集体智慧——智能化社会条件下人类合作和共享智能的基本形态

张 怡

智能化社会究竟对人类的智能发展带来怎样的影响，也许这是一个仁者见仁、智者见智的问题。美国著名的发明家、未来学家库兹韦尔（Ray Kurzweil）认为，随着人类对人工智能的开发，并且开发的速度又呈指数式的增长，未来人类与机器、现实与虚拟的界线会变得模糊，生物性的智能与非生物性的智能的合二为一可能成为不可改变的趋势。在时间序列上，2010年超级计算机模拟人类智能；2020年个人电脑模拟人类智能，21世纪20年代中期软件模拟人类智慧并有效建模。2030年左右，图灵测试最终通过，机器智能与生物智能没有区别。技术发展到这个程度，计算机能够融合生物智能和机器智能，从而纳米机器人形成；2045年由于电脑计算能力巨增和其成本的骤减，电脑所创造的人工智能的数量将是当今存在的所有人类智能数量的大约10亿倍。那时，人类将会成功地逆向设计出人脑，技术出现了撕裂人类历史结构的能力，“奇点”时刻就会出现。奇点主义的理论基础是加速回归定律，经验依据之一是摩尔的指数增长规律以及泛摩尔定律导致的科技性价比的指数化。但是，2016年世界半导体工业协会宣布半导体工业的生产不再遵循摩尔定律的路线图，这意味着摩尔定律从此将失效，人类社会进入到一个后摩尔定律的时代，库兹韦尔的观点受到严厉的挑战。尽管库兹韦尔的奇点理论过于乐观，但是他却揭示了智能化社会条件下人类智能的进化可能出现新的变化。

从现代信息技术的发展看，人类智能的发展在个体层面借助于芯片技术的进展的确有可能在某个特定方面超越人类，但是从类的角度看人类大脑到目前为止仍然是一个谜。应该讲，人类智能的发展并不是简单地能够从个体智能的发展中得到说明，而是应该从类的智能发展水平上得到解释。在智能化的社会条件下，当社会的形态出现全面透彻的感知、宽带泛在的互联，那么一种基于以物联网为载体的社会存在方式为人类智能的进化打开了新的空间。个体智能受生物性的制约，其感知的阀域值总是有限的，其思维的单个功能总是难以与机器智能相比。但是，当计算机呈现分布式的架构，各种智能传感器不断代替人的感觉器官，各种形式的数据、文本、图表、声音、信息不断地被转化为数字形式，并且能在赛博空间进行存储和传播时，那么人类的个体智能就有可能虚拟地连接起来，从而突破个体智能的局限，形成超个体的智能行为，并具备更有社会属性的类的智能，这就是集体智慧（Collective Intelligence）。

一、集体智慧的智力因子

自从互联网产生以来，集体智慧现象一直受到学术界的高度关注。但是，初期学术界对集体智慧的研究主要是在定性的意义上加以直观的认定。但是，它是否真正具有人类意义上的智力行为，需要从定量的角度加以考量。我们知道个体的智力因素g不仅仅是心理学上测量智能行为的方法论产物，它也是个体智能进化中客观存在的生理因素，是人类进化的产物。集体智慧要具有人类意义上的智能行为必须在行为方式上反映出与个体类同的智力行为。从直观上讲，当社会基于互联网并通过众多传感器形成一个庞大的物联网系统时，不同的个体是可以围绕着同一个解题目标发挥它们各自的作用的，众多个体行为的宏观反映应该产生了类似于个体的智力行为。

波兰学者舒巴（Tadeusz Szuba）2001年发表了《集体智慧和智商测量的形式化定义》一文，首先开始了对集体智慧的智力因子C进行定量化的研究，并在2011年出版的《计算集体智慧》一书中，做了较为系统的总结。他认为，集体智慧是赛博空间中团体成员随机智能行为的宏观反映，因而可以借助抽象的混沌计算模型的形式化来加以评价，并且可以对结构化环境中人的智能行为进行统计分析，其中最重要的是概率地分析个体成员推理的智力行为。舒巴的这个想法应该讲还是有道理的，因为在赛博空间中人和物都被解构为信息，特别是在一个社会的合作结构中人们是难以区分思维的和非思维的存在体的。所以，当每一个个体成员，包括形形色色的智能代理，都在赛博空间中围绕着特定的目标进行解问题时，他们推理的智力行为一定具有随机性。如果说赛博空间中不同个体在解问题过程时进行推理的现象是随机地分布在时空条件下的，那么集体智慧现象就可以从那些貌似杂乱无章的个体的智力行为之中得到解释。

