Collective Intelligence: 240 Years of Research — From Condorcet to AI

1794년, 한 프랑스 수학자가 혁명적인 감옥에서 사망했습니다. 그는 거의 아무도 읽지 않은 정리를 발표한 지 9년이 지났습니다. 1906년, 84세의 빅토리아 시대 통계학자가 가축 박람회를 돌아다니며 사용된 복권 카드를 수집했습니다. 2026년, MIT의 연구자들은 AI 에이전트 간의 수십만 건의 협상을 진행하여 기계가 인간 팀에 어떻게 합류해야 하는지를 배우고 있습니다. 이 세 가지 장면은 집단 지성에 대한 단일하고 연속적인 연구 이야기의 일부입니다. 이는 그룹이 지능적으로 보이는 방식으로 행동할 수 있는 능력입니다. 다음은 실제 발견과 실제 논쟁을 포함한 시대별 이야기입니다.

1785: 계몽의 내기 — 콩도르세의 정리

마리 장 앙투안 니콜라 드 카리타, 콩도르세 후작은 현대의 다재다능한 인물들을 좁게 만드는 계몽 시대의 인물입니다: 20대에 과학 아카데미에 선출된 수학자, 공교육, 여성 참정권, 그리고 노예제 폐지를 조기에 강력히 지지한 인물입니다. 그는 1785년에 다수결의 결정에 대한 확률 분석의 적용에 관한 에세이를 발표했습니다. 그 안에는 우리가 현재 콩도르세 배심원 정리라고 부르는 결과가 숨겨져 있습니다.

이 정리는 놀라운 내용을 담고 있습니다. 옳은 답이 있는 예/아니오 질문을 생각해 보십시오. 각 투표자가 동전 던지기보다 약간 더 나은 확률로 옳다고 가정해 보겠습니다 — 예를 들어 55% — 그리고 투표자들이 서로 독립적으로 판단한다고 가정합니다. 그러면 그룹이 커질수록 대다수가 옳을 확률은 확실성에 가까워집니다. 보통의 개인 판단이 적절히 집계되면 거의 완벽한 집단 판단이 됩니다. 이 정리에는 어두운 쌍둥이도 있습니다: 각 투표자가 동전 던지기보다 약간 못하다면, 대다수는 그룹이 커질수록 거의 확실히 틀리게 됩니다. 집계는 당신이 제공하는 어떤 능력 — 또는 무능력 — 을 증폭시킵니다. 우리는 이 정리의 전체 이야기, 그 가정, 그리고 현대적 사용에 대해 콩도르세 배심원 정리에 대한 동반 기사에서 이야기합니다.

같은 에세이에는 160년이 지나야 폭발할 두 번째 발견이 포함되어 있습니다: 콩도르세 역설. 세 가지 이상의 선택지가 있을 때, 대다수의 선호는 순환할 수 있습니다 — 그룹은 A를 B보다, B를 C보다, C를 A보다 선호합니다 — 그래서 '대다수가 원하는 것'은 잘 정의되지 않을 수 있습니다. 그 관찰은 사회적 선택 이론의 씨앗이며, 케네스 애로우가 나중에 그의 불가능성 정리로 변형할 분야입니다: 어떤 순위 투표 시스템도 한 번에 짧은 목록의 합리적인 공정성 조건을 만족시킬 수 없습니다. 투표 시스템, 순위 선택 방법, 그리고 선호 집계의 수학은 그 자체로 이야기가 있으며 — 이 기사가 따르는 믿음 평균화와는 다른 종류의 집계입니다 — 우리는 미래 시리즈에서 다시 다룰 것입니다.

콩도르세는 그 어떤 것도 중요해지는 것을 보지 못했습니다. 자코뱅 헌법에 반대하여 테러 중 금지되었고, 그는 몇 달 동안 숨어 지내며 놀랍게도 그의 낙관적인 인간 정신의 발전에 대한 역사적 그림의 스케치를 작성했습니다 — 1794년 3월에 체포되었고, 이틀 후 부르글레레인의 감옥에서 사망한 채 발견되었습니다. 집단 지혜의 수학은 미친 집단에 의해 파괴된 한 남자의 작업으로 시작되었습니다. 아이러니는 그 이후로 이 분야에 걸쳐 있습니다: 그룹은 뛰어날 수 있고, 그룹은 괴물일 수 있으며, 그 차이는 사람들에 있는 것이 아닙니다 — 그것은 조건입니다.

