集合的認知

分野認知科学・社会心理学・行動生態学・組織論

主要研究者イアン・クージン（Iain Couzin）、アニタ・ウーリー（Anita Woolley）、エドウィン・ハッチンズ（Edwin Hutchins）

主な対象人間集団・社会的動物（アリ・ミツバチ・魚の群れ・鳥の群れなど）

集合的認知
Collective Cognition
複数の個体・エージェントの相互作用から生じる認知現象
基本情報
分野	認知科学・社会心理学・行動生態学・組織論
関連概念	集合的知性・分散認知・群衆の知恵・スウォームインテリジェンス
主要研究者	イアン・クージン（Iain Couzin）、アニタ・ウーリー（Anita Woolley）、エドウィン・ハッチンズ（Edwin Hutchins）
主な対象	人間集団・社会的動物（アリ・ミツバチ・魚の群れ・鳥の群れなど）

集合的認知（しゅうごうてきにんち、英語: Collective Cognition）とは、複数の個体やエージェントが相互作用・コミュニケーション・協調を通じて、単独の個体では到達しえないような認知的成果を生み出す現象を指す概念である。

個体の能力・共有知識・コミュニケーション構造という三要素の相互作用によって形成されるとされており^[1]、認知科学・社会心理学・行動生態学・組織論・人工知能研究などの領域にまたがる学際的なテーマである。

現代科学のような組織的な知識生産活動は、集合的認知の最も顕著な事例として挙げられる^[2]。また、ハイエクが指摘した競争的市場による資源配分計算のように、いかなる個人も単独では達成できない集合的計算が社会制度によって実現される現象も、集合的認知の範疇として論じられてきた。

集合的認知は「集合的行動（collective action）」になぞらえて名付けられた概念であり、人々（ならびに知的エージェント）がしばしばグループとして「より良く考える」こと、あるいは孤立した個体には不可能な思考様式を集団として実現しうることを指す^[3]。

この概念は、集合的知性（Collective Intelligence）と密接に関連するが、必ずしも同一ではない。集合的知性が「群衆の知恵」や大規模な群衆現象に焦点を当てるのに対し、集合的認知はより広く、情報処理・意思決定・問題解決における集団レベルの認知過程全般を包括する。分散認知（Distributed Cognition）とも深く関連しており、エドウィン・ハッチンズの理論的枠組みを共有する部分が大きい。

集合的認知が成立するためには、以下の三要素の相互作用が不可欠とされている^[4]。

個体の能力（Individual Abilities）: 集団を構成する各エージェントが持つ認知的・行動的能力。

共有知識（Shared Knowledge）: 集団のメンバー間で共通して保有・参照される知識・信念・規範。

コミュニケーション構造（Communication Structure）: 情報がいかに流通し、誰が誰と接続されているかを規定するネットワーク的・社会的構造。

背景と理論的系譜

集合的認知の概念的基盤は、複数の学問領域に源流を持つ。

レフ・ヴィゴツキー（Lev Vygotsky）は、その著作『社会の中の心』（Mind in Society、1978年）において、認知発達における社会的相互作用の根本的役割を論じ、認知が個人の頭蓋骨の内側に閉じ込められたものではなく、社会文化的文脈の中で形成されることを示した^[5]。

エドウィン・ハッチンズは、1990年代に分散認知理論を発展させ、認知の単位が個人ではなく「個人・人工物・社会的関係の集合体」であると論じた^[6]。彼の代表的研究である米海軍艦艇の航法分析では、航法という認知的作業が乗組員・計器・地図・手順書にまたがって分散して実行されることを実証した^[7]。

マービン・ミンスキーは『心の社会』（Society of Mind、1985年）において逆の方向から同様の問題を提起した。すなわち、個人の知性を内部的な「エージェントの社会」によって説明しようとしたのである。この相補的なアプローチは、心と社会の関係を双方向的に捉える枠組みを提供している^[8]。

人間集団における集合的認知

集合的知性因子（cファクター）の発見

2010年、アニタ・ウーリー（Anita Williams Woolley）らは、699名を対象とした二つの研究において、人間の集団が多様な課題に対して発揮する能力を統一的に説明する「集合的知性因子（c因子）」の存在を実証した。個人の一般知性（g因子）と並行する概念として提唱されたこのcファクターは、集団メンバーの平均的または最大個人知性とは強く相関しない一方で、メンバーの平均的な社会的感受性・会話の均等な参加・女性比率と有意な相関を示した^[9]。

この研究は、集合的認知が「集団内の個人の集積」ではなく、集団それ自体に帰属する特性であることを示唆する先駆的な成果として広く注目された。後続の研究でも、22の研究・5,279名・1,356集団のデータを統合分析し、cファクターの頑健性が確認されている^[10]。

