主题：【原创】群众的智慧 -- 淮夷

人事档案或登记表格，皆有“政治面貌”一栏。人的面貌千姿百态，而政治面貌只有三类：党员、团员、群众。每次我填上“群众”的时候，总觉得自个儿特像一落后分子。

最近读到一本书恰好讨论“群众”问题，此书颇值一读，叫作《The Wisdom of Crowds》(群众的智慧)，出版于2005年, 作者是美国人James Surowiecki。

本书开头提及一个有趣的称牛实验。1906年英国统计学家 Galton参观一个普利茅斯的家畜展，展会上牵来一头肥牛，围观人们比赛猜测该牛体重，猜对者获奖。

Galton在赛后找到主办方，索到人群的竞猜记录。现场计有787人参与，Galton计算了一下787个样本的均值，是1197磅。换言之，现场人群作为一个集体，给牛估重1197磅。

那头牛的正确体重，是1198磅。契合度之高，令人惊叹。

更奇怪的是，展会的人群五花八门，在给牛称重这件事儿上，大多数人（大量的游客）毫无专业知识。少数屠户也参与竞猜，屠户对牛的重量有积年经验，他们代表人群中的专业人士或曰精英分子。

结果呢，乌合之众聚在一起，轻松打败了专业人士。

这仅是一次统计上的意外吗？

作者不认为它是一个统计意义上的噪音，实际上，它揭示出了一个颇具普遍意义的社会现象：群众往往比少数人更聪明。

此书的”群众”指社会中的人群，但这一现象亦适用于鸟群、蚁群、以及其它“自组织”(self-organization)状态的自然界系统。

在Galton的称牛实验之后，美国学者做了大量的课堂实验，研究所谓的“群体智慧”现象。

哥伦比亚大学的社会学家Hazel Knight做过一个温度实验，让全班学生各自写下对教室温度的现场估计，集体的均值是72.4度，教室真实温度是72度。

在另一个经典的课堂实验中，金融学教授Jack Treynor让全班56个学生判断一个罐子放有多少颗软糖。罐中实有850颗糖，班级平均数是871颗糖。全班只有一个学生的猜测优于集体平均值。

小课堂之外，大规模的社会人群里，集体智慧也发挥着它的魔力。

最典型的社会学例子，当属美国的电视秀”Who Wants to Be a Millionaire?”，这个例子我在《异见分子》链接出处也有提及。选手对一个选择题犹豫不定，可求助专家，也可求助观众。美国节目的统计结果是，专家答对65%的问题，而随机组合的观众人群，尽管看起来并无针对某问题的专长，其答对率竟然高达91%。

另一个社会学的例子，是1986年美国航天飞机挑战者号发射失败，半空爆炸。事故发生几分钟后，股市做出了反应，投资者开始大量抛售四家公司的股票。

这四家公司是参与挑战者号发射工程的承包商，它们分别是：Rockwell（船体和主引擎）、Lockheed（地面设施）、Marietta （外燃料槽）、Thiokol（固体火箭助推器）。

以事故发生当天的收盘价计算，前三家公司股票下跌3%，唯独第四家公司Thiokol跌的最惨，12%的跌幅。

这意味着，股市投资者作为一个群体，早早的就给Thiokol公司贴上“肇事责任人”的标签了。

事实上，股市收盘的次日，纽约时报的报道还是一头雾水：“关于这次灾难的发生原因，目前还没有任何线索。”

直到六个月后，里根总统的特别调查委员会，才给出了结论，事故原因是火箭助推器的O型环密封失效，制造商恰好就是Thiokol公司。------ 股市最初的押注是对的。

这到底是投资者神奇的先知先觉，抑或又是一次偶然巧合？这个现象引起了金融学家Maloney和Mulherin的兴趣。他们做了一些研究，发现在灾难当日，Thiokol管理层并未抛售自己公司的股票，而Thiokol的竞争对手亦未抛售Thiokol股票。这些迹象表明，Thiokol股价暴跌，并非insider trading所致，而更有可能，是投资大众作为一个集体瞬间做出了正确的选择。

上面提到的一些课堂实验和社会人群实例，如果剥去它们的传奇色彩，不难发现这里隐伏着几个重要的前提：1）人群要具备一定的规模，换言之，分散性够强；2）每个人皆能做出独立决策；3）所解决的主要是“认知问题”，意即，找到一个孤立事件的真相，不论这事件是牛重、室温、软糖个数、抑或事故灾难的成因。这些问题一般来说总能找到唯一的正确解。

这些前提，其实正是所谓“群众智慧”得以发挥的幕后原因。作者的解释是这样：每个人对“认知问题”的看法都包含了两个成分：一是有效的信息，二是无效的噪音。假如一个大规模人群的每个分子进行独立判断，无效噪音将互相抵消，留下的是有效信息。有效信息的汇聚意味着，群众的选择越来越接近真相。

