如何利用群体智慧做出决策，不盲目依赖专家
1）群体智慧更适合解决复杂的问题
“一群只掌握有限信息的非专家比专家的表现更好”，揭示了本章的第二个决策错误：依靠专家而不是群体智慧。要理解为什么群体通常是明智的，我们需要深入观察群体智慧是如何发挥作用的。当然，有的时候群体也是非常不明智的。但在继续了解之前，先思考一个问题。为什么一群非专家比公司内部的专家预测得更好呢？
斯科特·佩奇（Scott Page）是一位社会科学家，研究由群体解决的问题，他为理解群体决策提供了一种非常有用的方法。他称之为“多样性预测定理”（diversity prediction theo-rem），该定理的内容是：
群体误差=平均个体误差-预测多样性
该定理使用平方误差法作为度量准确性的方法，这是社会科学和统计学研究人员通常采用的一种方法，因为它确保了正负误差不会相互抵消。
平均个体误差反映了个体猜测的准确性。你可以把它看作一种度量能力的手段。预测多样性反映了猜测的分散性，或者猜测的差异性。当然，群体误差仅仅是正确答案和平均猜测之间的差异。斯科特在他的《多样性红利》①一书中深入讨论了多样性预测定理，并给出了该定理的许多实际应用场景。
我通过让学生猜测罐子里的软糖数量来说明多样性预测定理，并向他们展示群体误差、平均个体误差和预测多样性。例如，有一年，学生们的平均猜测是1 151颗软糖，而实际数字是1116颗，误差约为3%。平均每个人相差了约700颗软糖（而且猜测并没有呈钟形分布）。但多样性足够高，足以抵消大多数个体误差，只留下一个小的群体误差。
多样性预测定理告诉我们，多样化的群体总是能比群体中的普通个体做出更准确的预测。不是有时，而是总是。**这表明我们应该保持谦虚，但大多数人并不认为自己处于平均水平，当然也不认为自己低于平均水平。**然而，在现实中，肯定有一半的人低于平均水平，所以，如果你有可能成为他们中的一员，那么你应该找出原因。
同样重要的是，群体准确性等于个体能力与群体多样性之和。你可以通过增强个体的能力或增加多样性来减少群体误差。个体的能力和多样性都很重要。这对于衡量市场的健康程度或组建一个成功的团队是有意义的。20
最后要说明的这一点虽然定理中没有明确说明，但群体往往比最好的个体表现更好。因此，一个多样化的群体总是比群体中的普通个体好，也经常比群体的所有人好。在软糖实验中，73名学生中只有2个人的表现比大家的共识要好。这对专家来说不是好消息，对所有决策者来说都是极大的羞辱。
有了多样性预测定理，当群体预测良好时，我们就能安心。要想让群体预测表现良好，必须满足3个条件：多样性、汇总和激励。每个条件都要进入方程。多样性减少了群体误差。汇总确保了市场考虑每个人的信息。激励机制鼓励人们只有在他们认为自己有预测能力的时候才去参与，这有助于减少个体误差。
显然，群体不能解决所有问题。如果你的水管需要修理，找一名水管工比找一个英语文学专业的学生、一个和平队志愿者和一个天体物理学家一起来解决要好得多。但是，当问题很复杂且可指定的规则无法解决时，群体通常比专家更有价值。
2）可以相信直觉，但要经过训练
一项调查显示，《财富》1000强公司的高管中，近一半的人说他们依靠直觉做决策。事实上，畅销书推崇直觉，而商业和医学界则特别推崇凭直觉做出看似神秘的决策。这里只有一个问题：直觉并不总是靠得住。这个想法引入了我们要介绍的第三个决策错误：不恰当地依赖直觉。直觉在决策中起着明确而积极的作用。我们的目标是认清直觉什么时候对你有用，什么时候会把你引入歧途。
想想丹尼尔·卡尼曼在2002年诺贝尔经济学奖的获奖感言中描述的两种思考系统。系统1是经验系统，它“快速、自动、不费脑力、具有联想能力且难以控制或修改”。系统2是分析系统，它“较慢、连续、需要耗费脑力和刻意控制”。
在卡尼曼的模型中，系统1使用感知和直觉来产生对物体或问题的印象。这些印象是无意识产生的，个体可能无法解释它们。卡尼曼认为系统2就包含在所有的判断中，不管个体是不是有意识地做出决策。直觉是一种反映印象的判断。
通过在某一特定领域进行实质性的、有目的的练习，专家们可以训练并填充他们的经验系统。因此，国际象棋大师可以非常迅速地判断棋盘上的位置，而运动员知道在特定的比赛情况下该做什么。专家们有效地将他们所处理的系统的显著特征变成他们意识的一部分，将注意力用在更高层次的分析性思维中。这就解释了专家的一些普遍特征，包括：
专家能够在他们的专业领域中感知模式。
专家解决问题的速度比新手快得多。
专家比新手看待问题更深入。
专家能够高质量地解决问题。
