群智协同计算：研究进展与发展趋势

大规模的互联网用户群体不仅是各类应用服务的使用者，更是网络空间大数据和应用服务的贡献者，其构成了支撑大量成功应用的群智资源。在此基础上发展出一种新型的计算模式，我们称之为群智协同计算，其核心在于对开放网络环境下的群智资源进行有效管理和协同利用以实现群体智能的最大化。

来自人工智能、大数据、计算机协同工作和人机交互等领域的研究人员从不同的学术视角对此开展了研究，提出了众包、人计算、群体智能和社会计算等研究方向，同时工业界也推出了大量支撑群智协同的平台与应用。从技术上看，群智协同计算在协同计算的基础上融合了大数据、统计机器学习等人工智能新技术。本报告总结了群智协同计算的主要研究问题，对国内外的最新研究进展进行了综述和对比分析，并对该方向未来的发展趋势和主要科学问题进行了展望。 国内研究进展

近年来，国内的学术界对互联网上涌现的群智协同现象十分关注，从人工智能、软件开发、大数据处理和协同计算等多个角度开展了大量的研究，特别是相关方向得到了国家的高度重视，已经列入国家重大科技计划。北京航空航天大学李未院士等提出推进“群体智能”相关研究，被列入2016年

中国工程院发布的《中国人工智能2.0计划》，并成为国家“科技创新2030”重大计划的重要内容。

在此背景下，2017年7月国务院印发新一代人工智能发展规划，目标是初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元，其中明确对群体智能的研究进行了规划：在基础理论方面，群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法，建立可表达、可计算的群智激励算法和模型，形成基于互联网的群体智能理论体系；在关键技术方面，重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，支撑覆盖全国的千万级规模群体感知、协同与演化；在创新平台方面，群体智能服务平台重点建设基于互联网大规模协作的知识资源管理与开放式共享工具，形成面向产学研用创新环节的群智众创平台和服务环境。

在软件开发方面，北京航空航天大学的李未院士早在几年前就提出开展群体软件工程的研究。围绕群体软件工程的研究，国家自然科学基金委、科技部等先后立项了多个群智化软件开发方法的重大/重点项目。北京理工大学的梅宏院士牵头承担了基金委重大项目“基于互联网群体智能的软件开发

方法”，依托北京理工大学、北京大学、国防科学技术大学、南京大学和北京航空航天大学组成的核心团队重点突破互联网环境下面向软件开发的群体智能的形成、度量与调控的机理机制等关键科学问题，建立互联网环境下以大规模群体协同、智力汇聚、信誉追踪、持续演化为基本特征的新型软件开发模式。国防科学技术大学的王怀民教授牵头承担了国家863计划重点项目可信的国家软件资源共享与协同生产环境，带领国防科学技术大学、北京大学、北京航空航天大学和中科院软件所等构成的核心团队，突破了一系列软件开发的群体化方法，并完成了大型群体化软件平台Trustie的研制，开展了大规模的应用实践，相关成果获得2015年国家技术发明二等奖。

在大数据方面，清华大学的刘云浩教授提出群智感知计算，借助大规模的用户群体实现大范围的数据收集与感知，西北工业大学於志文教授和上海交通大学的朱燕民教授等在群智感知方面均开展了大量的研究工作。清华大学的李国良副教授带领的团队在基于众包的数据管理方面开展了大量研究，并且构建了众包任务处理平台ChinaCrowd。此外，香港科技大学的陈雷教授、北京航空航天大学的童咏昕副教授在时空数据众包管理方面做出了一系列高水平的成果，所研发的gMission平台得到了国际社会的关注。北京航空航天大学的怀进鹏院士、刘旭东教授和孙海龙副教授等围绕数据标注

和知识获取等问题提出了一系列众包工人能力评估与结果汇聚方法，改进了众包任务的处理质量。

在协同计算领域，复旦大学顾宁教授团队和兰州大学胡斌教授团队近年来在群智协同创作研究领域取得了较为突出的研究成果。复旦大学顾宁教授团队的研究重点关注群智社区协同创作质量控制策略和面向弱势群体的群智协同创作行为分析及系统设计。

在群智社区协同创作质量控制策略研究方面，其团队先后研究了在线问答社区中的协同编辑功能给在线问答社区用户协同创作带来的优势和缺陷、在线协作项目的同行评审过程中各类冲突管理方式的有效性等。

而在面向弱势群体的群智协同创作行为分析及系统设计研究方面，其团队重点研究了影响老年人、残疾人等弱势群体融入社会、参与社会协作的因素，并提出了相应的系统设计策略。代表性的研究有中国背景下的老人DIY和创客文化、影响老人使用ICT参与协同创作的因素、残疾人互助行为对残疾人群体融入社会、参与社会协作的作用以及抑郁症病人认知、治疗和社会参与影响因素等。

兰州大学胡斌教授团队的研究主要围绕用户在参与群智协同创作过程中存在的潜在抑郁风险和面向脑电数据的情绪分析展开。

在群智协同用户潜在抑郁风险预警研究方面，其团队着重分

析轻度抑郁症患者的认知行为表现和认知功能障碍，通过研究抑郁症患者与正常人群在面部表情刺激过程中产生的脑电活动以期促进轻度抑郁症的早期检测，同时提出了基于语言类型和情绪的新的抑郁症检测方法（STEDD），以促进抑郁疾病患者的康复进程，增强其社会参与及社会协作能力。 在群智协同用户情感分析研究方面，其团队根据一个增强的脑电数据情绪分析系统研究脑电数据和情绪状态间的相关性，另外深入探究了生理信号作为多目标情感识别的可靠途径的潜力。通过上述研究，实现对于用户在群智协同过程中的情绪捕捉和情感分析。

华南师范大学的汤庸教授及其研究团队多年来从事学术社交网络与协同计算的科研工作,并创建了著名的学术协同平台“学者网”，提供一个面向学者的社交网络和教学科研协作平台，其主要功能有个人空间、学术圈、科研团队网站、课程教学平台、学术搜索门户与大数据服务等。

目前，学者网已经拥有五万余真实学者用户，这些用户遍布多个国家和地区，用户研究领域覆盖二十几个专业领域。其用户数量大、质量高，为众包协作的应用与发展提供了非常良好的社交环境和研究氛围。

东南大学蒋嶷川教授研究团队研究了社交网络中复杂任务众包的团队形成问题，在这种情况下请求者通常希望聘请一群具有社会关系且可以一起工作的工人。现有的社会团队众