众包与群体智慧

众包就是让许多人一起完成工作或贡献内容，比如维基百科的编辑撰写条目、Kickstarter 的支持者出资资助项目，或 Uber 司机提供载客服务。在这里，人群是完成任务的资源。群体智慧则不同：它通过汇总多样、独立的判断来获取准确的信息，比如预测选举结果、估算距离，或猜罐子里有多少颗糖豆。在这里，人群是一种能让个人误差相互抵消的统计工具。两者的关键区别是：众包请大家创造或行动，群体智慧请大家判断或预测。当群体中的人相互影响时，判断的独立性就消失了，群体智慧也就失效了，即使每个人都在尽力。

想一想：回忆一次你听了别人的意见后改变答案的经历，这让答案更准确了，还是更不准确了？

两个概念有什么区别

众包把工作分给许多人来做，通常通过网络进行。这是一种外包模式：原本可能交给员工的任务，转而由分散在各处的一群人完成，他们往往没有报酬，或报酬较低。维基百科通过众包创造知识，Amazon Mechanical Turk 通过众包完成图像标注等微任务，Kickstarter 则通过众包募集资金。目标是完成任务，也就是把事情做成。

群体智慧是一种统计现象：当许多人对一个事实性问题独立作出判断时，他们判断的平均值或中位数往往比大多数人的单独判断更准确。弗朗西斯·高尔顿在 1906 年的一场集市上开展了估计牛体重的实验，并于 1907 年在《自然》发表结果。大约 800 名集市参与者给出的估计值，其中位数与牛的真实体重惊人地接近，展示了这种现象。现代例子包括预测选举结果的预测市场，以及对经济指标的估算。目标是准确，也就是从噪声中提取真实信息。

为什么独立性很重要

研究表明，社会影响会破坏群体智慧。当人们在确定自己的估计之前先看到别人的估计时，意见就会趋向一致，多样性随之减少，准确性却没有提高。实验发现，即使只是少量分享他人的猜测，也会让群体失去智慧：估计值集中在错误答案附近，信心却不断增强。矛盾就在这里：看到别人的观点会让我们更确信自己的判断，即使整个群体的判断正变得更不准确。

两种方法各在什么时候有效

如果任务可以拆成独立的小块，大家的贡献又能合并或通过投票评选，众包就很有用，例如开源软件、公民科学项目和灾害应急地图绘制。群体智慧适用于估算和预测问题，前提是每个人都掌握部分信息，而且误差是随机的，而非系统性的。但它需要多样的视角、独立的判断、分散的知识，以及汇总大家意见的机制。请注意：下次看到群体预测或民意调查结果时，问问自己，参与者是否真的独立作出了选择。

群体智慧效应依赖四个条件：意见的多样性（每个人都带来一些自己独有的信息或视角）、独立性（意见不由周围的人决定）、去中心化（人们可以发挥各自专长，并运用自己所在环境中的知识），以及汇总机制（有办法将个人判断转化为集体决策）。当这些条件成立时，集体误差等于个体平均误差减去群体多样性，也就是说，多样性确实能从集体误差中减去一部分。Surowiecki（2004）指出，满足这四个条件时，群体能比个人或专家作出更好的决策，并将其与统计抽样作了类比。[1]

实验研究揭示了群体智慧有多容易失效。Lorenz 等人（2011）发现，即使轻微的社会影响，也会减少意见多样性，却不提高准确性，从而削弱群体智慧效应。这会带来三种不同的负面影响：多样性下降，准确性却没有提升；估计值的范围缩小，把真实值推到估计范围的边缘；尽管群体整体表现变差，个人的信心却更强了。[2]

Page（2007）将多样性预测定理形式化，说明集体误差等于个体误差减去多样性，从数学上证明了为什么在预测任务中，多样化群体的表现优于同质化群体。[3]

研究还指出了一些关键局限。Couzin 和 Kao（2014）发现，在复杂环境中，大群体极易受到相关信息（彼此关联、并非相互独立的信息）的影响，小群体反而往往能让决策准确性达到最高。这挑战了“人越多，群体就总是越明智”的假设。[4]

以下情况会让群体智慧失效：群体缺乏真正的多样性，大家都带着同样的偏见；人们之间存在情感联系，或容易受到同伴压力影响；信息级联让早期意见主导后来的意见；问题需要的是创造力，而非估算；或者没有可供衡量的客观事实。金融泡沫就是一个鲜明的例子：从众行为会让整个群体作出灾难性的决策。此外，拉尼尔认为，只有当问题属于评价标准简单的优化问题时，集体才是聪明的；涉及创造力或创新时则不然。批评者还指出，如果共同的文化假设让所有人都看不到同样的盲点，或者问题需要大多数人不具备的专业知识，群体也可能出现系统性的失败。