1906–1950s: 통계 시대 — 갈턴, 하이에크, 그리고 델파이

집단 지성이 첫 번째 경험적 테스트를 받기까지 121년이 걸렸습니다 — 그리고 그것은 가축 박람회에서 이루어졌습니다. 1906년 가을, 프랜시스 갈턴은 84세로, 플리머스에서 열린 서부 잉글랜드 비만 가축 및 가금류 전시회에 참석했습니다. 여기서 무게 판단 대회가 열렸고, 방문객들은 6펜스의 티켓으로 살아있는 소의 드레스 무게를 추정하도록 초대되었습니다. 갈턴은 통계학의 창립자이며, 성격상 민주적이지 않았습니다 — 그는 응모작들이 평균 투표자의 무지를 증명할 것이라고 예상했습니다. 그는 사용된 카드를 얻어 13개의 읽을 수 없는 카드를 버리고 나머지 787개의 추정치를 분석했습니다. 중앙값 추정치는 1,207 lb였고; 소의 실제 드레스 무게는 1,198 lb였습니다 — 1% 미만의 오차로, 현장에 있는 소 전문가들보다 더 나은 결과였습니다. 그는 1907년 3월 7일 Nature에 '대중의 목소리'라는 제목으로 결과를 발표했으며, 후속 서신에서 산술 평균이 여전히 더 정확하다는 것을 인정했습니다: 1,197 lb, 한 파운드 차이입니다. 전체 이야기는 갈턴의 소에 대한 우리의 심층 분석에서 확인할 수 있으며, 일반적인 현상은 군중의 지혜에 대한 안내서에서 확인할 수 있습니다.

왜 이 방법이 효과가 있을까요? 각 추정치는 신호와 오류로 나눌 수 있습니다. 오류가 독립적이고 진실의 양쪽에 흩어져 있다면, 집계는 이를 상쇄하고 공유된 신호는 살아남습니다. 그 '만약'은 콩도르세의 독립성 가정이 통계적 옷을 입고 있는 것이며, 이는 모든 군중 지혜의 성공과 실패가 달려 있는 경첩입니다. 케네스 월리스의 2014년 갈턴의 경쟁 재검토는 박람회의 조건 — 개인적인 서면 응모, 정확성을 위한 인센티브, 가시적인 집계 — 가 이를 보호하는 데 얼마나 잘 작용했는지를 확인했습니다.

다음 도약은 경제학에서 왔습니다. 프리드리히 하이에크는 '사회에서의 지식의 사용'(American Economic Review, 1945)에서 경제적 결정과 관련된 지식은 결코 집중된 형태로 존재하지 않으며 — 그것은 수백만 명의 사람들 사이에 지역적이고 부분적이며 종종 암묵적인 조각으로 분산되어 있다고 주장했습니다. 중앙 계획자는 이를 수집할 수 없지만, 가격 시스템은 이를 자동으로 집계하여 흩어진 지식을 단일 숫자로 압축하여 모든 사람에게 어떻게 행동해야 하는지를 알려줍니다. 하이에크는 사실상 생산에서 작동하는 첫 번째 대규모 집계 메커니즘을 식별한 것입니다. 반세기 후, 예측 시장는 그의 통찰력을 문자 그대로 받아들이고 가격의 정보만을 제품으로 하는 시장을 구축할 것입니다.

1950년대에는 최초의 의도적으로 설계된 집단 지성 프로세스가 추가되었습니다. RAND Corporation에서 장기 예측을 개발하는 연구자들은 익숙한 문제에 직면했습니다: 전문가들을 방에 모으면 가장 시끄럽거나 가장 고위의 목소리가 다른 모든 사람을 고정시킵니다. 그들의 대답인 델파이 방법은 전문가의 판단을 익명으로 수집하고 통제된 피드백과 함께 반복된 라운드로 진행하여 — 계급과 사회적 압력으로부터 독립성을 보호하면서도 정보가 순환할 수 있도록 했습니다. 델파이는 현대의 모든 구조화된 입력 프로세스의 직접적인 조상으로, 계획 포커에서 협업 의사 결정 플랫폼에서 사용되는 독립적인 첫 기여 흐름에 이르기까지 다양합니다.

1940s–1990s: 사이버네틱스, 게임 이론, 그리고 증강된 지능

통계학자들이 집계를 연구하는 동안, 또 다른 계보는 상호작용을 연구했습니다. 존 폰 노이만과 오스카 모겐슈테른의 게임 이론과 경제 행동 (1947년 판)은 사회 과학에 전략적 상호 의존성의 수학을 제공했습니다 — 내 선택의 결과가 당신의 선택에 의존할 때 발생하는 일입니다. 게임 이론은 그룹을 독립적인 추정치의 집합이 아니라 상호작용하는 에이전트의 시스템으로 재구성했습니다. 이는 연구자들이 합리적인 개인이 비합리적인 집단을 생성하는 이유를 묻기 시작했을 때 엄청난 중요성을 가질 것입니다(수십 년 후 정보 폭포 연구의 주제).

