一個諸葛亮，勝過N個臭皮匠

大約一個世紀前，英國Francis Galton爵士試圖證明大眾是愚昧的，但卻意外證明了群眾的智慧是強大的。他參加了一次牲口集市，讓當地人猜一頭牛的重量。Galton爵士收集了800個人的答案，並沒有任何一個答案是正確的。但是將這些答案用曲線圖畫出來後，Galton卻發現，800個答案的平均數值跟牛的重量完全吻合：543公斤。

「群體智慧」理論稱，收集的數據越多，最終的答案就越準確。假如「三個臭皮匠頂個諸葛亮」，那麼4個、5個或者2451897個臭皮匠就更好了。但是群眾的智慧也是有限的。

Mirta Galesic是聖塔菲研究所的社會動力學教授，主要研究人類群體如何決策。在2016年的論文中，她提出人越多反而越有可能做出錯誤決策，而且有時候隨便在100個人中選1個人出來，都能做出比100個人更好的決策。

為什麼不是越多越好？

Galesic和她的同事注意到，世界上大多數重要決策是由規模適中的人群做出的。因此她們開始對「群體智慧」論提出質疑。

她提出，「大多數國家的陪審團人數是6-15個人，大多數中央銀行董事會的人數是6-12個人。如果群體智慧真是無窮的，為什麼不增加人數？為什麼不利用互聯網組成150人的陪審團？」

這是因為並不是所有問題都是一樣的。首先，群體智慧只適用於只有一個正確答案的定量問題中——比如，瓶子里有幾個口香糖，或者這兩個候選人誰能贏得選舉？而在陪審團之類的情況下就不適用了，因為你無法肯定有罪或無罪推定是對是錯，有些殺人犯甚至能夠僥倖逃脫法律制裁。

群體智慧論也不適用於「英國脫歐」或者「同性婚姻合法化」等大眾投票中。Galesic稱，「這種問題更多取決於個人喜好。即便多數人選出了一個結果，也會有部分人不肯認同。」

第二，群體智慧不適用於太難的問題。Galesic在研究中發現，對於高難度的問題，與其讓100個專家投票，不如只問其中一兩個人。

Galesic使用統計建模和電腦模擬，對專家群體討論定量問題的結果進行分析。例如，讓一群醫生對一個出現某些癥狀的虛擬病人進行診斷，讓一群經濟學家預測下一年的失業率，或者讓一些政治學者預測選舉結果。當問題比較簡單的時候，比如病人得的是常見病，或者選舉一方有壓倒性優勢時，專家數量越多，最後的答案就越準確。但當問題變難時，比如在2000年布希對阿爾戈爾的總統選舉中，事情就反了過來。

Galesic稱，「在2000年的選舉中，大部分專家都預測錯了。如果這種時候還按照大部分人的預測來決定答案，那你的錯誤率就是100%。而你如果從100個專家裡隨便挑一個人出來，得到正確答案的概率還高一些。」

人數多少才合適？

當然了，在現實生活中，我們無法預測某個問題是難是易。中央銀行不可能在經濟繁榮的時候將董事會人數增加到1000人，也不可能在蕭條時期將人數減至兩三人。那麼要解決問題，應該讓多少人來決策好呢？根據Galesic的電腦模擬結果，答案是不要太多也不要太少，適中就好。

例如，要更準確地預測某次選舉結果，應該諮詢5名政治學者。要得到準確的疾病診斷，最好找11名醫生。要得到經濟變動的最佳預測，就需要7個經濟學家，這也正好是美聯儲理事會的人數。

本文譯自 howstuffworks，由譯者 蛋奶 基於創作共用協議(BY-NC)發布。
原作者：DAVE ROOS

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！