（小）人羣的智慧 - 彭博社

攝影：Ilker Gurer/Gallery Stock羣眾的智慧是我們這個時代的完美理念之一。這個短語來自於紐約客的作家詹姆斯·蘇羅維茨基，他的同名書籍在近十年前出版。其論點在開頭得到了很好的總結，描述了19世紀英國科學家弗朗西斯·高爾頓在參加縣博覽會時的領悟：在一次猜測牛重量的比賽中，所有人提交的猜測的平均值（總共787個）幾乎是正確的：1197磅與實際重量1198磅，個體無法單獨達到的準確度。作為個體，我們可能無知且目光短淺，但在一起時我們是聰明的。

這意味着人羣越大，準確性越高。這就像進行實驗：在其他條件相同的情況下，樣本量越大，結果越可信。在這個時候，從亞馬遜到Yelp的在線業務依賴於聚合的用户評論，而社交網絡如臉書則出售部分依賴於展示你有多少朋友“喜歡”某樣東西的廣告。

然而，普林斯頓進化生物學家伊恩·庫贊和他的學生阿爾伯特·考所寫的一篇新論文表明，規模更大的羣體不一定更好。事實上，小型人羣可能實際上是最聰明的。“我們在大多數環境中並沒有發現經典的羣眾智慧觀點，”庫贊對他們的結果表示。“相反，我們發現有一個小的最佳羣體規模為8到12個個體，往往能優化決策。”

研究始於這樣一個事實：在自然界中——與縣集市不同，準確性具有生死攸關的後果——許多動物生活在相對較小的羣體中。庫贊（Couzin）想知道，為什麼這麼多物種未能利用人羣的資訊優勢？

最終的實驗並沒有使用人類或動物，而是使用了計算機模型，一個設置用於複製羣體行為的算法。程序中的每個“參與者”根據環境線索做出決策，這些線索要麼是可靠的，要麼不是。這些個體決策被視為投票，絕大多數的決策就是羣體的決策。

然而，這些線索還有一個額外的特性：它們要麼高度相關，要麼不相關。研究人員認為這是關鍵。在大多數現實世界的決策中，有一些線索是很多人注意到的：一個顯著的地標、一隻飛來的鷹，或者在人的決策背景下，明星四分衞的受傷改變了得分差距。這些線索具有庫贊和考（Kao）所稱的“高觀察相關性”。然後還有一些線索只有少數參與者能看到：一個叔叔傳遞的秘密股票小道消息、你在工作中聽到的謠言、就在你身邊灌木叢中微弱的沙沙聲。這些是低相關性線索。

庫贊和考發現，那些低相關性線索，只有少數個體注意到的線索，在羣體變大時被高相關性線索淹沒。這意味着如果高相關性線索不可靠，較大的羣體會做出糟糕的決策，而較小的羣體仍然能夠做出正確的決策，因為他們仍然依賴於多樣化的信息。換句話説，在大人羣中，大家都知道的東西主導了羣體決策，即使大家都知道的東西是錯誤的。庫贊認為，這種現象就是為什麼即使是大羣體——有一些顯著的例外，如佔領華爾街——也依賴於羣體中的較小子集來做決策。庫贊將這種現象比作實驗中的統計“噪音”：

“通常噪音被認為是一件壞事，但我們在這種情況下展示——當你有多個線索並且信息可以相關時——噪音實際上可以是適應性的，使得羣體能夠逃脱對相關信息的過度依賴，並實際利用環境中的其他有價值的信息，”他説。“這就是為什麼這些小組表現得如此出色。”

在計算上模擬了這種行為後，Couzin 現在正在測試它，包括在人類和動物中——特別是在成羣的魚中。