두 번째 실마리는 기술적이었습니다. 1962년 SRI 보고서 인간 지능 증강: 개념적 프레임워크에서 더글라스 엔겔바르트는 컴퓨팅의 목적이 인간의 사고를 대체하는 것이 아니라 증강하는 것이라고 제안했습니다 — 문제를 해결하는 그룹의 집단적 사고를 포함하여. 엔겔바르트의 프레임은 1980년대에 형성된 컴퓨터 지원 협업 작업(CSCW) 연구 분야의 씨앗이 되었고, 그 뒤를 이은 그룹웨어 물결을 낳았습니다. 그가 1962년에 제기한 증강 대 대체 질문은 2024–2026년 인간-AI 문헌이 현재 데이터로 답하고 있는 질문과 거의 동일합니다.

이 중간 시대는 집단 지성을 관찰하는 속성에서 구축하는 시스템으로 전환하는 것을 기여했습니다. 델파이는 설계된 프로토콜이었고; 그룹웨어는 설계된 소프트웨어였으며; 엔겔바르트의 프레임워크는 그룹 인지에 대한 명시적인 엔지니어링 의제였습니다. 통계 시대는 '군중이 정확한가?'라는 질문을 던졌습니다. 사이버네틱스 시대는 모든 현대 협업 플랫폼이 물려받는 질문을 던졌습니다: 어떤 구조가 그룹을 더 똑똑하게 만드는가? 구조화된 논증 자체는 여기에서 평행한 지적 계보를 가지고 있습니다 — 스티븐 툴민의 1958년 논증 모델과 이후의 논증 맵핑 전통은 집단 지성의 심의 측면에 데이터 구조인 논증 맵을 제공했습니다, 마치 가격이 시장 집계의 데이터 구조가 된 것처럼.

1959–1999: 군집 시대 — 누가 책임지지 않는 지능

한편, 생물학은 지능이 책임지는 뇌를 필요로 한다는 가정을 조용히 해체하고 있었습니다. 1959년, 프랑스 동물학자 피에르-폴 그라세는 흰개미 둥지 건설을 연구하면서 스티그머지라는 용어를 만들었습니다: 환경에 남겨진 흔적을 통한 조정. 어떤 흰개미도 청사진을 가지고 있지 않으며; 각 개체는 둥지의 지역 상태에 반응하고, 둥지 자체가 집단을 조정합니다. 이는 리더가 없는 조정의 첫 번째 정밀한 메커니즘이었으며, 곤충을 넘어 일반화될 수 있음을 보여주었습니다.

1987년, 컴퓨터 그래픽 연구자 크레이그 레이놀즈는 개별적인 정교함이 실제로 얼마나 적은지를 보여주었습니다. 그의 SIGGRAPH 논문 '떼, 무리, 그리고 학교: 분산 행동 모델'은 세 가지 지역 규칙 — 분리, 정렬, 응집 — 에 의해 지배되는 시뮬레이션된 새들의 떼를 애니메이션화했습니다. 리더도, 스크립트도 없지만, 떼는 실제처럼 회전하고 분리되고 재형성됩니다. 2년 후, 제라르도 베니와 징 왕은 세포 로봇 시스템의 맥락에서 군집 지능이라는 용어를 만들며 이 현상에 이름을 붙였습니다.

엔지니어링의 성과는 빠르게 뒤따랐습니다. 마르코 도리구의 1992년 밀라노 공과대학교 박사 논문 최적화, 학습 및 자연 알고리즘은 개미의 채집을 번역했습니다 — 페로몬 경로가 짧은 경로를 강화하는 방식으로, 아르헨티나 개미와의 이중 다리 실험에서 드러났습니다 — 개미 군집 최적화라는 알고리즘 패밀리를 라우팅 및 스케줄링 문제에 적용했습니다. 제임스 케네디와 러셀 에버하르트의 입자 군집 최적화 (1995)는 떼짓기 문제에 대해 동일한 작업을 수행했습니다. 1999년까지, 보나보, 도리구, 테로라즈의 군집 지능: 자연에서 인공 시스템으로 (옥스포드)는 이 분야를 정리했으며, 개미 기반 알고리즘은 전화 통화를 라우팅하고 (BT Labs의 스쿤더워드 및 동료들, 1996) 배달 트럭을 라우팅했습니다. 이후 로봇 공학은 물리적으로 이 점을 입증했습니다: 2014년, 루벤스타인, 코르네조, 그리고 나그팔은 1,024킬로봇에서 형태를 자가 조립했습니다 (Science), 그리고 토마스 실리의 벌꿀벌 민주주의 (2010)는 벌꿀벌 떼가 정찰, 웨글 댄스 옹호, 그리고 정족수 감지를 통해 둥지 위치를 선택하는 모습을 보여주었습니다 — 이는 작동 중인 배심원 정리의 자연적이고 분산된 근사입니다. 전체 이야기는 군집 지능에 대한 안내서에서 확인할 수 있습니다.

