Intelligence collaborative - Collaborative intelligence

A ne pas confondre avec l' intelligence collective .

L' intelligence collaborative caractérise multi-agents , les systèmes distribués où chaque agent, humain ou à la machine, contribue de façon autonome à une résolution de problèmes réseau. L'autonomie collaborative des organismes dans leurs écosystèmes rend possible l'évolution. Les écosystèmes naturels, où la signature unique de chaque organisme est dérivé de la génétique, les circonstances, le comportement et la position dans son écosystème, offrent des principes pour la conception de la prochaine génération de réseaux sociaux pour soutenir l' intelligence collaborative, crowdsourcing expertise individuelle, les préférences et les contributions uniques dans la résolution de problèmes traiter.

Aperçu

L'intelligence collaborative est un terme utilisé dans plusieurs disciplines. En affaires, il décrit des réseaux hétérogènes de personnes interagissant pour produire des résultats intelligents. Il peut également désigner des systèmes de résolution de problèmes multi-agents non autonomes . Le terme a été utilisé en 1999 pour décrire le comportement d'un « écosystème » d'entreprise intelligent où l'intelligence collaborative, ou CQ, est « la capacité de construire, de contribuer et de gérer le pouvoir trouvé dans les réseaux de personnes ». Lorsque la communauté informatique a adopté le terme d' intelligence collective et a donné à ce terme une dénotation technique spécifique, un terme complémentaire était nécessaire pour distinguer l'homogénéité anonyme dans les systèmes de prédiction collective et l'hétérogénéité non anonyme dans les systèmes collaboratifs de résolution de problèmes. L'intelligence collective anonyme a ensuite été complétée par l'intelligence collaborative, qui reconnaissait l'identité, considérant les réseaux sociaux comme le fondement des écosystèmes de résolution de problèmes de la prochaine génération, modelés sur l' adaptation évolutive des écosystèmes naturels.

Histoire

L'intelligence collaborative trouve ses racines dans l'architecture Pandemonium proposée par le pionnier de l'intelligence artificielle Oliver Selfridge comme paradigme d' apprentissage . Son concept était un précurseur du système de tableau noir où un espace de solution opportuniste, ou tableau noir, puise dans une gamme de sources de connaissances partitionnées, alors que plusieurs joueurs assemblent un puzzle, chacun contribuant une pièce. Rodney Brooks note que le modèle de tableau noir spécifie comment les connaissances sont affichées sur un tableau noir pour un partage général , mais pas comment les connaissances sont récupérées, se cachant généralement du consommateur de connaissances qui a initialement produit ces connaissances, de sorte qu'il ne serait pas considéré comme un système d'intelligence collaborative.

À la fin des années 1980, Eshel Ben-Jacob a commencé à étudier l' auto-organisation bactérienne, estimant que les bactéries détiennent la clé pour comprendre les systèmes biologiques plus vastes. Il a développé de nouvelles espèces de bactéries formant des motifs, Paenibacillus vortex et Paenibacillus dendritiformis , et est devenu un pionnier dans l'étude des comportements sociaux des bactéries. P. dendritiformis manifeste une faculté collective, qui pourrait être considérée comme un précurseur de l'intelligence collaborative, la capacité de basculer entre différents morphotypes pour s'adapter à l'environnement. Les fourmis ont d'abord été caractérisées par l'entomologiste WM Wheeler comme des cellules d'un seul "superorganisme" où des individus apparemment indépendants peuvent coopérer si étroitement qu'ils ne peuvent plus être distingués d'un seul organisme. Des recherches ultérieures ont caractérisé certaines colonies d'insectes comme des instances d' intelligence collective . Le concept d' algorithmes d'optimisation des colonies de fourmis , introduit par Marco Dorigo , est devenu une théorie dominante du calcul évolutif . Les mécanismes d' évolution par lesquels les espèces s'adaptent vers une efficacité fonctionnelle accrue dans leurs écosystèmes sont à la base des principes de l'intelligence collaborative.

L'intelligence artificielle en essaim (ASI) est une technologie en temps réel qui permet à des groupes humains en réseau de combiner efficacement leurs connaissances, leur sagesse, leurs idées et leurs intuitions en une intelligence émergente. Parfois appelés « esprit de ruche », les premiers essaims humains en temps réel ont été déployés par Unanimous AI à l' aide d'un serveur basé sur le cloud appelé « UNU » en 2014. Il permet aux groupes en ligne de répondre à des questions, de prendre des décisions et de faire des prédictions en penser ensemble comme une intelligence unifiée. Il a été démontré que ce processus produit des décisions, des prédictions, des estimations et des prévisions considérablement améliorées, comme cela a été démontré lors de la prédiction d'événements majeurs tels que le Kentucky Derby, les Oscars, la Coupe Stanley, les élections présidentielles et les World Series.

