社交媒体分析是通过复杂网络分析和自然语言处理的工具来分析社交互动、用户生成的内容和偏见的现象，主要围绕在线辩论、在线支持群体和人类与人工智能的互动展开讨论，同时强调社交媒体内部的双重困境与可能性，以及人机生成内容中隐藏的人类和非人类偏见。

Mar, 2024

本文探讨了人工智能的社会好处，并提出社群参与的可能性，该研究应始终考虑社区的权益和利益。

May, 2021

通过将大型语言模型（LLMs）组织成以社区为基础的结构，该论文介绍了一种变革性方法，旨在增强 LLMs 的集体智能和问题解决能力。本文研究了不同的组织模型 - 分层、扁平、动态和联邦，每种模型都具有协作人工智能系统的独特优势和挑战。在这些结构化社区中，LLMs 被设计为专门从事不同的认知任务，采用直接通信、投票系统和基于市场的方法等先进的交互机制，并动态调整其治理结构以满足不断变化的需求。这种社区的实施对于提高人工智能的问题解决能力具有重大潜力，因此有必要深入研究其伦理考虑、管理策略和可扩展性。本文旨在为未来研究奠定基础，主张在人工智能研究和应用中从孤立到协同的运行框架进行范式转变。

May, 2024

AI 和深度学习的快速发展在大型语言模型中具有突破性的出现，这里提醒过度乐观的人关注毒性、偏见、记忆、奉承、逻辑不一致以及幻觉的存在，并指出人类智能只是一种规模放大的灵长类脑的案例。

Feb, 2024

大型语言模型根据其他人生成的文本来引导它们的行为。这种能力以及它们在在线环境中越来越普遍的存在预示着它们将有意或无意地 “编程” 彼此并形成新兴的人工智能主体性、关系和集体。在这里，我们呼吁研究界调查这些互动人工智能的 “类社会” 属性，以增加它们对人类社会和在线环境健康的回报并减少风险。我们使用一个简单的模型及其输出来说明这样的新兴分散型人工智能集体如何扩大人类多样性范围并降低在线毒性和反社交行为的风险。最后，我们讨论了人工智能自我调节的机会，并解决了与创建和维护分散型人工智能集体相关的道德问题和设计挑战。

Feb, 2024

该研究探讨了社会技术话语中的关系问题，即语义模糊、概念之间缺乏明确关系和不同的标准术语这些根本本体论问题。作者提出了一个概念框架来组织概念，包括操作性，认识论和规范方面，以帮助开发适当的指标、标准和机制，促进机构 AI 系统的研究和采用。

Mar, 2023

通过引入贝叶斯框架，研究了与生成人工智能合作时可能出现的一种情况：用户可能会获得生产力的提高，但人工智能生成的内容可能无法完全符合他们的偏好。我们揭示了个体决策与人工智能训练之间的相互作用可能导致社会性挑战，输出结果可能变得更加同质化，特别是当人工智能基于人工智能生成的内容进行训练时。解决同质化和偏见问题的方法是改进人工智能与人类的交互，实现个性化输出而不损失生产力。

Sep, 2023

我们提出了一个针对协同智能系统的分层框架，运用机器学习辅助，针对交互活动和信息共享的不同层次和挑战，包括传统工程方法和现代机器学习方法，最后探讨了沟通和理解共享、解释和社会协同等问题，总结出未来的研究挑战和为人类社会带来的经济和社会影响。

Dec, 2022

本研究论文旨在借助复杂系统、网络科学和人工智能的交叉领域构建社交人工智能的基础，并探讨了社交人工智能领域中的主要问题、可能出现的技术和科学挑战，以及未来的研究方向。

Jun, 2023

通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。

May, 2024