군집 시대가 인간 그룹에 주는 교훈은 양날의 검입니다. 이는 분산화가 효과적이라는 것을 증명했습니다 — 지역 지식과 단순한 상호작용 규칙이 중앙 계획을 초월할 수 있습니다, 하이에크가 주장한 대로. 그러나 이는 또한 경계를 표시했습니다: 군집은 행동을 조정하지만, 이유를 조정하지는 않습니다. 개미는 심의하지 않습니다. 인간 집단 지성은 군집이 가지지 않는 층을 추가합니다 — 주장의 교환 및 평가 — 그리고 그 층은 다른 기계 장치가 필요합니다.

1999–2015: 인터넷 시대 — 집단 지성이 생산에 들어가다

그런 다음 인터넷은 모든 사람을 잠재적인 기여자로 만들었고, 집단 지성은 실험실의 호기심이 아닌 것이 되었습니다. 오픈 소스 소프트웨어는 느슨하게 조정된 자원봉사자 수천 명이 운영 체제만큼 복잡한 시스템을 구축할 수 있음을 보여주었습니다 — 에릭 레이몬드의 1999년 에세이 대성당과 시장은 이 시대의 선언문을 제공했습니다. 2001년에 시작된 위키피디아는 인간 지식 자체에 모델을 확장했습니다: 편집장이 없는 백과사전으로, 편집되는 인공물에 의해 스티그머지적으로 조정됩니다 — 텍스트에 적용된 흰개미 논리입니다.

2004년, 두 개의 출판물이 이 시대의 이론을 제공했습니다. 제임스 수로위키의 군중의 지혜는 한 세기의 증거를 모아 그룹이 지혜로운 네 가지 조건을 정리했습니다: 의견의 다양성, 독립성, 분산화, 그리고 집계 — 이 중 하나라도 제거하면 군중은 더 똑똑해지지 않고 더 멍청해집니다. 같은 해, 루 홍과 스콧 페이지는 PNAS에 '다양성이 능력을 초월한다'는 결과를 발표했습니다: 그들의 계산 모델에서, 무작위로 구성된 인지적으로 다양한 문제 해결 그룹이 개별적으로 가장 잘 수행하는 그룹보다 더 나은 성과를 보였습니다. 정직함을 위해 각주를 달자면: 2014년, 수학자 애비게일 톰슨은 American Mathematical Society의 공지에 날카로운 비판을 발표하며, 기본 정리가 사소하고 잘못 라벨링되었으며 시뮬레이션이 과대 해석되었다고 주장했습니다; 페이지 자신을 포함한 방어자들은 결과가 명시된 조건 — 어려운 문제, 유능한 에이전트, 대규모 풀 — 하에서 유지된다고 반박했습니다. 논쟁과 그 결과는 다양성과 능력에 대한 우리의 글과 인식적 다양성에 대한 안내서에서 검토됩니다.

하이에크의 가격 메커니즘은 이 시대에도 통제된 실험을 받았습니다. 1988년 아이오와 대학교에서 설립된 실제 돈 연구 시장인 아이오와 전자 시장은 결정적인 비교를 위한 충분한 역사를 축적했습니다: 버그, 넬슨, 그리고 리에츠(International Journal of Forecasting, 2008)는 시장 가격을 1988–2004년 미국 대통령 선거 동안 964개의 국가 여론 조사와 비교하여 시장이 최종 결과에 더 가까웠음을 발견했습니다 74%의 경우, 그 우위는 100일 이상의 기간에서 가장 강했습니다. 로빈 핸슨의 로그 시장 점수 규칙(2003)은 얇은 시장 문제를 알고리즘적으로 해결하여 작은 그룹도 내부 예측 시장을 운영할 수 있게 했습니다.

전문가의 판단은 대조적으로 큰 타격을 받았습니다. 필립 테틀록의 전문가 정치적 판단 (2005)은 284명의 전문가와 약 28,000개의 확률 판단에 대한 대략 20년의 연구를 보고했습니다; 평균 전문가는 단순한 외삽보다 겨우 더 나은 성과를 보였습니다 — 유명한 '다트 던지는 침팬지' 풍자 뒤에 있는 발견입니다. 그러나 테틀록의 후속 연구는 IARPA 예측 토너먼트(2011–2015)에서 이야기를 건설적으로 반전시켰습니다: '슈퍼포캐스터'라는 소규모 집단이 자격증이 아닌 확률적 사고와 끊임없는 신념 업데이트로 구별되며, 기밀 정보에 접근할 수 있는 정보 분석가보다 더 나은 성과를 보였다고 보고되었습니다. 예측 기술과 보정은 — 그리고 받을 것입니다 — 미래 시리즈에서 깊이 다루어질 것입니다.

