群体智能(collective intelligence)

指通过个体的协作、竞争及集体的共同力量所实现的智能。

随着互联网发展，以众包为代表的人群协同和以人计算为代表的人群与机群协同是近年来发展快速的新型模型。

如何通过优化改进协同技术获得最大程度群智效果成为挑战。

群体协同行为分析与机制设计成为一个关键性问题。

当任务数目多而难，众包是一个优秀的解决方案，只需简单地划分成多个集合独立处理即可。16

而处理复杂的任务，由于各个组成部分之间存在一定约束，因此需多个个体之间相互协同处理，则人计算的模式更为合适17

处理过程总体上可分为群智协同任务的设计、群智任务的协同处理和群智协同结果的汇聚。

研究问题

• 群体协同行为分析与机制设计：关注计算机支持的协同工作CSCW和人机交互CHI领域，特别是针对互联网上各种在线社群中群体行为 特征和交互方式分析、策略模型、协同wbwrsm理与质量控制策略、面向特定群体的群智协同创作tfowvsr及系统设计、人机交互设计及一致性维护等。
• 群智协同任务的设计：重点研究任务的规划与分配问题。针对众包来说，任务设计需要考虑到工人完成任务方式，一次性完成任务数目及实时性需求等方面的设计直接关系到任务完成的效率、代价和质量，而任务的分配主要考虑到完成任务人员方面分析借助社会计算方法对与群体协同平台中社会群体及工人属性方面rdgpw，为设计较好的激励机制、工人的推荐、人员筛选和任务推送等。对于复杂的任务，需要分解成微任务，每个微任务适合众包工人独立地短时间内完成。任务的协同设计的主要目标是在效率、代价约束下设计出工人能够为各个微任务提供最优质量的解决方案。
• 群体任务的协同处理：主要涉及工人完成任务的方式，核心是协同工作流的执行控制。对于众包任务，每个工人在短期内完成任务，由于不同人群的这些微任务间存在一事实上的约束，因此完成各个部分的工人之间可存在一定的协同操作来提高完成任务的质量。此外，由于参与者不仅包括人群资源，也包括机群资源，因此如何设计一个交互模式的工作流成为协作的关键问题。工作流的主要目的是使完成相同任务的人群、完成不同任务的人群及完成任务的机群等资源之间进行高质量的协同，最终使完成的任务整体质量高、效率快、代价小。
• 群智结果的汇聚：主要涉及任务的结果推理与汇聚方面的研究。针对众包任务，由于任务微小，但工人能力参差不齐，一般以冗余的方式发放。当所有任务均收到工人的回答，则需要对所有的结果进行推理整合，汇聚出最适合的答案。对于各微任务之间无约束关系，只需将各个微任务的结果打包组合得到整体最优的结果。而针对各个结构复杂且之间具有一定约束关系的任务。由工人提供的各组成部分的结果也同样具有约束关系，因此，在分析结果过程中不仅需要关注同一个子任务的多个冗余结果之间的协同，还要关注不同子任务之间的结果协同。
• 群智协同平台与应用：