那么，一个很自然的假设是，假如人群的个体并非独立选择，而是先后选择，这会如何？

“先后选择”最简单的体现，大约就是开会了。不管政府开会还是公司开董事会，一个常见的情形是老板先发言，定调子，指方向。之后，下属人员逐一发表见解。

在讲究尊卑秩序的东亚文化，这种领导先开口的模式之下，我以为很难产生“群众智慧”的效应。实际上，即使先开口的那位不是领导，也往往对集体选择的准确度产生很大的不确定性。

关于这个“先后选择”的问题，美国经济学家Angela Huang和Charles Plott做的一个社会实验给出很好的验证。

这个实验使用两个罐子，罐内有黑白两色石子。实验参与者被告知，A罐的黑子多（是白子两倍），B罐的白子多（是黑子两倍）。

现在，两个罐子中的一个，就放在参与者面前。参与者轮流从中抽取一个石子，并根据自己抽到的石子颜色，判断这个罐子是A，还是B。

假如前面三个参与者先后抽取之后，都说这是A罐（黑子多），而你是第四个人，你抽出来一个白子。这时候，你该怎么选择？

如果你做的是独立判断，抽到白子后，合理选择是B。B罐的白子是黑子2倍，（这意味着选B有2/3的概率赢）。

但是，前面人群都选了A，你会不会放弃B而选A呢？

78%的实验次数中，人们都选择了跟随前面，而放弃了自己的独立判断。事实上，先后选择的模式很容易创造一个强大的反馈机制。试想一下，当你前面的10个人、20个人、30个人，依次认为这是A罐，那么你多半觉得最好的选择就是A了，不必管你实际抽到的是白子还是黑子。

看起来，这是一个利用贝叶斯公式，根据已知信息更新概率估计的过程，似乎很合理。

而这个实验的巧妙在于，每个参与者只能说出自己的选择，而不能说出自己抽到的石子颜色。这意味着，人群的选择根本不是什么贝叶斯推断，因为实验者无从得知前面的石子颜色，也就无法有效的更新自己的概率估计。

前面的几个人出于偶然连续抽到某个石子，而这种偶然性、或曰“噪音”，很快被后面的跟随效应强化了，乃至演变成为“唯一正确”答案。一旦人们丢弃了真正的有效信息（自己抽取的石子颜色），而代之以噪音，群众的选择并非集体智慧，而是集体发晕。

类似的集体发晕现象在自然界亦有一个例子。20世纪初，美国自然学家William Beebe在南美看到一幅奇景。一群蚂蚁沿着一个大圆圈不停的走动，圆圈周长1200英尺，一只蚂蚁需要大约2个小时才能走完一圈。

蚁群排着队，绕着圆圈暴走不止，两天之后，大多数蚂蚁力竭而亡。这个离奇的现象被生物学家称作”circular mill”。

生物学家后来找到了一个原因。蚂蚁迷路时遵循一个简单的法则：跟着前面的蚂蚁走。反馈效应之下，蚁群作为一个集体，陷入一个原地转圈的循环，至死方休。

石子实验及蚂蚁转圈，皆显示出，集体里每个个体的独立精神之重要。倘若一个人群，既具备个体独立，又有适度的规模和分散性，这样的人群除了解决认知问题，是否也有预测未来的智慧呢？

有个很有趣的例子，是解释群体智慧是如何用来预测未来的。

这个例子是关于选举结果预测的。1988年，美国爱荷华大学创办了一个电子交易市场，叫做IEM （Iowa Electronic Markets）。IEM交易的不是股票，而是远期合约，这些合约以未来选举结果作为交割目标。人们可以交易各种选举，包括总统大选、国会选举、州长选举，等等。

IEM的交易模式并不复杂。举例来说，2004年总统大选之前，你从IEM买入一份看好小布什的远期合约，如果小布什赢了，你获得1美元。小布什输了，你什么都拿不到。

一份合约最大收益是1美元元，最小收益是0，所以它的理论价格区间是0 - 1美元。

合约的市场价，完全取决于IEM的参与者对候选人获胜机率的判断。譬如小布什合约的价格是60美分，意味着市场认为他有60%的概率赢得选举。如果过一段时间，这个合约涨到65美分，意味着，布什的获胜概率提高到了65%。

IEM的预测准不准呢？对IEM交易数据的研究表明，从1988-2000年之间的49次选举中，IEM的市场价格非常贴近真实选情，表现远好于大型民意测验。以IEM的合约成交价和实际的候选人得票率来分析，在总统大选方面，IEM的偏差率只有区区1.37%。

受到IEM的启发，美国如今涌现出各种各样的decision markets，旨在利用群众的集体智慧，对未来做出预测。

其中好莱坞交易所(HSX)以预测电影票房和奥斯卡著称，2002年的奥斯卡40项提名，HSX能事先测中35项。类似的虚拟交易市场，还有许多，譬如Lumenogic市场（预测新闻时事），以及MIT创立的Innovation Futures市场（预测科技的未来走向）。

小到肥牛重量，大到总统竞选,群众的眼睛总是雪亮的。我忽然想再填一次表格了，在政治面貌一栏，自豪的写上：群众。

• 【原创】西河的那些才子佳人 （三）
• 回帖不看贴的典型