이 시대의 제도적 이정표는 2006년에 도달했습니다. 토마스 말론은 MIT 집단 지성 센터를 설립하며, 사람과 컴퓨터가 어떻게 연결되어 집단적으로 그 어떤 개인, 그룹, 또는 컴퓨터보다 더 지능적으로 행동할 수 있는지를 묻는 간단한 질문을 던졌습니다. 초기 결과물은 설계 공간을 매핑했습니다 — '집단 지성 유전자' (말론, 라우바허, 델라로카스, MIT Sloan Management Review, 2010)는 네 가지 질문에 따라 CI 시스템의 구성 요소를 분류했습니다: 누가 작업을 수행하는가 (군중 또는 계층), 왜 (돈, 사랑, 또는 영광), 무엇을 (창조 또는 결정), 그리고 어떻게 (독립적으로 또는 의존적으로). 2015년까지, 말론과 번스타인의 집단 지성 핸드북 (MIT Press)는 이 분야의 객체를 명확하게 정의할 수 있었습니다: '집단적으로 지능적으로 보이는 방식으로 행동하는 개인의 그룹.'

그리고 2010년, 이 분야는 가장 도발적인 측정을 얻게 되었습니다. 아니타 윌리엄스 울리, 크리스토퍼 차브리스, 알렉스 펜틀랜드, 나다 하시미, 그리고 토마스 말론(Science, 330: 686–688)은 699명이 두 명에서 다섯 명의 그룹으로 작업하는 다양한 작업에서 테스트했습니다. 작업 간 그룹 성과는 단일 통계적 요인을 생성할 만큼 상관관계가 있었습니다 — 집단 지성 요인, c — 약 43%의 분산을 설명하며, 그룹 수준의 개별 IQ의 g-요인에 해당합니다. 충격적인 것은 그것이 무엇을 예측했는가였습니다. 평균 및 최대 구성원 지능은 c와 약한 상관관계를 보였습니다. 강한 상관관계를 보인 것은 그룹의 평균 사회적 민감성 (눈의 테스트에서 측정됨), 대화의 턴 테이킹의 평등성, 그리고 그룹 내 여성의 비율이었습니다 (이는 사회적 민감성에 의해 크게 매개되었습니다). 그룹이 얼마나 똑똑한가는 데이터가 말하길, 누가 있는지보다는 어떻게 상호작용하는지에 달려 있습니다.

그림자 역사: 집단이 실패할 때

전체 낙관적인 타임라인 아래에는 두 번째, 더 어두운 문헌이 흐르고 있습니다 — 지능적이고 선의의 개인들이 집단적 어리석음을 생산하는 방법에 대한 연구입니다. 이는 별도의 주제가 아니기 때문에 중요합니다: 문서화된 모든 실패 모드는 성공 사례가 의존하는 조건의 위반입니다.

심리학적 분파가 먼저 등장했습니다. 어빙 제니스의 그룹사고의 희생자들 (1972)은 케네디 대통령의 예외적으로 유능한 고문들이 1961년 피그만 침공으로 자신을 설득한 과정을 분석했습니다. 제니스는 세 가지 클러스터에서 여덟 가지 증상을 분류했습니다 — 그룹의 과대평가 (무적의 환상, 고유한 도덕성에 대한 믿음), 폐쇄적 사고 (집단적 합리화, 외부인에 대한 고정관념), 그리고 균일성에 대한 압력 (자기 검열, 만장일치의 환상, 반대자에 대한 직접적인 압력, 그리고 불안한 정보를 걸러내는 자칭 '정신 경비원'). 2년 후, 제리 하비의 '아빌린 역설' (Organizational Dynamics, 1974)은 더 이상한 사촌을 묘사했습니다: 어떤 개인 구성원도 원하지 않는 행동 방침에 동의하는 그룹, 왜냐하면 모두가 서로의 침묵을 선호로 오해했기 때문입니다. 두 경우 모두 동일한 입력의 실패입니다: 정직하고 독립적인 판단은 결코 풀에 들어가지 않습니다.

경제적 분파는 1992년에 도착했으며, 이는 심리학을 전혀 필요로 하지 않기 때문에 더 불안했습니다. 수실 비크찬다니, 데이비드 히르슬라이퍼, 그리고 이보 웰치 ('유행, 패션, 관습, 그리고 문화적 변화에 대한 이론: 정보 폭포로서', Journal of Political Economy, 100: 992–1026)와 독립적으로 아비히짓 반에르지 ('군중 행동의 간단한 모델', Quarterly Journal of Economics, 1992)는 완벽하게 합리적인 에이전트가 순차적으로 결정할 때, 몇 번의 관찰 후에 자신의 개인 정보를 합리적으로 무시하고 선행자들을 복사하게 된다는 것을 보여주었습니다. 결과적으로 발생하는 정보 폭포는 개인적으로는 합리적이지만 집단적으로는 취약합니다 — 이는 그룹의 분산된 지식을 거의 집계하지 않으며, 소수의 초기 이동자가 선택한 잘못된 답변에 전체 인구를 고정시킬 수 있습니다. 리사 앤더슨과 찰스 홀트는 실험실에서 요구에 따라 폭포를 재현했습니다 (American Economic Review, 1997). 이 메커니즘은 자산 거품에서부터 바이럴 잘못된 정보에 이르기까지 모든 것을 밝혀냅니다: 보수기, 로이, 아랄의 트위터에서 약 126,000개의 이야기 폭포에 대한 분석(Science, 2018)은 잘못된 뉴스가 진실보다 훨씬 더 멀리, 더 빠르게, 더 깊게 퍼진다는 것을 발견했습니다. 잘못된 정보는 약 70% 더 리트윗될 가능성이 높았습니다. 전체 실패 카탈로그는 군중이 잘못될 때에 있습니다.

