Onderwijs in relatie tot P2P/Collectieve intelligentie/zwermintelligentie

Vrij vertaald is collectieve intelligentie de capaciteit van een menselijke gemeenschap om te evolueren in de richting van complex hoger orde denken en om problemen op te lossen door middel van samenwerking en innovatie (P2P-foundation, 2013).

Bauwens beschrijft zwermintelligentie als volgt: Zwermintelligentie is een vorm van intelligentie die gebaseerd is op collectief gedrag van gedecentraliseerde, zelforganiserende systemen. Zwermintelligentiesystemen bestaan typisch uit een populatie van eenvoudige agenten die interageren met elkaar en hun omgeving. Hoewel er geen centrale controlerende structuur is die de agenten controleert, zorgen de gemeenschappelijke interacties voor een globaal intelligent gedrag. Voorbeelden in de natuur zijn mierenkolonies, vogelzwermen en scholen van vissen (Bauwens en Lievens, 2014, p. 212).

Opmerking bij de definities: Het begrip zwermintelligentie wordt in de literatuur door sommigen als een vorm van collectieve intelligentie beschouwd, door anderen worden de twee begrippen als synoniemen gehanteerd. Ook worden beide begrippen in de meest diverse contexten gehanteerd en zijn er auteurs die nog andere termen gebruiken.

Collectieve intelligentie/Zwermintelligentie en P2P

Michel Bauwens (Bauwens & Lievens, 2014) is van mening dat er een belangrijk betekenisverschil is tussen collectieve intelligentie en zwermintelligentie. In de context van een post-kapitalistische samenleving en peer-to-peer hanteert Bauwens het begrip collectieve intelligentie om de werking van peer-to-peer te verklaren. Peer-to-peer is een begrip uit de computerwereld dat letterlijk gelijke-tot-gelijke betekent. Michel Bauwens beschouwt peer-to-peer als een sociale structuur en het betreft voor hem de capaciteit van mensen om als gelijken en zonder toestemming samen waarde te creëren door de collectieve intelligentie van de menselijke gemeenschap aan te wenden. Hij gelooft dat onze huidige kapitalistische samenleving met peer-to-peer kan evolueren naar een post-kapitalistische samenleving waarin ‘‘de burgersamenleving’’ als draaischijf zal fungeren in relatie tot de in de nieuwe context meer faciliterende actoren ‘‘markt’’ en ‘‘staat’’. Mensen beschikken over een bewustzijn om samen iets op te bouwen. Peer-to-peer vindt bijgevolg altijd plaats in een context van collectieve intentionaliteit en waarbij collectieve intelligentie aangewend wordt om constructief samen te werken in functie van iets te creëren dat de wereld ten goede komt.

Het begrip zwermintelligentie heeft voor Bauwens een negatieve betekenis omdat er bij zwermintelligentie geen sprake is van bewust samenwerken in functie van iets positiefs creëren voor de gemeenschap. Zwermintelligentie situeert hij bijgevolg binnen de huidige kapitalistische samenleving waarin de markt nog de draaischijf is en waarbij de markt volgens een zwermdynamiek functioneert waarbij bijvoorbeeld bij een commerciële transactie elke agent immers zijn eigen voordeel nastreeft, zonder rekening te houden met externe factoren of het maatschappelijk veld waarbinnen hij opereert.

Voorbeelden

Voorbeelden van zwermintelligentie in de natuur

In de natuur is er bijvoorbeeld sprake van zwermintelligentie bij bacteriën, sociale insecten, scholen vissen, zwermen vogels, kudden bizons , enzovoort (Fisher, 2010). Dieren zijn zich niet bewust van het hebben van een bewustzijn en zijn bijgevolg beperkt om datgene te doen waarvoor ze door de natuur zijn geprogrammeerd. Dieren gebruiken zwermintelligentie bij hun jacht op voedsel, het vinden van schuilplaatsen en het uit de weg gaan van belagers. Hun ogenschijnlijk complex collectief gedrag is gebaseerd op het volgen van eenvoudige regels voor de interactie tussen individuen en hun directe buren of het reageren op door soortgenoten achtergelaten sporen of signalen.

