của Trung tâm Trí tuệ Tập thể MIT, nghiên cứu của họ được tổ chức vào năm 2026 dưới ba lĩnh vực: AI Tạo sinh và Trí tuệ Tập thể (AI để tăng cường sự sáng tạo của con người), Thiết kế Siêu trí tuệ (thiết kế các sự kết hợp đổi mới giữa con người và máy tính), và Thiết kế Nhóm Con người-AI (thiết kế và phân bổ nhiệm vụ trong các nhóm con người-máy — được theo đuổi với chương trình Singapore-MIT M3S như một khoa học hệ thống về phân bổ nhiệm vụ: nhiệm vụ nào thuộc về con người so với AI, ai giám sát, và liệu AI hoạt động như công cụ, trợ lý, đồng nghiệp, hay quản lý). Các dự án hàng đầu trước đây — Climate CoLab và nền tảng CoLabs, Phòng thí nghiệm Thiết kế CI, chương trình Đo lường Trí tuệ Tập thể — hiện đã chính thức trở thành công việc di sản, được hấp thụ vào những câu hỏi thời đại AI này.

Các sản phẩm cụ thể cho thấy “sự hợp tác được thiết kế” trông như thế nào. Supermind Ideator, một công cụ ý tưởng dựa trên LLM giúp người dùng thông qua các bước giải quyết vấn đề sáng tạo có cấu trúc, đã tạo ra nhiều ý tưởng đổi mới hơn đáng kể trong một nghiên cứu thử nghiệm so với ChatGPT một mình hoặc con người làm việc không có sự trợ giúp (Hội nghị Trí tuệ Tập thể ACM 2024; Trí tuệ Tập thể, 2024); các người thử nghiệm beta đã tạo ra hơn 10.000 ý tưởng với nó, và một công cụ anh em, DesignAID, áp dụng phương pháp này vào công việc thiết kế. Cấu trúc thực hiện sáu bước của Thiết kế Siêu trí tuệ — Phóng to, Thu nhỏ, So sánh, Nhóm hóa, Nhận thức, Kỹ thuật hóa — là một danh sách kiểm tra để tái tưởng tượng ai (hoặc cái gì) thực hiện mỗi phần của một nhiệm vụ. Bài học phản ánh chính xác phân tích tổng thể của Vaccaro: giá trị không nằm ở mô hình, mà nằm ở cấu trúc bao quanh nó. Về phía đo lường, AGI-Elo (Sun và các đồng tác giả, NeurIPS 2025; arXiv 2505.12844) — với các đồng tác giả liên kết với CCI bao gồm Malone — đánh giá các mô hình AI và các trường hợp thử nghiệm cá nhân so với nhau như các kỳ thủ cờ vua, vì vậy độ khó của một nhiệm vụ và năng lực của một mô hình nằm trên một thang đo có thể so sánh: một điều kiện tiên quyết để quyết định phần nào của công việc nên giao cho máy móc.

Hai kết quả nữa vào năm 2026 phác thảo hướng đi này. Một bài báo PNAS, “Tiến bộ trong Đàm phán AI: Một Cuộc thi Đàm phán Tự động Quy mô Lớn,” đã báo cáo một cuộc thi quốc tế trong đó các đại lý AI do người tham gia thiết kế đã thực hiện hơn 180.000 cuộc đàm phán với nhau. Lý thuyết đàm phán của con người đã sống sót qua sự thay đổi loài: các đại lý thể hiện sự ấm áp — tích cực, biết ơn, đặt câu hỏi — nhất quán đạt được kết quả tốt hơn trong các thỏa thuận và giá trị, trong khi các cuộc trao đổi marathon mang hương vị thống trị dự đoán các bế tắc; các đại lý cũng đã phát triển các chiến thuật bản địa AI, từ lý luận chuỗi suy nghĩ đến việc cố gắng tiêm lệnh. Và một hệ thống phân loại công việc sâu (Cai và các đồng tác giả, arXiv 2603.20619, tháng 3 năm 2026) đã tổ chức lại khoảng 20.000 hoạt động công việc O*NET và lập bản đồ 13.275 ứng dụng AI cùng với tổng số 20,8 triệu hệ thống robot trên chúng — phát hiện giá trị thị trường AI tập trung một cách phi thường, với 1,6% hoạt động hàng đầu chiếm hơn 60% giá trị đó. Siêu trí tuệ của con người và máy móc không còn là một phép ẩn dụ; chúng là một cơ sở đã được lắp đặt đang được kiểm kê.