두 가지 분파가 공유하는 점에 주목하십시오. 그룹사고는 사회적으로 독립성을 파괴하고; 폭포는 정보적으로 독립성을 파괴합니다. 어느 쪽이든, 군중은 많은 판단이 아니라 많은 얼굴을 가진 하나의 판단이 됩니다 — 이는 콩도르세의 정리가 지혜의 보장을 확신하는 오류의 보장으로 뒤집히는 조건입니다. 그림자 역사는 이 분야의 실용적인 날개가 프로세스에 집착하게 된 이유입니다: 사람들을 서로의 견해에 노출시키기 전에 판단을 수집하고, 반대 의견을 구조적으로 보호하며, 집계를 명시적으로 만듭니다.

2015–2023: 논쟁의 10년 — 복제, 비판, 그리고 반응

그렇게 놀라운 측정은 공격을 받을 수밖에 없었고, 공격은 2017년에 시작되었습니다. 마커스 크레데와 가렛 하워드슨(Journal of Applied Psychology)은 여섯 개의 샘플을 재분석하고 일반 c-factor에 대한 경험적 지지가 약하다고 주장했습니다 — 그룹 성과는 하나의 기본 요인보다 작업 특정 능력으로 더 잘 설명될 수 있다고 주장했습니다. 울리, 킴, 그리고 말론은 2018년에 반박하며 비판의 점수 매기기 절차를 반박하고, 그 시뮬레이션 가정이 그룹이 실제로 수행한 작업과 일치하지 않는다고 주장했습니다. 이것이 건강한 분야의 모습입니다: 싸움은 데이터와 재분석으로 진행되었고, 보도 자료가 아닙니다.

가장 가까운 판결은 2021년에 도착했습니다. 리들, 킴, 굽타, 말론, 그리고 울리는 PNAS에 22개 연구와 1,356개 그룹 — 학생, 군인, 온라인 근로자, 게이머 — 를 포함한 메타 분석을 발표했습니다. 그들은 모든 그룹에서 집단 지성 요인에 대한 일관된 증거를 발견했으며, 그룹 협업 프로세스와 구성원의 사회적 인식이 그 강력한 선행 요인 중 하나로 나타났습니다. 구성의 구조와 경계 조건은 여전히 논의되고 있으며, 마땅히 그래야 합니다; 그러나 '그룹 지능은 측정 가능하며 구성원 IQ로 환원될 수 없다'는 주장은 이제 원래 2010년 논문보다 훨씬 더 큰 증거 기반에 의존하고 있습니다.

두 가지 보완적인 발견이 10년을 마무리했습니다. 말론의 슈퍼마인드 (2018)는 문명이 이미 운영하는 집단적 마음의 분류법을 제공했습니다 — 계층, 민주주의, 시장, 공동체, 그리고 생태계 — 각각 집계 질문에 대한 다른 답변이며, 각각 고유한 강점과 실패 모드를 가지고 있습니다. 그리고 구글의 아리스토텔 프로젝트(2012–2015)는 180개 팀에 대한 내부 연구로, 심리적 안전 — 팀이 대인 관계 위험을 감수하는 것이 안전하다는 공유된 믿음 — 이 팀의 효과성을 예측하는 가장 강력한 요소라고 밝혔습니다. 구성원의 턴 테이킹 평등성과 구글의 심리적 안전은 동일한 기본 진리의 두 가지 측정입니다: 그룹 지성의 병목은 구성원이 보유한 정보가 실제로 그룹에 들어가는지 여부입니다. 그룹 역학 — 안전, 심의, 그리고 그룹사고와 같은 병리 — 는 그들만의 클러스터이며, 우리는 그들의 실패 모드를 군중이 잘못될 때에서 다룹니다.