从定量上考虑集体智慧，舒巴提出这样一个解决策略：假设存在于环境E中已知个体S的集合为I（i） （i=1，……，n），环境E中个体集合S的集体智慧的测试周期为tstart– tend，那么在环境E中可能问题P（x）的域U是可以确定下来的。在这样一个问题域U的定义下，当不存在其他的相互作用时，个体集合S解问题的能力可以被理解为每一个个体成员解问题能力的求和。舒巴在2001年《集体智慧和智商测量的形式化定义》①T. Szuba， “A Formal Definition of the Phenomenon of Collective Intelligence and its IQ Measure”，Future Generation Computer Systems， Vol.17， No.4， 2001，pp.489—500.和《集体智慧的普适形式模型和智商测量》②T.Szuba，“Universal Formal Model of Collective Intelligence and Its IQ Measure”， in From Theory to Practice in Multi-Agent Systems， edited by Barbara Dunin-Keplicz and Edward Nawarecki，Berlin：Springer-Verlag，2001，pp.303—312.两篇文献中给出了定量的表述。其实舒巴的定量处理说明，在一个团体中只要个体对问题做出了解答就是对集体智慧做出了贡献，只要这个团体确实在解问题，甚至是解决了问题，应该认为这个群体具有个体一样的智力。但是考虑到，每一个个体在同一时间内以不同的推理法则进行，因此这种推理总是平行的和随机的。舒巴认为只要满足下列条件，集体智慧的智商就可以被认为是存在的。第一个是“N个元素的推理允许被解释为在社会结构中或者在一个单一的存在体中的一个解问题过程，并且N个的推理必然得到一个结果；或者形成一个过程，其中N个技术/元素不得不被发现且统一成为一个最终的技术或者结果”。第二个是“模拟的N个元素的推理允许我们在个体间、时空耗散或集体智慧的运动中对推理的分布进行建模”。第三个是“在模拟的情况下，其中推理链的某些元素可以暂时无效，但是在某个时间t，在后台或并行运行的另一推理中就会导致丢失内容的现象”。此外，模拟的推理要反映人类推理的各种方向。①T.Szubaet al.， “On Efficiency of Collective Intelligence Phenomena”， in Transactions on Computational Collective Intelligence III， edited by Ngoc Thanh Nguyen， Berlin：Springer-Verlag，2011， pp.61—62.所以，舒巴用符号IQS=P（t，N）来表示集体智慧的智商，把它看成是N个个体从推理出发状态到达目标状态的概率。在具体的计算上舒巴认为，在赛博空间中每一个体的推理都是基于特定的逻辑编程程序PROLOG来实现的，因此可以考虑每一个个体在PROLOG程序推理过程中从开始到结束的概率问题。

舒巴2001年和2011年的工作仅仅是一种理论上的构思，尽管也做了智商的理想化的定量计算，但是毕竟没有非常多的经验数据的支持。但是在集体智慧定性研究的那个时代，学术界看到了定量处理的希望，也进一步激发起探索集体智慧中的智力因子C的热情。从科学证据的角度讲，集体智慧中智力因子C的测定取得决定性进展的工作来自MIT集体智慧研究中心。MIT集体智慧研究中心马龙（Thomas W.Malone）团队的核心成员伍莉（Anita Williams Woolley）2010年在《科学》 （Science）上发表了重要论文《人类团体行为中集体智慧因素存在的证据》，从而表明了集体智慧的智力因子C的存在。

