《Collective Intelligence》：Everyone, everywhere, all at once LLMs and the new physics of collective intelligence
编辑推荐：
人工智能与信息技术突破重构组织设计逻辑，空间限制通过分布式协作消除，时间限制借助大语言模型实现多线程并行讨论。相比传统顺序讨论（每小时20分钟有效内容），25人同时发言可生成4小时内容（1200分钟），经AI筛选整合后形成高效决策框架。关键挑战在于人机协作机制设计及伦理考量。
```
摘要
人工智能（AI）的最新突破与信息技术的稳步发展相结合，改变了组织和制度设计的本质。如今，讨论和审议可以同时容纳来自不同地点的人们参与。这为互动方式开辟了新的可能性，从而提升了我们产生集体智慧的能力。
我们如何实现集体智慧？应该让哪些人参与进来？又该如何设计和安排他们的互动？具有设计思维的社会科学家通过将这些问题嵌入各种正式框架中来探讨它们。经济学家设计市场和匹配机制，以实现高效、公平的资源配置并激励相关方。政治学家制定投票规则，以选出获得广泛支持的决策者。组织科学家设计沟通和权力结构，以产生创新性的解决方案和深思熟虑的战略决策。
这些具有设计思维的社会科学家在一系列约束条件下开展工作。有些约束是认知层面的：人们只能存储、处理有限的信息量；有些是物理层面的：会议室的规模有限；还有一些是时间层面的：所有人必须在特定时间（例如每周二下午4点）参与。这些约束限制了可能的设计方案，从而降低了我们可能实现的结果在效率、公平性、代表性及创新性方面的表现。
然而，这些约束条件已经发生了变化。人工智能（AI）的最新进展与信息技术的持续进步改变了组织和制度设计的本质（参见Farrell等人，2025年）。这一变化扩展了可能的设计范围。其逻辑很简单：消除约束意味着我们可以实现更多目标。
这对我们产生集体智慧的能力影响深远。在Arrow、Debreu和McKenzie的经济模型中，Simon的组织理论中，Habermas的审议机构中，以及Ostrom的社区研究中，许多未被明确提及的关键约束条件都得到了缓解，其中就包括空间和时间的限制。
跨越空间的限制正在逐步消除。如今，我们可以在一个上午内参与在柏林、贝洛伊特和波哥大举行的会议。身处不同地点的人们可以像身处同一地点一样高效地进行头脑风暴、投票、讨论和协作。只需几次点击，我们就能决定谁可以参加会议、谁不能参加。物理空间的消弭极大地扩展了设计和结构的多样性。具有相关想法或知识的人可以随时加入讨论。
时间方面的限制则较少受到重视和利用。几乎所有的合作、讨论和对话仍然按顺序进行：一个人发言，然后是下一个人，依此类推。虽然会出现打断和插话的情况，但人类无法同时处理多个对话内容超过几秒钟。
目前尚未完全理解的是，这些关于同时性的限制已经不再适用。大型语言模型（LLMs）的进步使得同步协作成为可能。大量的人可以同时分享想法、观点、预测、见解和解决方案，而LLMs能够即时过滤、整合这些信息，并使其易于人类理解。
互动的新逻辑
新的互动逻辑能够产生更强大的集体智慧，这基于简单的数学原理。设想一个由25人组成的小组在60分钟的会议中做出一个决定：这可能是一个选举产生的机构制定政策，一个学术部门决定招聘人员，或者一家大公司的领导层决定新设施的选址。也可能是教师、家长和学校董事会挑选新的校长，风险投资家评估投资项目，或是姐妹会成员选择秋季筹款活动的主题。
目前，这种决策过程通常是顺序进行的：一个人发言，然后是下一个人。顺序讨论存在多个缺点：首先，它限制了可以分享的内容和分析深度；其次，参与者不一定具有代表性；地位较高、自信心较强的人会占用更多会议时间，但这些特征与内容质量并无必然关联；第三，如果发言者观点相似，小组就难以接触到与会者提出的新颖想法；第四，顺序互动容易引发策略性行为，谁发言以及他们说什么会受之前发言者的影响；最后，在顺序讨论中，人们提出的“事实”往往未经核实，尤其是当这些“事实”来自有权势的人时。
我们可以用矩形来表示顺序讨论中的内容——包括想法、信息、见解、意见、知识和目标（见
图1）。每一行代表一个人，时间沿水平轴推进。较宽的矩形代表较长的发言内容。在一场小时的会议中，最多只能分享60分钟的内容。在实际讨论中，人们往往会重复观点、发表无关内容或请求澄清，因此实际分享的内容往往远低于这个上限。时间大多被用于构建对话结构、支持已有观点等。保守估计，顺序讨论产生的内容和分析时间约为20分钟。
顺序讨论。
现在，假设这25人进行同步讨论：在前10分钟内，每个人都能分享自己的想法。同步性确保了内容的平等分享，避免了权力或相似性导致的偏见，也便于事实核查。
这样会带来更多的信息、想法和知识。我们可以通过重新绘制
内容矩形来量化这一变化。总内容量等于人数与每人平均贡献内容的乘积（见
图2）。10分钟内，25人产生的内容相当于4小时以上的讨论量，是顺序讨论的12.5倍。当然，并非所有内容都有用或正确，其中很多可能是重复的。
同步讨论。
过去，如此大量的内容会超出人类的认知负荷。没有人能在短时间内理解所有内容。
但现在这个瓶颈已经不存在了。人工智能在短时间内就能总结、核实事实、分类、组织内容，并将其以主题、想法或潜在解决方案的形式呈现出来，便于进一步讨论。
这25人中的每个人还可以再花10时间评估这些内容，这样内容量又会增加12.5倍。此外，人工智能还可以协助制定后续40分钟的议程。
这意味着巨大的潜力：40分钟的内容和分析时间，相比之前的500分钟有了显著提升。而且，人工智能还能生成和评估内容。考虑到这些新的互动方式，我们的决策会变得更加准确、创新，解决问题的能力也会更强（参见Taylor和Krishna，2025年；Delacroix和Small等人，2024年）。
这些问题的答案取决于我们能否设计出能够支持同步贡献和分析的人工智能架构，这些架构能够捕捉知识、分配注意力、促进集体推理，并通过挑战和完善现有想法来激发新的见解（参见Riedl和De Cremer，2025年）。其中关键在于人类的反应：当人工智能“简化”了人们的发言时，他们是否会感到自己的意见被重视？他们是否仍能准确理解讨论氛围？最终结果是否会让人们感到合理（参见Tessler，2024年）？在整个过程中，人们是否会感到被剥夺了人性或获得了更多权利？
要取得进展，既需要经济学家偏好的正式机制设计方法，也需要人机交互学者采用的更具灵活性的跨学科方法。这两种方法将帮助我们设计出更好的系统，增进彼此的理解，提升个人素质（参见Lazar和Manuali，2024年）。
```
