群智能（SI）是由Gerardo Beni 和 Jing Wang 在 1989 年提出的。 SI 只是意味着一起使用集体对象（人、昆虫等）的知识，然后针对给定问题找到优化的解决方案。 “群”是指一组物体（人、昆虫等） 。换句话说，假设我们给一个人一个问题陈述并告诉他或她解决这个问题然后给出解决方案，那么这意味着我们将只考虑那个人的解决方案，但问题是那个人给出的解决方案可能不是最好的解决方案，或者该解决方案对其他人不利。所以为了避免这种情况，我们所做的是将这个问题一起交给一定数量的人（群体），并要求他们为该问题找到可能的最佳解决方案，然后一起计算所有响应以达到可能的最佳解决方案，因此，我们在这里使用整个团队的知识来为该问题找到最佳解决方案或优化解决方案，并且该解决方案也对所有人都有好处，这就是群体智能背后的想法。
Note: In swarm intelligence, each individual (object) in the group is independent of others, each individual is responsible for their own contribution to solve that problem regardless of what others are doing.
我们举个例子来证明对象的集体知识优于任何单个对象。
例子
假设我们有一个装有 500 个弹珠的罐子。问题是在不接触罐子的情况下，一个人需要预测那个罐子里有多少弹珠。假设我们只从一个人那里得到一个回答，它预测根据他的说法，罐子里有 400 个弹珠。所以通过这个结果，我们可以得出结论，这个人的这个估计并不是很糟糕，因为差异（误差）只有 100，但这可能不是最好的解决方案，我们可以进一步优化它。所以现在我们要做的不是只接受一个人的回应，我们将接受 10 人的回应。让“P”表示一个人，因此响应如下：
|
P1 |
P2 |
P3 |
P4 |
P5 |
P6 |
P7 |
P8 |
P9 |
P10 |
|
400 |
450 |
550 |
600 |
480 |
390 |
520 |
490 |
510 |
450 |
因此，在收集了 10 个不同人的回答后，我们可以取他们回答的平均值。
Average:
(400 + 450 + 550 + 600 + 480 + 390 + 520 + 490 + 510 + 450) / 10
Average = 4840 / 10
= 484 (marbles in the jar)
现在，我们可以说，从 10 个不同人的集体预测中，我们得出了一个更理想的答案，即罐子里有 484 个弹珠。我们非常接近罐子中 500 个弹珠的实际结果，在这种情况下，与之前的错误 100 相比，差异（错误）减少到只有 16 个弹珠。这就是群体智能背后的主要思想，即使用对象的集体知识。
为什么是群智能？
现在这个问题的答案很简单，我们在之前的弹珠示例中证明了这一点，即分别收集来自不同对象的答案（响应），然后将所有响应作为一个整体计算，以找到最适合我们给定问题的解决方案。所以在这里，通过这种方法，我们对给定的问题有一个更优化的解决方案，这就是为什么群体智能出现的原因，因为这个原因，我们可以在生活的不同场景中使用它，例如预测，哪个策略是对业务有好处，等等。所以简单地说，我们正在使用“大脑中的大脑”来找到给定问题的解决方案。如果我们在我们的环境（自然）中观察，那么我们将能够找到许多群体智能的例子，如“蚁群”、“蜂群”、“鸟群”等，实际上，还有群体的想法智慧只取自大自然。一些解释如下：
蚁群
如果我们仔细观察，那么蚂蚁也遵循群体智能的原则，例如，他们从周围收集泥土颗粒来建造房屋，并单独承担建造房屋的责任。它们通过信号和信息素进行交流（蚂蚁用它来追踪其他蚂蚁），无论其他蚂蚁在做什么，单个蚂蚁只对自己为建造家园做出的贡献负责。类似地，当它们寻找食物时，首先它们会单独寻找食物，而将信息素抛在脑后，一旦找到食物来源，蚂蚁就会与其他蚂蚁交流，然后其他蚂蚁可以追踪它并沿着这条路径到达食物来源只是每次都在不同位置随机搜索食物。
蜂群
蜜蜂也使用相同的生存原则，即当它们寻找可以建造蜂巢的地方时，每只蜜蜂的任务就是考虑几个参数，即要建造的蜂巢应该在良好的高度上以避免捕食者，应该靠近水资源，应该靠近花粉（收集花蜜的花）等等。然后他们使用他们的集体研究，最后决定一个地方，在考虑所有这些参数的情况下建造蜂巢，并找到最佳解决方案对于那个问题。
人工群智能（ASI）
它也被称为人类群。这里的想法也是相同的，我们随机让一些人参与实时系统并告诉他们单独找到该特定问题的解决方案，然后在接受每个参与者的响应和最终解决方案后计算最终解决方案与仅从一名参与者那里获取的解决方案相比，它呈现出更加优化的效果。
群体智能的应用
- 用于军事服务。
- NASA 正在产生使用群体智能进行行星测绘的想法。
- 用于数据挖掘。
- M. Anthony Lewis 和 George A. Bekey 提出了一个想法，即在群体智能的帮助下，我们可以控制体内的纳米机器人来杀死癌症肿瘤。
- 用于商业以做出更好的财务决策等。