自从英国心理学家斯皮尔曼（Charles Edward Spearman）1904年提出个体智能的二因素理论以来，关于一般智能的客观决定和测量方法有了许多模型。应该讲作为人类智能进化的客观因素，个体一般智力因子g的研究在心理学上已经有了相当的基础。20世纪末，美国著名心理学教授詹森（Arthur Jensen）用信息处理的方式进一步测定了个体一般智力因子g，从而更加确定个体智能存在着一般智力因子。按照这些心理学家们的研究，在个体智能的测试中，认知能力占比也就是一般智力因子g因素，通常在人的智能行为中占据30%—50%，其他因素的占比迅速下降，因而认知能力占比在衡量智能水平中具有重要地位。伍莉按照心理学家对个体智力因子g的处理方式，处理了集体行为中的智力因子C。伍莉提出：“我们定义集体智慧智力因子C为群体履行各种各样任务的一般能力。这类集体智慧的因素是群体自身的特征，而在个体中是没有的。”“我们的目标是决定作为一个整体的群体的集体智慧是否具有预测到上述或超越群体个体成员的那种已经解释过的能力。”②Anita Williams Woolley， Christopher F. Chabris， Alex Pentland， Nada Hashmi， Thomas W. Malone， “Evidence for a Collective Intelligence Factor in the Performance of Human Groups”， Science， 2010， Vol.330， No.6004，pp.686—688.只要能够确定群体履行任务的认知能力占比与个体一样也处于30%—50%之间，那么我们有理由认为群体行为存在着智能行为。所以，他们给不同群体各种各样的任务，这些任务在性质上需要不同的合作过程，然后利用因素分析决定这里是否存在一个群体的单一智力因素。经过对40个3人一组的团队进行测试，让他们履行特定的任务，结果得到的重要结论是C因素占比值为43%，位于g因素值的中间。然后，他们又用了152个小组，2人到5人不等，使用更广泛的任务样本来进行测试，结果得到智力因子C因素占比值为44%。从而确定了集体智慧存在着智力因子C。集体智慧存在着智力因子C意味着智能化社会条件下，众多随机性的个体智能行为可以形成一个单体的宏观智能效 应。

二、集体智慧的智能行为方式

如果说集体智慧存在着智力因子C，那么只要智能化社会是依托互联网和物联网建立起来的社会形态，分布式智能的集体智慧就能形成一种跨界的合作性认知。跨界的合作性认知主要表现为基于互联网和物联网的集体解问题，集体创造。

集体解问题并不是一个新鲜的概念。自从人类进行合作生产以来，集体解决社会生活和社会生产中的难题从未断过。但是，在赛博空间产生以前，集体解问题的范围受到时空的制约是相当有限的。它不仅体现在人员非常有限，而且也体现在人员构成的知识背景有限；它不仅体现在解问题范围有限，而且也体现在解问题的深度有限。而现代计算机网络的形成为突破这一局限提供了可能。鼠标的发明者恩格尔巴特（Douglas Englebart）1962年在斯坦福研究所工作时提交了一篇在学术界非常有影响的工作报告，名为“增强人类智慧：一个概念框架”。他希望通过计算机网络来提高人们处理复杂问题的能力，以求获得理解问题和解决问题的方法。具体框架就是让每一个人在这个计算机网络上都能发挥作用，通过“预感、尝试、无形和人类的‘情境感受’与强大的概念、简化的术语和符号、复杂的方法和高性能的电子辅助工具有效地共存”等措施来实现这一目标。①D. Englebart， “Augmenting Human Intellect： A Conceptual Framework”， Summary Report in the Stanford Research Institute ， 2011.但是受到技术条件的限制，他并没有完全如愿。

基于集体智慧的集体解问题是有着现代特定技术含量的概念内涵。法国早期集体智慧的研究学者列维（Pierre Lévy）曾把集体智慧理解为分布式的智能。由于赛博空间中大量个体智能的随机行为，在宏观上产生了一个智能的集成。如果这些个体都是围绕着解决某个特定的问题，那么他们的行为构成了集体解问题。所以，美国新墨西哥大学格林尼（Kshanti A. Greene）等人对赛博空间中集体解问题给出了这样一个定义：“集体解问题是许多个体合作定义问题并寻找一个或者多个可能的方案来改进境况的突现过程。”②Kshanti A. Greene， Joe M. Kniss and Steven S. Garcia， “Creating a Space for Collective Problem-Solving”，Encyclopedia of Social Network Analysis and Mining， Berlin： Springer Publishing Company， 2014， pp.289—304.以色列海法大学的管理学学者盖夫曼和拉邦（Dorit Geifman and Daphne R. Raban）认为：“集体解问题是一个过程，在这个过程中许多个体被指派解决一个问题，个体结论的总体加和产生一个集体的结论。求和是由集聚了个人知识、决策和创造力的各种在线平台来形成一个混合的智能人工事实。”①Dorit Geifman and Daphne R. Raban， “Collective Problem-Solving： The Role of Self-Efficacy， Skill， and Prior Knowledge”， Interdisciplinary Journal of e-Skills and Lifelong Learning， Vol.11， 2015， pp.159—178.从这一定义，我们可以看到基于集体智慧的集体解问题具有两个基本特征：第一是基于集体智慧的集体解问题是分布式个体智能随机求解行为的宏观反应；第二个是基于集体智慧的集体解问题是立足于平台操作的认知行为。