Le crowdsourcing a évolué à partir de l'intelligence collective anonyme et évolue vers des applications d'intelligence collaborative, open source et créditées qui exploitent les réseaux sociaux. Le biologiste évolutionniste Ernst Mayr a noté que la compétition entre les individus ne contribuerait pas à l'évolution des espèces si les individus étaient typologiquement identiques. Les différences individuelles sont une condition préalable à l'évolution. Ce principe évolutif correspond au principe d'autonomie collaborative dans l'intelligence collaborative, qui est un prérequis pour les plateformes de prochaine génération de crowd-sourcing. Voici des exemples d'expériences de crowdsourcing avec des attributs d'intelligence collaborative :

  • SwarmSketch est une expérience artistique participative.
  • Galaxy Zoo est un projet de science citoyenne dirigé par Chris Lintott à l'Université d'Oxford pour exploiter les capacités de reconnaissance des formes humaines pour cataloguer les galaxies.
  • Le DARPA Network Challenge explore comment Internet et les réseaux sociaux peuvent favoriser une communication rapide, la constitution d'équipes étendues et la mobilisation urgente pour résoudre des problèmes de grande envergure et urgents.
  • Climate CoLab, issu du MIT et de son Center for Collective Intelligence.
  • reCAPTCHA est un projet pour numériser des livres, un mot à la fois

À mesure que le crowdsourcing évolue des tâches de reconnaissance de formes de base vers l'intelligence collaborative, exploitant l'expertise unique des contributeurs individuels dans les réseaux sociaux , les contraintes guident l' évolution vers une efficacité fonctionnelle accrue, coévoluant avec les systèmes pour marquer, créditer, horodater et trier le contenu. L'intelligence collaborative nécessite une capacité de recherche, de découverte, d'intégration, de visualisation et de cadres efficaces pour prendre en charge la résolution collaborative de problèmes.

Contraste avec l'intelligence collective

Le terme d' intelligence collective englobait à l'origine à la fois l' intelligence collective et l'intelligence collaborative, et de nombreux systèmes manifestent les attributs des deux. Pierre Lévy a inventé le terme « intelligence collective » dans son livre du même titre, publié pour la première fois en français en 1994. Lévy a défini « l'intelligence collective » pour englober à la fois l'intelligence collective et collaborative : « une forme d'intelligence universellement distribuée, constamment améliorée, coordonnée dans temps réel, et dans la mobilisation efficace des compétences". Suite à la publication du livre de Lévy, les informaticiens ont adopté le terme d'intelligence collective pour désigner une application dans le domaine plus général auquel ce terme s'applique désormais en informatique. Plus précisément, une application qui traite l' entrée d'un grand nombre d'intervenants discrets à spécifiques, généralement quantitative, des questions (par exemple , quel sera le prix de la DRAM être l' année prochaine?) Algorithmes entrée Homogénéiser maintenir l'anonymat traditionnel des répondants de l' enquête afin de générer mieux que -prédictions moyennes.

Des études récentes sur les réseaux de dépendance suggèrent des liens entre intelligence collective et collaborative. Les réseaux de dépendances basés sur la corrélation partielle, une nouvelle classe de réseaux basés sur la corrélation, permettent de découvrir des relations cachées entre les nœuds du réseau. Recherche par Dror Y. Kenett et son doctorat. Le superviseur Eshel Ben-Jacob a découvert des informations cachées sur la structure sous-jacente du marché boursier américain qui n'étaient pas présentes dans les réseaux de corrélation standard , et a publié ses conclusions en 2011.

Application

L'intelligence collaborative traite des problèmes où l'expertise individuelle, les priorités potentiellement conflictuelles des parties prenantes et les différentes interprétations de divers experts sont essentielles à la résolution de problèmes. Les applications futures potentielles comprennent :

  • les concours, où les soumissions doivent être intégrées pour produire un résultat synergique ;
  • la recherche intelligente, où les réseaux sociaux de chercheurs sur des sujets connexes co-définissent les résultats de la recherche ;
  • les groupes professionnels, les collectifs d'intérêt, la science citoyenne et d'autres communautés, où le partage des connaissances est une condition préalable à des résultats efficaces ;
  • planification, développement et gestion de projets durables;
  • des systèmes intelligents pour transformer des villes autonomes en réseaux urbains collaboratifs et écologiques

Wikipédia, l'un des sites Web les plus populaires sur Internet, est un exemple de réseau d'innovation manifestant une intelligence collaborative distribuée qui illustre les principes pour les laboratoires d'affaires expérimentaux et les accélérateurs de start-up.

Une nouvelle génération d'outils pour soutenir l'intelligence collaborative est sur le point d'évoluer à partir des plates-formes de crowdsourcing, des systèmes de recommandation et du calcul évolutif . Les outils existants pour faciliter la résolution de problèmes en groupe comprennent les logiciels de groupe collaboratif, les technologies de conférence synchrone telles que la messagerie instantanée , le chat en ligne et les tableaux blancs partagés, qui sont complétés par une messagerie asynchrone comme le courrier électronique , les forums de discussion animés et modérés , les journaux Web et les wikis de groupe. . La gestion de l'entreprise intelligente repose sur ces outils, ainsi que sur les méthodes d'interaction des membres du groupe ; promotion de la pensée créative; commentaires sur les membres du groupe ; contrôle de la qualité et examen par les pairs ; et une mémoire de groupe documentée ou une base de connaissances. Au fur et à mesure que les groupes travaillent ensemble, ils développent une mémoire partagée, qui est accessible via les artefacts collaboratifs créés par le groupe, y compris les procès-verbaux de réunion, les transcriptions des discussions et les dessins. La mémoire partagée (mémoire de groupe) est également accessible via les mémoires des membres du groupe ; l'intérêt actuel se concentre sur la façon dont la technologie peut soutenir et augmenter l'efficacité de la mémoire passée partagée et la capacité de résolution de problèmes futurs. La métaconnaissance caractérise la manière dont le contenu de la connaissance interagit avec son contexte de connaissance dans une collaboration distribuée interdisciplinaire, multi-institutionnelle ou mondiale.

Voir également

Les références