群体智能是国务院发布的《新一代人工智能发展规划》的重点核心课题之一，引起了学术界、产业界的极大兴趣和广泛关注。大量科学实证表明，人类社会在分工协作、预测估计、认知决策等复杂任务中，集体的智慧往往超过任何个体。在自然界中，个体仅依靠对其它邻近个体行为的观察与响应，即可使整个群体呈现出高度有序与协调的行为模式。例如，鱼群中每个个体遵循简单的局部规则，却能在整体上涌现出协调一致的编队游动；蚂蚁群落通过信息素这类简单化学信号，即可实现群体层面的高效路径规划。2015年，《科学》杂志将“群体智能是如何涌现的”列为人类面临的前沿科学问题之一。

北京大学王龙教授和博士生王国丞联合上海交通大学与美国宾夕法尼亚大学的研究人员，基于演化博弈理论，构建了群体智能的研究框架，提出了群体智能涌现和演化的调控机制。研究团队考虑了一个经典的预测任务模型：真实结果由多个因素决定，每个个体仅能观测其中一个因素，并基于个体策略进行预测，群体预测则由所有个体预测聚合而成。个体给出不同的预测值会获得不同的激励，以驱动群体智能的涌现。

研究团队创新性地提出了两类基于反馈的激励机制，通过将群体层面的信息引入个体演化过程，成功揭示了群体智能涌现的机理。第一种反馈机制基于个体的预测误差，在保证个体预测准确性的同时，通过基于频率的调节有效维持了群体行为的多样性。第二种是基于群体预测误差的反馈机制，该机制将集体预测结果作为全局反馈信号，用于奖励那些能够推动群体预测逼近真实值的个体行为，而不论其个体预测是否准确。这两种机制的核心在于，它们都将群体层面的信息作为反馈信号引入到群体演化过程中，实现了从开环到闭环调控的根本转变。

理论分析与大规模仿真表明，基于群体预测误差的反馈机制在应对环境突变或因素相关性等复杂情景时，展现出了巨大的优势。 其根本原因在于，它将群体输出结果作为一个全局反馈信号引入到个体收益中，从而在群体中实现了一种分布式的闭环控制。这使得群体不再仅仅是个体的简单加和，而是演变成一个能够自我感知、自我修正的“超级智能体”。

该研究的重要意义，在于它成功回答了“群体智能在什么条件下才能涌现”这一根本问题。仅仅将大量个体聚集在一起远不足以产生群体智能；智能的涌现强烈依赖于关联个体与集体的激励机制能否形成有效的“学习-反馈”闭环。研究团队所构建的理论框架，清晰揭示了个体利益与集体目标协同一致所需的激励机制，为理解和调控群体智能提供了关键的“设计原则”。这不仅是对群体智能现象的深刻理论阐释，更是从“理解自然规律”到“调控系统行为”的范式跨越。该研究提出的可解释、可计算的群体智能演化理论，使我们能够主动地为多机器人系统、无人机集群、人机混合系统（Human in the loop）、移动传感器网络、大型交通系统等复杂工程系统“注入”智能涌现的能力，从而在没有人为直接干预的情况下，引导系统自发地朝着智能、高效和自适应的方向演化。

上述研究成果以《Individual incentives that promote collective intelligence》为题近期发表于《美国科学院院刊》（PNAS）。

 原文链接：https://www.pnas.org/doi/10.1073/pnas.2516535122