舒巴在形式化研究集体智慧时曾提出这样一个基本观点，在社会结构中个体通常是以混沌的非连续的方式进行的。原因在于：“社会结构中，存在体的运动是随机的，现实生活的需要和机会迫使他们这样做。推理过程是随机做出的，当需要时，当高层的需求暂时不去干扰给定的存在体，或者当有约定并要做推理的机会时，那么推理就会开始。”②T. Szuba， “A Formal Definition of the Phenomenon of Collective Intelligence and its IQ Measure” .但是大多数推理都不会完成，这与布朗运动惊人地相似，因而人们建议用准布朗运动来对社会结构中的行为进行建模。舒巴的这一观点事实上与列维早期的观点是一致的，分布式的个体智能在一个特定的社会结构范式下，他们的行为对某一个特定目标来讲都是具有随机性的。因此，在合作性认知的需要下，每一个个体的解问题行为一定也是随机的。但是，最终在宏观层面会突现解问题的综合效应——集体解问题。这也许是复杂性效应的行为结果。

在赛博空间中，个体行为的解问题能够成为集体解问题的一个有机组成部分，它必须在一定的平台上进行。比如，维基百科就是在维基网站上进行的。集体解问题的结果必须要有一种自动集成的机制才行，因为个体行为的解问题毕竟是随机的，而要将这种随机行为的结果放到一个宏观层面上来考量，平台是不可或缺的。格林尼之所以研究集体解问题的空间就是为了解决这个问题。维基尽管创造了一个百科体裁的解决方案，但是它的功能毕竟有限，不能涵盖所有问题。一个集体解问题的过程通常包含着这些因素：（1）问题表征域和问题求解域，赛博空间中问题通常被理解为通过干预可经改善的境况，它是一种立足已知状态下的未知情况，所以通过一定的知识表征是可以加以构造的，这就存在着一个问题域。同时，一个没有求解域的问题对计算机系统来讲是不构成问题的。（2）问题的体验场境。在赛博空间中，个体对问题的把握通常是通过虚拟环境来实现的，因为对每一个个体来讲，问题并不是都呈现为维基百科那种文体的风格，许多时候都是图像构成的问题境况。（3）问题求解的决策与行动。每一个个体在解问题过程中也许是合乎理性的，但是从群体的角度来看未必合理，因此需要有一种机制来进行决策和行动，以选择合理的方案进行组合。（4）问题求解的目标。目标实际上是集体解问题的理想状态，它是决策与行动的行为指向。从上述这些因素来看，每一个因素在赛博空间中都对应着一种网络或者一种虚拟的环境，因此，集体解问题必须立足于平台操作，也可以说是平台认知模式。

集体创造是跨界的合作性认知的一个基本环节。由于集体智慧存在着智力因子，因此类比于个体智能的性质，解问题过程中一定存在着以创造性为核心的“思维过程”，我们把它简单地表述为集体创造。美国管理学家哈格丹和贝奇（Andrew B. Hargadon，Beth A. Bechky）提出：“集体认知的理念，加上我们对创造性解问题的理解，提供了理解瞬间集体创造力的框架。”①Andrew B. Hargadon， Beth A. Bechky， “When Collections of Creatives Become Creative Collectives： A Field Study of Problem Solving at Work”， Organization Science， Vol.17， No.4， 2006， pp.484—500.他们想要说明的是集体创造力深深地扎根于社会互动之中。与集体解问题一样，集体创造也不是一个新鲜的概念。只要人类有合作行为，它就蕴含着集体创造。但是赛博空间中跨界的合作性认知所蕴含的集体创造，其含义可能与我们日常生活中的集体创造有很大的区别，这主要根源于集体智慧在赛博空间中的运行模式与个体进行简单的合作行为不同。列维与舒巴在处理社会群体的集体智慧时都认为，赛博空间中人们对信息的操作行为通常不是在比特原子层面上，而是在分子层面上（比如数字化层面）进行的，也就是形成人们常说的认知模块。格林尼认为，基于集体智慧考量下的集体解问题也是模块化的，形成“积木”式的解问题模式。所以，分析赛博空间中的集体创造实际上就是揭示这些“积木”在集体创造性行为中的作用。