2024–2026: AI-인간 슈퍼마인드 — 현재의 최전선

현재 시대는 대형 언어 모델이 그룹에 합류하면서 시작되었습니다. 버튼과 27명의 공동 저자들은 “대형 언어 모델이 집단 지능을 어떻게 재구성할 수 있는가” (Nature Human Behaviour, 8: 1643–1655, 2024)에서 이해관계를 매핑했습니다: LLM은 참여 장벽을 낮추고, 방대한 논의를 요약하며, 전례 없는 규모로 분산된 지식을 집계할 수 있습니다 — 그리고 그들은 또한 관점을 동질화하고, 잘못된 합의를 만들어내며, 군중의 지혜가 의존하는 정보 생태계의 다양성을 희석시킬 수 있습니다. 수로위키의 목록에 있는 모든 조건은 동일한 기술에 의해 동시에 강화되고 위협받습니다.

시너지 질문 — 엥겔바르트의 1962년 질문 — 드디어 메타 분석을 받았습니다. 미셸 바카로, 압둘라 알마투크, 그리고 토마스 말론은 106개의 실험과 370개의 효과 크기를 분석했습니다 (“인간과 AI의 조합이 유용할 때,” Nature Human Behaviour, 8: 2293–2303, 2024) 그리고 평균적으로 인간-AI 조합이 인간이나 AI 단독의 최선보다 더 나쁜 성과를 보였다는 것을 발견했습니다. 손실은 의사결정 작업에 집중되었고; 진정한 이익은 콘텐츠 생성 작업에서 나타났습니다. 단순히 “인간을 루프에 넣는 것”은 결과를 개선하지 않습니다 — 종종 인간이 더 나은 기계 판단을 무시하거나 더 나쁜 판단에 따릅니다. 시너지는 기본값이 아닌 설계 성과입니다. 인간-AI 시스템의 새로운 과학 — 자동화 편향, 신뢰 조정, 어떤 당사자가 결정을 내리도록 할지 — 는 이 시리즈의 또 다른 미래 장입니다.

그 설계 의제는 이제 MIT 집단 지능 센터의 명시적인 프로그램입니다. 그 연구는 2026년에 세 가지 우산 아래 조직됩니다: 생성적 AI와 집단 지능 (인간의 창의성을 증대시키기 위한 AI), 슈퍼마인드 디자인 (사람과 컴퓨터의 혁신적인 조합 설계), 그리고 인간-AI 팀 설계 (인간-기계 팀에서 작업을 설계하고 할당하는 것 — 싱가포르-MIT M3S 프로그램과 함께 작업 할당의 체계적인 과학으로 추구됨: 어떤 하위 작업이 사람에게 가고 AI에게 가는지, 누가 감독하는지, AI가 도구, 보조, 동료 또는 관리자 역할을 하는지). 이전의 주요 프로젝트들 — 기후 코랩과 코랩 플랫폼, CI 디자인 연구소, 집단 지능 측정 프로그램 — 는 이제 공식적으로 유산 작업으로, 이러한 AI 시대의 질문에 흡수되었습니다.

구체적인 결과물은 “설계된 시너지”가 어떻게 생겼는지를 보여줍니다. 슈퍼마인드 아이디어터는 사용자가 구조화된 창의적 문제 해결 단계를 통해 안내하는 LLM 기반 아이디어 도구로, 실험 연구에서 ChatGPT 단독이나 도움 없이 작업하는 사람들보다 훨씬 더 혁신적인 아이디어를 생성했습니다 (ACM 집단 지능 회의 2024; Collective Intelligence, 2024); 베타 테스터들은 이 도구로 10,000개 이상의 아이디어를 생성했으며, 형제 도구인 DesignAID는 디자인 작업에 이 접근 방식을 적용합니다. 이 구조는 슈퍼마인드 디자인의 여섯 가지 단계를 구현합니다 — Zoom Out, Zoom In, Analogize, Groupify, Cognify, Technify — 작업의 각 부분을 누가 (또는 무엇이) 수행하는지를 재구상하기 위한 체크리스트입니다. 이 교훈은 바카로 메타 분석과 정확히 일치합니다: 가치는 모델에 있는 것이 아니라 그 주위에 감싸인 구조에 있습니다. 측정 측면에서, AGI-Elo (선과 동료들, NeurIPS 2025; arXiv 2505.12844) — 말론을 포함한 CCI 소속 공동 저자들과 함께 — 는 AI 모델과 개별 테스트 사례를 체스 플레이어처럼 서로 평가하여 작업의 난이도와 모델의 능력이 하나의 비교 가능한 척도에 놓이게 합니다: 작업의 어떤 부분을 기계에 맡길지를 결정하기 위한 전제 조건입니다.