Bij scholen vissen zijn er bijvoorbeeld slechts twee regels die door elke vis opgevolgd worden: ‘volg de vis voor je als die er is’ en ‘zwem even snel als de vis naast je’ (Fisher, 2010). Mieren laten in hun zoektocht naar voedsel feromonen achter op de route die leidt naar iets lekkers. Die feromonen trekken andere mieren aan die op hun beurt weer feromonen achterlaten waardoor het spoor sterker wordt en het vinden van voedsel doelgerichter wordt (Tuyls, 2012). De Franse bioloog Pierre-Paul Grasse gebruikt voor het mechanisme dat mieren hanteren het begrip stigmergie en omschrijft het als het aanzetten tot werken als gevolg van het resultaat van werk en komt in essentie neer op het ontstaan van een bepaald gedrag bij agenten als gevolg van wijzigingen in de lokale omgeving, ontstaan door vroeger gedrag. Het is een mechanisme van indirecte interactie van en samenwerking tussen actoren via hun omgeving. Het begrip is afgeleid van de Griekse woorden stigma wat ‘‘teken’’ betekent en ergon wat staat voor ‘‘werk’’. (Wikipedia, 2013).

Een voorbeeld van collectieve intelligentie in een menselijke gemeenschap

Mensen beschikken over een bewustzijn en zijn zich bewust van het hebben van een bewustzijn. Dit stelt hen in de mogelijkheid om hun toekomst intentioneel vorm te geven al dan niet in functie van het individuele of algemeen belang (Fisher, 2010). Maurits Kreijveld (2012) illustreert de samenleving in de favela’s als resultaat van collectieve intelligentie. Deze sloppenwijken in Latijns-Amerika lijken op het eerste gezicht ongeorganiseerde bendes, maar achter de chaos gaat een hechte gemeenschap schuil. De favela’s zijn samenlevingen zonder directe sturing en wetten van bovenaf, maar met onderlinge zelforganisatie. Sociale controle speelt daarbij een grote rol, alsook collectieve intentionaliteit. De favela’s worden gekenmerkt door hun grote dynamiek, innovatief vermogen en zin voor initiatief. Niet-participeren in de favela is geen optie, iedereen is immers met elkaar verbonden en onderdeel van een rijke community.

Theoretische duiding

De taxonomie van collectieve intelligentie

Volgens Kreijveld (2012) kunnen drie vormen van collectieve intelligentie onderscheiden worden. Deze worden bepaald door de mate van participatie en de mate waarin de individuele bijdragen afhankelijk van elkaar zijn. Naarmate er meer mensen hun inbreng leveren en meebeslissen neemt de complexiteit toe.

Het eerste stadium is het ‘‘crowdsourcing’’ en ‘‘aftappen van de crowd’’. Daarbij wordt een vraagstuk of probleem voorgelegd aan een grote groep mensen die zelf niet de eigenaar zijn van het probleem en die geen rol hebben in de uiteindelijke keuze en selectie van de oplossing. Denk hierbij aan alledaagse dingen zoals het googelen of het opzoeken van informatie op Wikipedia. Hierbij wordt de kennis van een grote groep gebruikt om zelf een probleem of vraag op te lossen.

Het tweede stadium is dat van de ‘‘co-creatie’’. Hierin worden problemen gezamenlijk opgelost en heeft de crowd ook een rol in de besluitvorming. De crowd kan ook betrokken worden in een co-creatie proces. Dit soort situaties zien we bijvoorbeeld op het terrein van infrastructurele projecten met veel verschillende belanghebbenden die allemaal te maken krijgen met de gevolgen van de beslissingen en keuzes die gemaakt worden.

Het derde stadium is die van de ‘‘zelforganisatie’’, waarbij de crowd het initiatief volledig overneemt en waarbij alle leden hun gedrag op elkaar afstemmen en zonder centrale regie een richting kiezen.

Henry Jenkins (2014) beschrijft op de website van de P2P-foundation een gelijkaardige indeling van collectieve intelligentie en benoemt de drie bovenstaande vormen achtereenvolgens als het aggregatieve model, het curatoriaal model en het deliberatief model.

Tom Atlee (P2P-foundation, 2013) wijst op een nog hogere vorm van collectieve intelligentie, met name ‘‘collectieve wijsheid’’. Het is als het ware een lange-termijn-wijsheid waarbij grotere verbanden, belangen, mogelijkheden en drijfveren omarmd worden in een breed tijds- en ruimteperspectief. De oplossingen gecreëerd vanuit ‘collectieve wijsheid’ overstijgen het hier en nu, hebben een duurzaam karakter en kunnen bijdragen tot de transitie naar duurzame ontwikkeling waarbij rekening gehouden wordt met het lokale en het globale, het verleden, het heden en de toekomst.