马龙在《集体智慧基因》一文中指出，在维基百科上，成千上万的人在世界各地集体地创造这部世界上最大的百科全书。它并没有一个所谓的主编，任何人都可以进行某个词条的编辑。而有意思的是这个工作是不拿报酬的，全是自愿的。如果分析这些集体行为，并从集体智慧的角度将它们分解为一些相对小的“积木”单元，然后通过“what、who、why、how”四个问题形式的提问，就可以发现这些集体行为的内在创造力。马龙他们构思的四个问题是这些所谓的积木“正在做什么？”“谁在做？”“为什么要做？”和“怎样做？”，而在每一个问题的具体分析中可以发现集体智慧的“基因”，而这些基因行为的共同结果就是产生智能，并形成一种集体的创造行为。②Thomas W. Malone， Robert Laubacher， Chrysanthos Dellarocas，“The Collective Intelligence Genome”， IEEE Engineering Management Review， Vol.38， No.3， 2010， pp.38—52.事实上，基于集体智慧的解问题之所以具有一种创造力，从产生机制上讲是因为马龙这些问题背后蕴含着集体成员之间的互动，这一点正如哈格丹和贝奇所说：“互动促成了瞬间的集体创造力。”③Andrew B. Hargadon， Beth A. Bechky， “When Collections of Creatives Become Creative Collectives：A Field Study of Problem Solving at Work”.集体成员之间寻找互助、给予互助会产生“集体心灵”的反思性重构，从而对集体创造力作出贡献。

当然，赛博空间中大量个体的行为方式和思维方式往往存在着很大的差异，对于一个集体认知任务来说，这个集体必须存在着一种平滑机制，以平滑集体成员中个体的行为方式和思维方式。伍莉和马龙他们认为只要集体智慧的智力因子C的确是客观存在的，那么这种平滑机制一定也是存在的。因为由大量个体所反映的集体智慧是一个宏观的平均量，它已经过滤了那些极端的行为和方式。我们知道集体智慧的质量并不完全取决于个体质量的简单加和，即使这个集体全由精英们组成，也不等于精英集体。伍莉在研究集体智慧的智力因子时，曾发现个体的集体成员的智能平均值与最大值的确都是与因子C有关的，但都只是适度的。①Anita Williams Woolley， Nada Hashmi， “Cultivating Collective Intelligence in Online Groups”， edited by Pietro Michelucci， Handbook of Human Computation， New York： Springer Science+Business Media， 2013，pp.703—714.所以平滑机制非常重要。从创造性的角度看，这种平滑机制主要反映在平滑个体的发散性思维与收敛性思维上。在基于集体智慧的集体认知中，个体的发散性思维与收敛性思维都是必需的。发散性思维有助于创造性的产生，而收敛性思维则有助于决策。宏观上一个只有发散性思维的集体认知，将导致认知趋于无序状态；宏观上一个只有收敛性思维的集体认知，将导致认知无创造性，只是知识状态的复制和线性迁移。所以，基于集体智慧的集体认知一定存在着平滑收敛性思维和发散性思维的机制。伍莉认为这种机制来源于集体认知的社会洞察力和平等参与。当然，伍莉的观点只是从社会学的角度揭示了这种机制的存在。事实上，如果集体创造出现在同一网络平台上，那么基于这个平台的操作本身受到这个平台特定代码的制约，使得个体的智力行为被约束在特定的代码上，因此群体的发散性思维与收敛性思维都会受到一定的制约。所以，代码一定也是一种重要机制。