2026년의 두 가지 결과는 이 방향이 어디로 향하고 있는지를 스케치합니다. PNAS 논문, “AI 협상 발전: 대규모 자율 협상 대회”는 참가자가 설계한 AI 에이전트가 서로 180,000건 이상의 협상을 수행한 국제 대회를 보고했습니다. 인간 협상 이론은 종의 변화 속에서도 살아남았습니다: 온정 — 긍정성, 감사, 질문하기 — 를 보이는 에이전트는 거래와 가치에서 일관되게 더 나은 결과를 달성했으며, 지배적인 마라톤 교환은 교착 상태를 예측했습니다; 에이전트들은 또한 사고의 연쇄에서 프롬프트 주입 시도에 이르기까지 AI 고유의 전술을 발전시켰습니다. 그리고 작업의 깊은 온톨로지 (차이와 동료들, arXiv 2603.20619, 2026년 3월)는 대략 20,000개의 O*NET 작업 활동을 재조직하고 13,275개의 AI 응용 프로그램과 전 세계적으로 2,080만 개의 로봇 시스템을 매핑했습니다 — AI 시장 가치는 극도로 집중되어 있으며, 상위 1.6%의 활동이 60% 이상을 차지하고 있습니다. 인간과 기계의 슈퍼마인드는 더 이상 은유가 아닙니다; 그것들은 재고가 이루어지고 있는 설치된 기반입니다.

240년이 우리에게 가르치는 것

시대를 나란히 놓으면 하나의 공통선이 드러납니다: 이 역사에서의 모든 성공은 구조의 성공이며, 모든 실패는 동일한 몇 가지 조건의 실패입니다. 콩도르세의 정리는 독립성과 우연보다 나은 능력에 기반합니다. 갈튼의 공정한 판단은 독립적이고, 인센티브가 주어지며, 서면으로 된 판단을 강제하는 데 성공했습니다. 하이에크의 가격과 한슨의 시장 조성자는 집계 메커니즘입니다; 델파이는 독립성 보호 메커니즘입니다; 수로위키의 네 가지 조건은 단순히 반복되는 요구 사항입니다. c-요인 문헌은 상호작용 과정 — 차례, 사회적 민감성, 발언의 안전성 — 이 그룹이 포함하고 있는 지능을 사용할 수 있는지를 지배한다는 것을 발견했습니다. 그리고 AI 시대의 메타 분석은 인간-AI 팀이 협력이 의도적으로 설계될 때 정확히 승리한다는 것을 발견했습니다. 조건이 깨지면 — 판단이 독립적이지 않게 되고 사람들이 다른 사람의 가시적 행동을 복사하기 시작하면 — 정보의 연쇄, 거품, 그리고 집단사고가 발생합니다: 개별적으로는 합리적이지만 집단적으로는 잘못된 결과를 초래합니다.

이것은 또한 우연히도 집단 지능이 결정의 생애에서 어디에 위치하는지를 나타내는 지도입니다. 잘 결정하는 것은 올바른 문제에 주의를 기울이고, 그것을 구성하고, 옵션을 생성하고, 그것들을 조사하고, 분산된 판단을 집계하고, 이유에 대해 숙고한 후에야 선택하고, 실행하고, 모니터링하는 것을 의미합니다. 240년의 연구 프로그램은 압도적으로 이러한 중간 단계 — 집계와 숙고 — 에 관한 것입니다 — 왜냐하면 그곳에서 개인 지식이 집단 지식이 되거나 침묵 속에서 사라지기 때문입니다.

Argumentree는 이러한 발견의 직접적인 응용으로 구축되었습니다. 독립적이고 비동기적인 주장 제출은 그룹이 수렴하기 전에 콩도르세와 델파이의 독립성 조건을 보호합니다. 구조화된 찬반 주장 트리는 모든 관점을 — 반대 의견을 포함하여 — 1급 장소에 제공합니다. 이는 울리의 차례 평등과 구글의 심리적 안전이 지적하는 조건입니다. 다차원 평가 (유용성, 명확성, 정확성, 완전성)는 합의 점수로 집계되며, 이는 갈튼-하이에크 계보의 명시적인 집계 메커니즘입니다 — 시장 가격과는 달리, 그것은 추론을 보존합니다. 그리고 전체 감사 기록은 각 결정을 조직 기록으로 전환하여 그룹이 스스로 배울 수 있도록 합니다 — 생애 주기가 끝나는 모니터링 단계입니다. 회의 기록에서 AI 추출은 2024–2026년의 교훈을 따릅니다: AI가 입증된 도움을 주는 곳에서 사용하고 (구조화 및 콘텐츠 처리) 인간이 판단을 유지합니다. 역사의 평결은 1785년부터 2026년까지 일관됩니다: 그룹은 우연히 똑똑해지지 않습니다. 그들은 구조에 의해 똑똑해집니다 — 그리고 그 구조는 이제 즉흥적으로 만드는 것이 아니라 채택할 수 있는 것입니다. 집단 지능에 대한 우리의 가이드로 시작하거나, 협업 의사 결정에서 실제 의사 결정 과정 내부에서 원칙이 어떻게 작동하는지 확인하십시오.