群体智能自监督学习是一种学习范式，其中多个自主学习代理在去中心化网络中交互，通过相互达成共识和集体伪标签生成来学习鲁棒的表示。
形式上，群体由一组代理 \( A = \{a_1, a_2, ..., a_n\} \) 组成，每个代理拥有局部模型 \( M_i \)，并通过通信协议 \( C \) 交换信息。
代理从其本地数据中生成自监督信号 \( S_i \)，并与其他代理共享，以定义集体训练目标，从而提升学习性能。
这种分布式学习架构促进了表示的多样性，并增强了对故障和噪声的鲁棒性。
定义：
“群体智能自监督学习是一种去中心化的学习方法，多个自主代理通过交互和集体伪标签生成，共同学习有意义的数据表示，而无需外部标签。”
来源：
Li, X., & Wang, Y. (2022). Swarm Intelligence Enhanced Self-Supervised Learning: A Decentralized Approach. Proceedings of the 36th AAAI Conference on Artificial Intelligence.