三、基于集体智慧的超专业化劳动分工

智能化社会条件下，互联网和物联网的存在导致人们将原本出现在赛博空间中的集体智慧认知方式向社会劳动分工迁移，因而出现了超专业化（hyperspecialization）现象。所谓超专业化是指在互联网条件下，因超链接的存在使得个体的具体劳动能够让他人方便地跨界切入进来，从而共同完成。亚当·斯密（Adam Smith）曾经对于工业化社会中劳动分工的价值给予了经济学上最为深刻的肯定性评价，它与货币理论、分配理论、资本积累理论、税赋理论等一起构成了现代市场经济的基石。但是，亚当·斯密的劳动分工理论是基于产品生产的线性逻辑来加以处理的。而现代智能化社会里，由于互联网的存在，一种基于虚拟链接关系而形成的劳动分工让我们看到一种全新的、突破产品生产的线性逻辑的分工现象。物联网更是以其强大的深度感知能力，创造了物与物、人与物的泛在联系，使得人们可以方便地切入工作的每一个细节中。马龙和他的同事2011年在《哈佛管理评论》上发表文章，认为现在是一个超专业化的时代。“超专业化这个术语并不是将工作外包给其他公司或者将工作分配给其他地方（如离岸外包）的同义词，尽管它是由相同的技术来推进的。”“相反地，它意味着把以前一个人做的工作分解成几个人来完成的更专业的工作。无论这些产品是外包还是分销，它们的独立往往会导致质量、速度和成本的提高。”①Thomas W. Malone， Robert Laubacher，“The Big Idea： The Age of Hyperspecialization”，Harvard Business review， Vol.36， No.7， 2011， pp.56—65.马龙认为超专业化劳动分工是现代管理学的大理念，这无疑是非常有价值的。但是，他把超专业化劳动分工仅仅理解为工作的一种更加细分的状态，这样可能并没有完全深刻地揭示超专业化劳动分工的深刻内涵。

超专业化劳动分工的形成首先在于集体智慧现象的存在让智能化社会的劳动生产可以基于互联网从事跨界性的合作工作，形成智能合作。在工业化劳动生产条件下，不同个体、群体或者国家可以利用自己特定的比较优势从事特定的产品生产，从而通过产品交换获得收益。从宏观上讲这种劳动分工可以创造更大的社会效益。在亚当·斯密的劳动分工理论中，他主要是把着眼点放在社会产品意义的劳动分工上。但是，他并没有重点考虑富有知识含量的具体工作的细分。事实上，在现实的社会中一个人的具体工作因为知识和技能的跨界因素的存在，往往无法独自完成，即使对于快递这样一项简单工作来讲也存在着类似的问题，快递的实时定位通常并不是快递员能够解决的问题。以往，对于解决一个人无法完全完成工作的做法是找一些人来共同商量，比如，在医疗过程中医生面临着疑难杂症时常常需要专家会诊。但是正如与前面所说的传统集体解问题所面临的问题一样，这种做法因时空条件的制约是非常有限的。在智能化社会条件下，因互联网甚至是物联网的存在，不同的专业人员可以通过网络切入到同一个工作过程中去，形成跨界性的合作工作。劳动的分工不仅仅是在产品上，也可以在过去被认为是同一个人的工作过程中。同一时间中的同一工作不一定非得属地化，也可以异地化。这种工作由多人共同完成的可行性和可靠性得益于集体智慧的存在让人们可以进行智能的在线合 作。

