（小）人群的智慧 - 彭博社

摄影：Ilker Gurer/Gallery Stock群众的智慧是我们这个时代的完美理念之一。这个短语来自于纽约客的作家詹姆斯·苏罗维茨基，他的同名书籍在近十年前出版。其论点在开头得到了很好的总结，描述了19世纪英国科学家弗朗西斯·高尔顿在参加县博览会时的领悟：在一次猜测牛重量的比赛中，所有人提交的猜测的平均值（总共787个）几乎是正确的：1197磅与实际重量1198磅，个体无法单独达到的准确度。作为个体，我们可能无知且目光短浅，但在一起时我们是聪明的。

这意味着人群越大，准确性越高。这就像进行实验：在其他条件相同的情况下，样本量越大，结果越可信。在这个时候，从亚马逊到Yelp的在线业务依赖于聚合的用户评论，而社交网络如脸书则出售部分依赖于展示你有多少朋友“喜欢”某样东西的广告。

然而，普林斯顿进化生物学家伊恩·库赞和他的学生阿尔伯特·考所写的一篇新论文表明，规模更大的群体不一定更好。事实上，小型人群可能实际上是最聪明的。“我们在大多数环境中并没有发现经典的群众智慧观点，”库赞对他们的结果表示。“相反，我们发现有一个小的最佳群体规模为8到12个个体，往往能优化决策。”

研究始于这样一个事实：在自然界中——与县集市不同，准确性具有生死攸关的后果——许多动物生活在相对较小的群体中。库赞（Couzin）想知道，为什么这么多物种未能利用人群的资讯优势？

最终的实验并没有使用人类或动物，而是使用了计算机模型，一个设置用于复制群体行为的算法。程序中的每个“参与者”根据环境线索做出决策，这些线索要么是可靠的，要么不是。这些个体决策被视为投票，绝大多数的决策就是群体的决策。

然而，这些线索还有一个额外的特性：它们要么高度相关，要么不相关。研究人员认为这是关键。在大多数现实世界的决策中，有一些线索是很多人注意到的：一个显著的地标、一只飞来的鹰，或者在人的决策背景下，明星四分卫的受伤改变了得分差距。这些线索具有库赞和考（Kao）所称的“高观察相关性”。然后还有一些线索只有少数参与者能看到：一个叔叔传递的秘密股票小道消息、你在工作中听到的谣言、就在你身边灌木丛中微弱的沙沙声。这些是低相关性线索。

库赞和考发现，那些低相关性线索，只有少数个体注意到的线索，在群体变大时被高相关性线索淹没。这意味着如果高相关性线索不可靠，较大的群体会做出糟糕的决策，而较小的群体仍然能够做出正确的决策，因为他们仍然依赖于多样化的信息。换句话说，在大人群中，大家都知道的东西主导了群体决策，即使大家都知道的东西是错误的。库赞认为，这种现象就是为什么即使是大群体——有一些显著的例外，如占领华尔街——也依赖于群体中的较小子集来做决策。库赞将这种现象比作实验中的统计“噪音”：

“通常噪音被认为是一件坏事，但我们在这种情况下展示——当你有多个线索并且信息可以相关时——噪音实际上可以是适应性的，使得群体能够逃脱对相关信息的过度依赖，并实际利用环境中的其他有价值的信息，”他说。“这就是为什么这些小组表现得如此出色。”

在计算上模拟了这种行为后，Couzin 现在正在测试它，包括在人类和动物中——特别是在成群的鱼中。