240 năm dạy chúng ta điều gì

Đặt các kỷ nguyên cạnh nhau và một đường dây nổi bật xuất hiện: mọi thành công trong lịch sử này là một thành công của cấu trúc, và mọi thất bại là một thất bại của cùng một vài điều kiện. Định lý của Condorcet dựa trên sự độc lập và năng lực tốt hơn cơ hội. Cuộc thi công bằng của Galton đã thực thi các phán đoán độc lập, có động lực, được viết ra. Giá cả của Hayek và các nhà tạo lập thị trường của Hanson là các cơ chế tổng hợp; Delphi là một cơ chế bảo vệ độc lập; bốn điều kiện của Surowiecki chỉ đơn giản là các yêu cầu lặp đi lặp lại được nêu tên. Tài liệu về yếu tố c đã phát hiện rằng quá trình tương tác — lượt nói, nhạy cảm xã hội, an toàn để nói — quyết định liệu một nhóm có thể sử dụng trí tuệ mà nó chứa đựng hay không. Và các phân tích tổng thể thời đại AI đã phát hiện rằng các nhóm con người-AI thắng lợi chính xác khi sự hợp tác được thiết kế một cách có chủ đích. Khi các điều kiện bị phá vỡ — khi các phán đoán không còn độc lập và con người bắt đầu sao chép hành vi rõ ràng của người khác — bạn sẽ nhận được cascades thông tin, bong bóng, và tư duy nhóm: hợp lý cá nhân, sai lầm tập thể.

Điều này cũng, không phải ngẫu nhiên, là một bản đồ về nơi trí tuệ tập thể nằm trong cuộc sống của một quyết định. Quyết định tốt có nghĩa là chú ý đến vấn đề đúng, định hình nó, tạo ra các tùy chọn, điều tra chúng, tổng hợp các phán đoán phân tán, thảo luận về lý do, và chỉ sau đó mới chọn, thực hiện, và giám sát. Chương trình nghiên cứu 240 năm chủ yếu về các giai đoạn giữa — tổng hợp và thảo luận — vì đó là nơi kiến thức cá nhân trở thành kiến thức tập thể hoặc chết trong im lặng.

Argumentree được xây dựng như một ứng dụng trực tiếp của những phát hiện này. Việc nộp lập luận độc lập, không đồng bộ bảo vệ điều kiện độc lập của Condorcet và Delphi trước khi nhóm hội tụ. Các cây lập luận có cấu trúc pro/con cung cấp cho mọi quan điểm — bao gồm cả sự phản đối — một vị trí hàng đầu, điều kiện mà sự bình đẳng lượt nói của Woolley và sự an toàn tâm lý của Google chỉ ra. Đánh giá đa chiều (hữu ích, rõ ràng, chính xác, đầy đủ), được tổng hợp thành điểm đồng thuận, là một cơ chế tổng hợp rõ ràng trong dòng dõi Galton-Hayek — ngoại trừ rằng không giống như một mức giá thị trường, nó bảo tồn lý luận. Và toàn bộ dấu vết kiểm toán biến mỗi quyết định thành một hồ sơ tổ chức, để nhóm có thể học hỏi từ chính mình — giai đoạn giám sát mà vòng đời kết thúc. Việc trích xuất AI từ biên bản cuộc họp theo bài học 2024–2026: sử dụng AI ở những nơi nó chứng minh là hữu ích (cấu trúc và xử lý nội dung) trong khi con người giữ lại phán đoán. Bản án của lịch sử nhất quán từ 1785 đến 2026: các nhóm không trở nên thông minh một cách ngẫu nhiên. Họ trở nên thông minh nhờ cấu trúc — và cấu trúc hiện là điều bạn có thể áp dụng thay vì phải ứng biến. Bắt đầu với hướng dẫn của chúng tôi về trí tuệ tập thể, hoặc xem cách các nguyên tắc hoạt động bên trong một quy trình quyết định thực tế trong quyết định hợp tác.