超专业化劳动分工的逻辑依据是基于集体智慧所存在的那种超链接的非线性的实践推理。美国学者伊利亚·米尔格兰姆（Elijah Millgram）曾就超专业化现象进行了哲学研究。②Elijah Millgram，The Great Endarkenment：Philosophy for an Age of Hyperspecialization， Oxford：Oxford University Press， 2015.他认为，人类总是会不断地面临许多新的问题，他称之为新的生态龛。以往人们面对这些新的生态龛总是以工具主义的方式来处理。但是，工具主义的理念需要对新的生态龛有一个期望的解决目标或者解决结果，它通常是建立在以往成功的经验基础上。新的生态龛往往不会给出这样一种经验信号。然而，串行的超专业化介入可以分解这种生态龛的目标定位和期望结果，使得人们能够得心应手地处理分解的目标，从而在实践上可以探索新的生态龛。所以，2015年他以《大地震》为名出版了他对超专业化研究的新作。伊利亚·米尔格兰姆把人类的超专业化解问题的本质理解为实践推理，这无疑有很大的学术价值。但是，他仅仅在串行的意义上理解超专业化显然是不够的。事实上，因为集体智慧的存在，人们可以通过超链接非线性地共同处理一些新的问题。智能化社会条件下，即使一个非常普通的工作现象，也可以从中看到超专业化劳动分工所存在的那种超链接的非线性的合理性。比如快递业务中我们可以看到，商品传递过程中可以实时定位，顾客随时可以了解到物品现在处于何种流通环节。货物的实时定位并不是串行的，而是超链接的。网购商品下单可以实行第三方支付，这样可以保证商品的到位和商品是否符合质量。第三方支付也是一种非线性的引入方法，它是传统买卖逻辑链上所不需要的非线性行为。也许正是基于这样一种非线性的实践推理，超专业化的劳动分工有了合理的合作智能的依据。另外，包括合作智能在内的人类的任何合作都需要一定的价值观支撑。卢梭（Jean-Jacques Rousseau）也许是历史上提出最具价值的合作方案的学者之一，他认为：“寻找出一种结合的形式，使它能以全部共同的力量来维护和保障每个结合者的人身和财富，并且由于这一结合而使得每一个和全体相联合的个人又只不过是在服从其本人，并且仍然像以往一样的自由。”①卢梭：《社会契约论》，何兆武译，北京：商务印书馆2005年版，第19页。结论是通过自由人的公意签订社会契约，通过政府治理来实现社会合作，并且让这一形式置于法律的框架下进行运行。卢梭的理论实际上是把合作的成功维系在集体意志的基础上，如果没有集体意志的支撑，没有对公共利益的维护，契约只是一纸空文，社会合作是不可能得到维系的。合作智能同样也具有类似的要求。但是，在互联网条件下，现实产权与人身自由、个人身份是相分离的，在随机条件下影响智能合作的外在非理性因素会下降，而按照共同的代码方式运行的理性因素会上升。从这个意义上讲，智能合作的“公意”主要是代码，代码成为最主要的“社会契约”。

基于集体智慧的超专业劳动分工也是一种信息共享和智能共享的过程。关于个体劳动的解问题和创造力的研究在认知科学或认知心理学上都是聚焦于个体的性格、思维方式、动机激励和文化背景等问题上，基于集体智慧的超专业劳动分工事实上也与这些问题相关。但是，人们更关心处于社会结构化下并活跃在赛博空间中的个体，他们的集体创造力是如何不断地受到其他个体影响的。这里涉及在特定的工作条件下如何通过互动机制共享他人创造力的问题，而这个问题的展开也就是一个信息共享和智能共享的问题。

列维在创立他的集体智慧理论之前曾与奥捷（Michel Authier）合作写了一本书，名为《知识树》。他认为，计算机产生以后人类有了一种可以互动的、动态的，甚至可以记忆和推理的媒体。人们可以借助计算机进行想象和推理，借助计算机进行决策。如此，知识、学习和技能之间的关系因计算机的存在而出现了新的属性。“通过与其他事物的互动，我们发展技能。通过与符号的信息的关系，我们探究知识。通过与其他人起始与转换过程的媒体化，我们可以将知识引入生活中。”①Pierre Lévy，Collective Intelligence：Mankind’ s Emerging World in Cyberspace， New York： Perseus Books Group，1999， p.11.由于人们可以借助计算机进行想象和推理，因而当计算机呈分布式联网时，知识、学习和技能就形成树式网状结构。列维的知识树研究本来是为集体智慧理论所做的一个铺垫，但同时也揭示了在智能化社会条件下人们的劳动可以进行知识共享和智能共享。当知识树现象通过本地计算机属地化后，人们就可以在共享的基础上将自身融入进去，从而为同一任务做出贡献。

