机器人群通过抑制竞争选项做出更稳健的决定
一种来自生物系统的交叉抑制机制，让去中心化系统即使面对个体偏见，也能更快达成一致。
集体智能的失败不一定源于数据不足，也可能源于系统处理相互冲突的局部意见的方式。
研究要解决的问题
机器人群中的简单个体只有有限的传感器、记忆和通信能力。每个成员只能看到局部情况，也可能带有自己的错误偏好。但整个群体仍需要在没有中央控制的情况下及时选出多个方案中的最佳者。
作者比较了两种改变意见的机制。第一种让机器人直接切换到看起来更好的选项；第二种在支持某个选项的同时抑制竞争选项。这一原则可见于从神经元群到昆虫集体行为的多种生物系统。
实验结果
没有局部偏见时，直接切换能够可靠工作。但出现系统性错误后，它更容易陷入僵局，也更容易做出较差选择。
交叉抑制在广泛的误差条件下速度更快、稳定性更高，并且更容易扩展。机器人群不只是放大流行信号，还会主动减少不相容备选方案的影响。
为什么这个结果重要
这些规则可以用于环境监测、灾后搜救等自治系统，因为这些任务不一定能保持与中央服务器的稳定连接。
但研究并没有证明机器人群产生了意识。它研究的是形式化任务中的集体选择质量。集体能力与主观体验仍是不同问题。
“层”的评论
这个结果很好地说明，仅靠连接并不会让全球网络成为统一心智。系统不仅需要传递信号，还必须拥有能够解决矛盾、闭合反馈并避免陷入错误共识的架构。
对行星智能的设想来说，这是一个实际例子：系统做出稳定共同决定的能力，取决于各部分之间的互动规则，而不仅是接入元素的数量。