因此，直觉在稳定的环境中能更好地发挥作用，在这种环境中，条件基本保持不变，例如棋盘和棋子，因此反馈是清晰的，因果关系是线性的。当你要处理的是一个变化的系统，尤其是有相变的系统时，直觉是不起作用的。尽管直觉有着近乎魔法的含义，但在这个日益复杂的世界里，它变得越来越不重要了。
再次强调一点。我建议人们通过刻意练习（deliberate practice）来训练他们的经验系统，从而成为专家。刻意练习有一个非常具体的含义：它包括设计用来提高表现的活动、可重复的任务，并且包含高品质的反馈，但不太有趣。大多数人，甚至是所谓的专家，都远远无法满足刻意练习的条件，因此也无法培养拥有可靠的直觉必备的能力。
3）利用群体智慧也要有所节制
虽然我赞扬了计算机和群体的优点，但我还是要在本章要介绍的最后一个错误中提出警告：过于依赖基于公式的方法或群体智慧。虽然计算机和群体可以是非常有用的，但还没有到你可以盲目信任的地步。
马尔科姆·格拉德威尔（Malcolm Gladwell）所说的“不匹配问题”就是过分依赖数字的一个例子。当专家们使用表面上客观的方法来预测未来的表现时，你马上就会意识到问题的存在。在许多情况下，专家所依赖的指标几乎没有或根本没有预测价值。
不匹配问题的一个有代表性的例子就是美国职业体育联盟的做法。许多联盟会在选秀前召集有潜力的业余选手，在球探的细心观察下，让他们进行一系列旨在评估技能的测试，包括举重、跑步、敏捷性训练等身体活动和心理测试。然后，组织者根据每位选手的表现对其进行排名。在某些情况下，一个相对好的或坏的表现明显会影响一个球员的选秀位置，从而影响他未来的预期收入。职业体育联合会压力大、成本高、耗时。
但在对美国国家橄榄球联盟成绩的详细回顾中，商业学教授弗兰克·库兹曼斯（Frank Kuzmits）和亚瑟·亚当斯（Arthur Adams）发现，综合排名与随后的表现之间没有一致性的关系。有一个例外：冲刺速度有助于预测跑卫（running back）1的表现。曲棍球和篮球联合会的结果是相似的。虽然量化和标准化了，但结果只是度量了错误的东西。
格拉德威尔认为，不匹配问题远远不止存在于运动领域。他引用了教育界、司法行业和执法人员的例子，比如学历并不能很好地预测学生的表现，以较低的平权法案标准被法学院录取的人，毕业后的表现和同学们一样好，身材魁梧的警官可能不适合从事过多涉及人际关系的工作。你可以很容易地看到这个问题是如何延伸到各种工作的面试中去的，因为面试中的问题和答案很少能反映你的预期表现。
对群体智慧的盲目信任也是愚蠢的。尽管自由市场的拥护者辩称，价格反映了现有最准确的评估，但市场极其容易出错。这是因为，当违反了群体智慧3个条件（多样性、汇总和激励）中的一个或多个时，群体误差就会增加。毫不奇怪，多样性是最可能无法满足的条件，因为我们天生具有社会性和模仿性。2008年，认为大布朗将赢得贝尔蒙特锦标赛的呼声越来越高，就是多样性崩溃的一个很好的例子，就像20世纪90年代末互联网时代股市的过度繁荣，以及2007年至2009年的金融危机一样。
科学家们在理解导致多样性崩溃的过程方面取得了很大进展。例如，当人们根据他人的行为而不是自己掌握的信息做出决策时，就会出现信息级联（information cascades）。这些级联有助于解释繁荣、时尚、流行和崩溃。研究个体或组织如何相互联系的社会网络理论，提供了一个框架，用于理解这些级联如何在庞大的群体中扩散。
在较小的群体中也会出现多样性崩溃。如果你曾经是委员会、陪审团或工作组的一员，你可能见过这种情况。多样性的丧失通常是由于群体中存在占主导地位的领导者、事实的缺失，或者认知的同质性。为了说明后者，哈佛法学院教授卡斯·桑斯坦（Cass Sunstein）1和一些同事将自由派和保守派分成志同道合的两组，让他们就同性婚姻和平权法案等存在争议的社会性问题展开讨论。在大多数情况下，该小组最后达成的观点比大多数人在讨论前的访谈中表达的观点更为极端。在与小组成员相处一段时间后，个体的观点变得更加一致。没有多样性，群体无论大小都可能大错特错。
本文摘自庐新书 《反直觉》
张大仁@天天乐互助会2021-11-28 15:41:57
好文，集体智能将是未来。
liupc2021-11-28 15:12:11
我通过让学生猜测罐子里的软糖数量来说明多样性预测定理，并向他们展示群体误差、平均个体误差和预测多样性。例如，有一年，学生们的平均猜测是1 151颗软糖，而实际数字是1116颗，误差约为3%。平均每个人相差了约700颗软糖（而且猜测并没有呈钟形分布）。 ————————————— 这个实验隐含的假设是群体常识大概率有效。因此进一步解读应该是场景视角而非数据视角。