超专业劳动分工需要知识共享是不难理解的，如果没有共同的工作对象，没有共同的期望目标、没有相应的知识背景，超专业劳动分工是无法进行的。但是，如何理解共享智能却是一件麻烦的事。在学术界，研究人员通常认为共享信息、共同利用某种智能体、人们可以互动，在一定程度上意味着智能的共享。但事实上这里涉及超专业劳动分工许多具体的理论性问题，比如超专业劳动分工中的意向性共享和行动共享。对于集体智慧来讲，意向性共享是完成任务的先决条件。意向性共享在集体智慧中是对解问题或者承担某种任务的共同承诺，在一定程度上表达了集体行动的共同指向。但是，在超专业劳动分工中由于存在着参与者的随机性，个体工作的意向性与集体意向性还是有区别的，集体意向性一般被看作是集体行动的理由。但是在超专业劳动分工中个体意向性共享只是个体对集体工作任务的一种承诺，但并不代表着这些意向性的共享成为集体行动的理由。因为在赛博空间中，大量个体，包括了现实的人和各种各样的智能体，只要数量足够多，它就不可能也没有必要受同一种理念来支配自己的具体工作任务，它只需要共享一个意向前提即可。个体意向性共享通常是通过互动机制来实现的，这与社会活动中集体行为在某个理念（集体意向性）指导下的共同行为有很大的差别。通过互动，个体与个体之间的意向性可以沟通、可以共享，它无需用严格的规则来约束。而社会活动中具体的集体都是数量有限的，集体意向性可以化为具体伦理的和法的规则来约束集体中个体的行为。所以，这种集体意向性与个体共享意向性存在一定的区别。当然，个体共享意向性与集体意向性存在着一定的交集，因为在任务驱动这个层面上两者具有相同性。意向性是人类智能的一种重要属性，从这个意义上说，个体共享意向性意味着一种智能的共享。人类的智能也是语言和行为的表达过程。超专业劳动分工需要知识共享在一定程度上的确表达了智能共享的含义，因为知识总是由一定的语言载体来实现的。语言表达智能的共享其实就是建构一种共享的语言，只有在这种共享的语言符号系统中集体行为才能得以高效地实现。当然，语言表达智能的共享也是对语言意义的共享，超专业劳动分工之所以可以产生出比个体劳动更高效的能力，在一定程度上个体可以通过互动平台分享他人的工作成果，从而在迭代行为中提升工作能力。智能也是与决策推理这些理性行为有关。在赛博空间条件下每一个受任务驱动的个体劳动行为都具有相对独立性，他们只是在行为的宏观效应上产生一个集体行为效果。我们可以认为超专业劳动分工中的个体决策和推理的行为是随机的。但是，这种随机性现象存在的前提是个体要参与，个体参与动机是超专业劳动分工成功的关键因素之一。但是个体参与动机不仅仅是受到自身爱好驱动的问题，它也受到他人成功的影响。个体智能总存在着差异，并不是任何个体都能承担各种各样复杂的任务，解决各种各样复杂的问题，他们需要互助。社会心理学研究也表明，人们倾向于依靠他们的邻居和同事来获取某些信息、知识或技能，并且通过利益的感觉来提升自己的参与动机。所以，一个超专业劳动分工行为一定存在着知识提供者和知识接受者的机制，通过他人成功决策推理的共享来激励自身参与的动机，提升自己解决问题的能力，从而进一步地为完成同一项工作任务做出自己的贡献。所以，行为表达智能的共享也是集体认知的条件。

综上所述，超专业劳动分工的本质并不是将工作简单细分，而是将工作置于一个“全球脑”下进行虚拟的整体操作。在马龙看来，超专业劳动分工是将原本一个人完成的工作分解为离散任务而让多个人来做，他们共同在一个平台上实现任务的完成。在智能化社会条件下，最简单的工作也附加了许多知识含量，更不要说有些复杂的知识工作可能对一个人来讲根本无法完成。所以，工作的细分从效益、质量和速度的角度上讲的确有益。但是，超专业化更应该从整体上被理解为多个人甚至包括了智能代理在内形成了一个虚拟脑，它类似于单体的人脑在从事一项工作。它之所以称为超专业，是因为除了需要工作的线性分割之外，还需要通过非线性的超链接进行处理。马龙认为超专业从管理的角度讲存在着一个困难，难以招聘超专业人才。事实上超专业劳动分工除了需要劳动组织机构本身具有一定数量的人之外，利用平台让其他专业人员可以随机加入也是非常重要的。所以，超专业劳动分工既存在着固定人员的工作，也存在着随机人员的工作，只要他们共同完成同一项任务即可。超专业劳动分工的本质也许在于因为集体智慧的存在从而可以将工作置于一个“全球脑”下进行虚拟人的整体操作，实现人类智能的合作与共享。因此，集体智慧是智能化社会条件下人类智能合作与共享的基本形态。