Einer der roten Fäden, der die technologischen Entwicklungen der letzten 30 Jahre durchzieht, vom Siegeszug des Internets, der Entwicklung von sozialen Medien und der sich abzeichnenden Revolution durch Künstliche Intelligenz, ist die Gemeinsamkeit der "Intelligenten Netzwerke". Egal ob wir von Internetphänomenen und Memes, von Mobs auf Twitter oder von stochastischen Bibliotheken wie GPT-3 und Dall-E 2 reden, immer ist die Rede von den Effekten vernetzten Wissens, das emergente Eigenschaften zeigt. Und diese emergenten Eigenschaften, also den Mustern, die aus der Vernetzung von individuell komplex reagierenden Nodes und synchronisiertem Schwarmverhalten entstehen, sind bemerkenswert wenig erforscht. (So sieht man in Fig.2 dieser Studie über die Publikationsgeschichte zu Schwarmintelligenz einen sprunghaften Anstieg ab 2010, vorher wurde das Feld quasi nicht wahrgenommen. Mir fällt als eins der wenigen Beispiele der Forschung über Schwarmverhalten nur das Buch "Sync" von Steven Strogatz ein, der hier einen unterhaltsamen TED-Vortrag über das Schwarmverhalten von Tieren und die mathematischen Hintergründe dieser Phänomene gehalten. Das Buch erschien 2003 und enthielt bereits ein Kapitel über Memetik.)

Ein neues wissenschaftliches Fachmagazin möchte das ändern: Collective Intelligence befasst sich mit Schwarmintelligenz in all ihren Spielarten, die erste Ausgabe enthält unter anderen einen Dialog unter Wissenschaftlern mit Nobel-Preisträger Daniel Kahneman über Noise, ein Paper über "The wisdom of crowds versus the madness of mobs", oder eine Studie über selbstorganisierende Arbeitsgruppen. 

Das Fachmagazin dürfte für alle Journalisten mehr als interessant sein, die die Hintergründe von viralen Phänomenen in sozialen Medien oder das Verhalten von künstlichen Intelligenzen verstehen wollen. 

Aus dem "Editorial to the Inaugural Issue of Collective Intelligence":

We can find collective intelligence in any system in which entities collectively, but not necessarily cooperatively, act in ways that seem intelligent. Often—but not always—the group's intelligence is greater than the intelligence of individual entities in the collective. These entities can be molecules, cells, biological organisms, computers, organizations, software components, or machine learning systems. They may perform tasks such as identifying phenomena, making predictions, solving problems, or taking actions.

Though often characterized as an emerging discipline, collective intelligence, or at least its core ideas, can be found in many fields going back many years. Thinking about collective intelligence has a long history, including theories of invisible and visible hands, the organization of science, and the 18th-century Republic of Letters. Notably, the modern scientific study of collective intelligence dates back, at least, to Condorcet and Adam Smith in the 18th century. Since then, scholars in economics, computer science, sociology, neuroscience, biology, political science, physics, and management have long pondered how, when, and why collectives exhibit intelligence.

The spread of the Internet, advances in neuroscience, crowdsourcing and citizen science projects, and the popularization of research on the collective behavior of ants, bees, birds, and fishes has brought ideas from collective intelligence into daily life.

Nevertheless, the study of collective intelligence has not yet made broad use of the conceptual or technical rigor characteristic of other related fields. Compare, for instance, how the study of dynamical systems, statistical mechanics, and condensed matter physics has permitted the development of first principles approaches to pattern formation. One aim of this Journal will be to facilitate interdisciplinary cross-fertilization and encourage the creation of shared models, concepts, principles, and measures.