Patronen van collectieve intelligentie bestuderen door middel van statistische analyses

Door middel van ingewikkelde statistische analyses die men loslaat op data is het mogelijk om algoritmen en patronen van collectieve intelligentie te bestuderen. Vervolgens kunnen vanuit data-analyse algoritmen en patronen van collectieve intelligentie op diverse terreinen aangewend worden zoals kunstmatige intelligentie, kankeronderzoek en sociale fysica.

Er zijn momenteel wetenschappers die zich bezighouden met kunstmatige intelligentie en zich tot doel stellen een robot te ontwikkelen die zelfstandig kan reageren op de omgeving en op onverwachte situaties, zonder dat elke handeling van tevoren geprogrammeerd is (Tuyls, 2012). Voor de ontwikkeling van zulke robots laat het team van Tuyls zich inspireren door de analyse van zwermgedrag. De voorwaarde tot het zelfstandig kunnen werken van robots is dat ze kunnen ‘antwoorden’ op drie vragen: ‘waar ben ik?’, ‘waar moet ik heen?’ en ‘hoe kom ik daar?’. Met een complex algoritme kan het zwermgedrag van mieren nu reeds overgedragen worden op robots. Het gedrag dat de robots vervolgens vertonen lijkt sterk op wat mieren doen. Zonder dat de robots is verteld waar het digitale voedsel ligt en hoe ze het moeten vinden, ontdekken ze het en ontwikkelen ze doelgericht gedrag. Op lange termijn zullen op dit principe gebaseerde meer gesofisticeerde robots bijvoorbeeld ingezet kunnen worden bij het opsporen van mensen in ingestorte gebouwen of arbeid verrichten na een kernramp (Tuyls, 2012).

Onderzoekers aan de Rice University, de Tel Aviv University en de Johns Hopkins University verrichten baanbrekend werk op het vlak van de strijd tegen kanker door de collectieve intelligentie van kankercellen te proberen verschalken. Ze beogen de communicatiecode die kankercellen hanteren te kunnen ontrafelen en breken (Medical News, 2012). Er is immers groeiend bewijsmateriaal dat kankercellen een verfijnd sociaal leven leiden en gebruik maken van het doorgeven van geavanceerde mededelingen om normale cellen te modificeren, metastasen te creëren en om zich net als bacteriën tegen medicatie en het immuunsysteem te verzetten. Verdere analyse van de collectieve intelligentie van kankercellen zou op termijn kunnen leiden tot een toepassing in de behandeling van kanker waarbij de kankercellen een soort signalen verzenden die hen aanzet om elkaar te vernietigen (Medical News, 2012).

De sociale fysica is een kwantitatieve sociale wetenschap die betrouwbare, wiskundige verbanden beschrijft tussen informatie en ideeënstromen van mensen enerzijds en het gedrag van mensen anderzijds (Pentland, 2014). Dit resulteert in meer inzicht in de manier waarop ideeën zich via sociaal leren verspreiden en laat zien hoe deze ideeënstromen de normen, productiviteit en creatieve output van bedrijven, steden en samenlevingen bepalen. De motor van de sociale fysica is big data, de digitale data die alomtegenwoordig is over alle aspecten van het menselijk leven. Kennis van ideeënstromen van mensen is uiterst belangrijk voor het begrijpen van de samenleving, vooral omdat de verspreiding en het combineren van nieuwe ideeën uiteindelijk leiden tot gedragsverandering en innovatie. Aan de hand van de sociale fysica kunnen accurate wiskundige voorspellingen gedaan worden en maar ze geeft daarenboven aan de samenleving een taal om helder en doeltreffend te denken en de toekomst exacter te kunnen plannen (Pentland, 2014).

Beïnvloedende factoren met betrekking tot collectieve intelligentie

Zoals reeds hoger in deze wiki beschreven, zijn volgens Kreijveld (2012) de mate van participatie en de mate waarin individuele bijdragen afhankelijk zijn van elkaar bepalend voor de mate van de complexiteit van collectieve intelligentie.

