群体智慧的条件

当大家提供来自不同来源的有用信息时，群体可以做出更好的决策。先各自私下作答，有助于保留这些差异，但大家仍可能依据同样的错误证据。 试试这样：先收集每个人私下给出的估计，并询问各自用了什么证据，再一起讨论结果。

在这一课中，你可以使用本文整理的四项检查清单：多样性，指大家提供不同的相关信息或视角；独立性，指判断不是简单照搬他人的答案；分散性，指大家能贡献各自掌握的局部知识；聚合，指按一定规则汇总判断。请把它们当作实用指引，而不是任何时候都必需、或能保证答案正确的条件。

当个人的错误能相互抵消时，汇总判断可能有所帮助。但错误之间的相关性，也就是错误往往一起朝同一方向偏移，会限制这种好处。即使大家私下作答，也可能依据同一份有问题的报告。论文讨论了一项经典的多数投票理论结果，其前提是各人的猜测在统计上相互独立，而且每个猜测正确的概率都超过一半。这是一项特定的理论假设，不能仅凭分开收集答案就认定它成立。[1]

Kao 和 Couzin 研究了一些理论模型：个体利用环境线索，也就是能提供信息的信号，再通过多数投票从两个选项中选出一个。在某些模拟环境中，小群体比大群体表现更好。这是因为成员使用哪些线索、观察到什么，存在随机差异，而这些差异有时能避免共同信息主导决策。结果取决于线索的可靠性、相关性和投票策略；这些模型并未确定一个普遍适用的最佳群体规模。这些是模型结果，并不是验证上述四项检查的人类实地研究证据。[1]

以一个假设的项目预测为例，你可以请工程师私下估计完成时间，并说明理由。如果在线问卷在参与者提交答案前隐藏他人的回答，就能在他们看到其他答案前记录下最初的判断。如果这些估计针对相同的工作范围，并使用相同的单位，平均值可以作为初步汇总。在依赖这个平均值之前，要检查大家共同采用的假设，以及是否具备相关专业知识：仅仅取平均值并不能证明结果准确。

先私下作答，不代表答案必须永远保密。本文建议的实际收集流程是：先记录最初的答案，再展示其他人的看法，之后如有讨论，就把它作为单独的一步。这是本文为追踪判断如何变化而提出的建议，并不是证明某种预测方法在所有情况下都最好的研究结果。

• 理论：Kao 和 Couzin 用环境线索和多数投票来模拟群体选择。准确率是否会随着群体规模扩大而持续提高，取决于线索的可靠性、信息之间的相关性，以及个体选择线索的策略。[1]

• 模型机制：在多线索模型的部分情形下，小群体中的随机差异可以减弱相关信息对决策的主导作用，使其准确率高于大群体。这种优势需要特定条件，并不意味着通常都应该增加随机性。[1]

• 范围与证据：第二个模型涉及线索可靠性的波动。在所考察的参数范围内，表现更好的往往是单独一个个体，或规模很大的群体。所提供的摘录也讨论了早期的动物实验室研究；其中的理论发现并不构成对这份四项检查清单的人类实地验证。[1]

所提供的证据涉及简化模型，以及对早期研究的讨论。它并未确立四个充分必要条件、一个普遍适用的群体规模分界点，也没有给隐藏答案的问卷、德尔菲法的多轮征询和市场排出优劣。私下作答可以避免参与者在收集答案期间看到他人的回答，但不能保证他们使用的信息在统计上相互独立。对于可比较的数值估计，取平均值是一种实用选择；它是否有用，取决于信息质量、共同错误和具体任务。项目预测只是一个假设的教学例子，并不是研究报告中的实验。