一方で、この知見に対する批判的検討も行われており、cファクターが説明する分散の割合は限定的であり、二つの統計的アーティファクト（低努力応答の混入・データの入れ子構造）が共変動を過大評価させた可能性が指摘されている^[11]。

人間グループにおける集合的認知の実証

集合的認知が個人の能力を超える現象は、様々な課題において実証されている。クレマン（Clément）らによる研究では、駅や空港でのアナウンスを聞いた被験者が文を再構築するという課題において、グループが構文的精度・意味的情報量の両面で最優秀メンバーを凌駕する成績を収めることが示された^[12]。

こうした知見は、集合的学習理論（collective learning theory）の観点からも支持される。集合的注意（collective attention）が集団メンバー間の共有知識を表象し、記憶・コミュニケーション・問題解決を促進するというメカニズムが論じられている^[13]。

動物集団における集合的認知

概観

集合的認知は人間に限らず、群れを形成するあらゆる動物において観察される。アリの群れ・魚の学校・鳥の群集・ミツバチの分蜂といった動物集団の集団行動は、長らく自然主義者・哲学者・科学者の関心を集めてきた。個体の局所的な感知能力のみに基づきながら、集団全体として高度な意思決定・経路最適化・環境適応を実現するこれらの現象は、集合的認知の典型例とみなされている^[14]。

プリンストン大学のイアン・クージン（Iain D. Couzin）は、動物集団における集合的意思決定の計算モデルを用い、少数の「情報を持つ個体」が個体識別やシグナリングなしに集団全体を適切な方向へ誘導できることを示した。また、二つの意見が対立する場合、集団はある閾値を境に多数派の意見を選択する「コンセンサス相」へ移行することを明らかにした^[15]。

社会性昆虫における集合的認知

社会性昆虫（アリ・ミツバチ・スズメバチなど）は、集合的認知が特に高度に発達した例として論じられる。これらの生物では、個体の行動と相互作用が全体としてコロニーの繁殖成功に寄与するよう進化しており、「超生物（superorganism）」と表現されるほどの機能的統合を示す^[16]。

ミツバチの巣場所選択では、斥候バチが候補地を探索して戻り、「ワグルダンス」によってその方位と距離を他の個体に伝える。このプロセスを通じて、集団として最適な巣場所を選択するクオラムセンシング（定足数感知）が実現されている。アリ類においては、フェロモン経路の強化と減衰という正負のフィードバック機構が、最短経路発見という集合的最適化を実現する^[17]。

ニューロン過程との共通性

クージンは、動物集団の集合的意思決定がニューロンの情報処理過程と機能的に類似していることを指摘している。情報の増幅と減衰、正負のフィードバック、閾値を超えた際のコンセンサス形成といったメカニズムは、神経科学が明らかにしてきた脳内の意思決定プロセスと構造的な共通性を持つ^[18]。

集合的認知の促進要因と阻害要因

人間集団の集合的認知に関する研究は、その効果を高める要因と損なう要因を明らかにしてきた。

促進要因としては以下が挙げられる。まず、対話への均等な参加が重要であり、少数者が議論を独占する場合には集合的認知が低下することが示されている。次に、社会的感受性（他者の感情・意図を読み取る能力）が高い集団はcファクターが高い傾向にある^[19]。また、認知スタイルの適度な多様性も集合的認知を高めることが示されており、完全に同質な集団よりも、適度に異なる思考スタイルを持つ集団の方が高い集合的知性を発揮するとされる。

阻害要因としては、集団思考（groupthink）・権威への服従・社会的な怠慢・フリーライダー・情報カスケードなどが挙げられる。これらは集団の判断を個人の合理性よりも劣化させる「群衆の狂気」の側面として社会心理学において研究されてきた経緯がある。

人工知能と集合的認知

人工知能の発展に伴い、人間とAIエージェントが協調する系における集合的認知の研究が新たな領域として浮上している。ウーリーらは「集合的人間‐機械知性（COHUMAIN: Collective Human-Machine Intelligence）」という研究アジェンダを提唱し、人間とAIが構成する社会技術的システム全体がいかに集合的知性を発揮するかを体系的に理解するための枠組みを構築しようとしている^[20]。

また、複雑ネットワーク科学の観点からは、人間とAIエージェントが認知層・物理層・情報層からなる多層ネットワークを形成し、それぞれの多様性と相互作用のパターンが系全体の集合的知性に影響を与えるという概念化が提案されている^[21]。

[[生成AIの急速な普及は、集合的認知の「物理学」を変容させつつあるとも論じられる。AIは、グループ内で情報・草案・データ・視点がどのように流通するか、グループがどれほどの情報量を処理できるか、また漠然とした洞察から具体的な成果へと移行する速度を、根本的に変えつつある^[22]。