Alex Pentland (2014) beschrijft vanuit onderzoek binnen de sociale fysica hoe interactiepatronen zich vertalen in collectieve intelligentie en groepsproductiviteit. Groepen hebben een collectieve intelligentie die verschilt van de individuele intelligentie van elk groepslid. De collectieve intelligentie is een belangrijke factor in het voorspellen van groepsproductiviteit. Door data van individuen binnen een groep te combineren en deze te vergelijken met de gegevens over het functioneren kunnen interactiepatronen opgespoord worden die leiden tot goed teamwerk. Uit onderzoek blijkt dat de collectieve intelligentie van een groep grotendeels onafhankelijk is van de intelligentie en andere kenmerken van de individuele groepsleden. Het probleemoplossend vermogen van de groep - een veruitwendiging van collectieve intelligentie - ontstaat wel uit de contacten tussen de individuen. Teams functioneren als het ware als een ideeënverwerkingsmachine waarin het patroon van de interacties een soort datamining van ideeën mogelijk maakt. Essentieel voor een optimale groepsproductiviteit is een interactiepatroon dat bevorderlijk is voor het bundelen van een diverse reeks van ideeën afkomstig van iedereen, gecombineerd met een doeltreffend selectieproces om consensus te bereiken (Pentland, 2014).

Peter Senge (1990) beaamt dat de intelligentie die er echt toe doet collectieve intelligentie is. Een effectieve methodiek in functie van het stimuleren van de de collectieve intelligentie, het creëren van een ideeënstroom en het aanpakken van problemen binnen een menselijke gemeenschap is systeemdenken. Het doel van systeemdenken is om vanuit een ideeënstroom inzicht te krijgen in de problemen in functie van het vinden van de hefboom om tot een oplossing te komen. Voorwaarden om aan systeemdenken te doen zijn: bereid zijn om het bij het verkeerde eind te hebben, alle betrokkenen uit het systeem betrekken en rekening houden met een lang proces dat een uiteindelijk resultaat voorafgaat.

Externe links

Achtergrondinformatie over collectieve intelligentie: http://p2pfoundation.net/Collective_Intelligence

Diverse benaderingen van zwermintelligentie: http://www.sg.uu.nl/prog/2012a/doc/blogbundels/Bundel_Zwerm.pdf

De collectieve intelligentie van kankercellen verschalken: http://www.news-medical.net/news/20120905/New-strategy-for-outsmarting-cancer-through-its-own-social-intelligence.aspx

Sociale fysica - voordracht door Alex ‘Sandy’ Pentland over ‘Social Physics: How Good Ideas Spread’ : https://www.youtube.com/watch?v=HMBl0ttu-Ow

Systeemdenken: http://www.janpeeters.nl/systeemdenken-en-lerende-organisaties/

Referenties

Bauwens, M. & Lievens, J. (2014). De wereld redden. Met peer-to-peer naar een postkapitalistische samenleving. Antwerpen, België: Uitgeverij Houtekiet.

Fisher, L. (2010). Zwermintelligentie. Over slimme groepen en domme massa’s. Amsterdam, Nederland: Maven Publishing.

Kreijveld, M. (2012). Samen slimmer. Hoe ‘wisdom of crowds’ onze samenleving zal veranderen. Den Haag, Nederland: STT.

Medical News. (2012). New strategy for outsmarting cancer through its own social intelligence. Verkregen op 15 november, 2014, van http://www.news-medical.net/news/20120905/New-strategy-for-outsmarting-cancer-through-its-own-social-intelligence.aspx

Pentland, A. (2014). Sociale big data. Opkomst van de data-gedreven samenleving. Amsterdam, Nederland: Maven Publishing.

P2P Foundation. (2013). Collective intelligence. Verkregen op 20 oktober, 2014, van http://p2pfoundation.net/Collective_Intelligence

Senge, P. (1990). The fifth discipline. New York: Doubleday/Currency.

Tuyls. K. (2012). De zwerm. Verkregen op 20 oktober, 2014, van http://www.sg.uu.nl/prog/2012a/doc/blogbundels/Bundel_Zwerm.pdf

Wikipedia (2014). Collective intelligence. Verkregen op 20 oktober, 2014, van http://en.wikipedia.org/wiki/Collective_intelligence

Wikipedia (2013). Stigmergie. Verkregen op 16 november, 2014, van http://nl.wikipedia.org/wiki/Stigmergie

Wikipedia (2013). Zwermintelligentie. Verkregen op 20 oktober, 2014, van http://nl.wikipedia.org/wiki/Zwermintelligentie