[논문 리뷰] AI-enhanced Collective Intelligence

Hao Cui, Taha Yasseri|arXiv (Cornell University)|2024. 03. 15.

Artificial Intelligence in Healthcare and Education인용 수 4

한 줄 요약

이 논문은 인공지능 기반 공동 지능을 위한 다층 네트워크 프레임워크를 제안하며, 인지, 물리적, 정보적 층을 통합하여 인간-인공지능 협업의 상호보완적 특성을 모델링한다. 다양한 인간 및 인공지능 에이전트가 전략적으로 조율될 경우, 개별 또는 고립된 인공지능 능력보다 뛰어난 공동 지능을 달성할 수 있음을 입증하며, 지식 창출 및 의사결정 분야의 실질적 응용 가능성을 보여준다.

ABSTRACT

Current societal challenges exceed the capacity of humans operating either alone or collectively. As AI evolves, its role within human collectives will vary from an assistive tool to a participatory member. Humans and AI possess complementary capabilities that, together, can surpass the collective intelligence of either humans or AI in isolation. However, the interactions in human-AI systems are inherently complex, involving intricate processes and interdependencies. This review incorporates perspectives from complex network science to conceptualize a multilayer representation of human-AI collective intelligence, comprising cognition, physical, and information layers. Within this multilayer network, humans and AI agents exhibit varying characteristics; humans differ in diversity from surface-level to deep-level attributes, while AI agents range in degrees of functionality and anthropomorphism. We explore how agents' diversity and interactions influence the system's collective intelligence and analyze real-world instances of AI-enhanced collective intelligence. We conclude by considering potential challenges and future developments in this field.

연구 동기 및 목표

• 인지, 물리적, 정보적 층을 통합한 인간-인공지능 공동 지능의 다층 네트워크 모델을 개념화하는 것.
• 표면 수준(예: 인구통계학적 특성)에서 깊이 수준(예: 인지 스타일, 가치관)에 이르기까지 인간의 다양성과 인공지능의 功能성/인간화 특성이 시스템 역학에 미치는 영향를 분석하는 것.
• 인간의 행동 리듬과 인공지능의 응답 지연 간 시간적 불일치가 인간-인공지능 조율 효율성에 미치는 영향을 조사하는 것.
• 인간-인공지능 팀 내 투명성, 편향, 책임 소재 문제 등 인공지능 통합 시 발생하는 윤리적 과제를 규명하는 것.
• 사회적 과제를 해결하기 위해 향상된 공동 지능을 기반으로 사회적 인공지능 시스템을 구축하기 위한 다학제적 협업의 필요성을 제안하는 것.

제안 방법

• 인간-인공지능 상호작용을 모델링하기 위해 인지, 물리적, 정보적 층으로 나누어진 다층 네트워크 표현 방식을 개발한다.
• 표면 수준(예: 인구통계학적 특성)과 깊이 수준(예: 인지 스타일, 가치관)의 차원을 기반으로 인간 에이전트를 분류한다.
• 기능적 능력(예: 자연어 처리, 컴퓨터 비전)과 인간화 특성(예: 주어진 자율성 인식)을 기반으로 인공지능 에이전트를 분류한다.
• 인간의 생체 리듬과 인공지능의 응답 지연을 일치시켜 조율 최적화를 위한 시간 역학을 분석한다.
• 네트워크 과학 및 복잡계 이론을 적용하여 하이브리드 시스템 내 상호의존성과 탄생하는 지능을 모델링한다.
• 실제 사례 연구(예: 위키백과, 시민 과학, 협업 소프트웨어)를 활용하여 프레임워크의 적용 가능성을 검증한다.

실험 결과

연구 질문

• RQ1 다층 네트워크 모델은 공동 지능 시스템 내 인간-인공지능 에이전트 간 상호작용을 어떻게 효과적으로 표현할 수 있는가?
• RQ2 인간과 인공지능 양측의 에이전트 다양성이 하이브리드 공동체의 탄생하는 지능에 어떤 역할을 하는가?
• RQ3 인간의 행동 리듬과 인공지능의 응답 지연 간 시간적 불일치는 조율과 시스템 성능에 어떤 영향을 미치는가?
• RQ4 인공지능이 인간-인공지능 팀에 통합될 경우, 특히 투명성, 편향, 책임 소재 측면에서 어떤 윤리적 위험이 발생하는가?
• RQ5 인공지능이 단순히 지원을 넘어서 인간 공동체와 상호진화하여 복잡한 사회적 과제를 해결할 수 있는 방식은 무엇인가?

주요 결과

• 다층 네트워크 프레임워크는 인간-인공지능 공동 시스템의 구조적 및 동적 복잡성을 효과적으로 포착하여, 인지, 물리적, 정보적 층 간 상호의존성을 분석할 수 있게 한다.
• 공동 지능은 개인의 지능만으로 발생하는 것이 아니라 상호보완적 상호작용에서 비롯되며, 평균 개인 지능도수와 무관하게 그룹 성과를 예측하는 데 'c-factor'가 유의미하게 기여한다.
• 인간의 입력과 인공지능의 응답 간 피드백 지연은 특히 시간 민감도가 높은 협업 작업에서 조율 능력을 심각하게 저해할 수 있다.
• 투명성이 부족할 경우, 특히 전략적 상호작용에서 신뢰 감소와 팀원의 기여 중단 현상이 발생하여 윤리적 위험이 증가한다.
• 훈련 데이터나 시스템 설계가 철저히 점검되지 않을 경우, 인공지능 통합은 의사결정 과정에서 기존 편향을 악화시킬 수 있으며, 이는 편향 완화 전략의 필요성을 강조한다.
• 위키백과, 시민 과학과 같은 실질적 응용 사례는 AI 강화 공동 지능이 고립된 인간 또는 인공지능 노력보다 뛰어나게 작동하며, 특히 대규모 지식 창출 및 데이터 분석 분야에서 뛰어난 성과를 내는 것으로 나타났다.