标签：blog http io 使用 ar for strong sp 2014
“三个臭皮匠，抵得上一个诸葛亮。”众人的智慧，就一定胜过个人的智慧吗？东吴的孙权帐下，高人策士满堂，哪个比臭皮匠差？诸葛亮孤身一人，却舌战群儒，以三寸不烂之舌，说得东吴联刘抗曹。这是怎么回事？
假如孙权有三个信息来源，一是 3000 包括臭皮匠在内的普通人的集体选择，一是几十谋士的讨论结果，一个是诸葛亮一人的说法，那么他该听谁好呢？往复杂里说，我们是在说民主和集权的话题，是选举人团还是普选的问题，是精英和大众的问题。就事论事地简单说来，我们要看孙权到底要干吗，是要修鞋呢，选地方官呢，还是吴蜀联盟呢？目的不同，信息采用渠道也不同。若是要修鞋，一个臭皮匠，或许抵得上三个诸葛亮。 联系到 2014 年国庆前后在香港发生的事，我发现很多假设存在问题：从上面的立场考虑，为什么认为 1200 人的选举，就一定能选出听话的代表？难说。从抗议者的角度来看，是不是普选就一定能选出代表自己利益的人？这个“自己”又是谁？由于了解不多，我在此问题上没有明确的观点，但我觉得很多人没有反省诸多前提假设，就开始站队，也是不应该的。或许我们应该先考虑一下，到底什么样的体制，更能够激发出高明的选择来。
《信息乌托邦》[1]（Infotopia）是芝加哥大学法学教授凯斯· R· 萨恩斯坦（Cass R. Sunstein）所写的一部著作。他让人想到了诸葛亮和臭皮匠的老话题。无论是在公共还是私有领域，究竟什么样的信息最可靠，什么样的判断最准确，什么样的决策最合理呢？ 萨恩斯坦提出了如下几种发掘集体智慧的办法（由于侧重网络时代的集体智慧，此书没有谈到集权式决策，这是一大遗憾）：
数字说了算
采集所有人的意见，取平均值，让数字来说话，这有时候是一个非常明智的做法。有人做过试验，让一屋子学生猜室内温度，最后取平均值，是华氏 72.4 度，几乎等同于实际温度（ 72 度）。英国科学家 Francis Galton 在一次乡村集市上举办比赛，让人猜一头牛的体重，牛的实际体重为 1198 英镑，787 个参赛者猜后的平均值为 1197 英镑。由此看来，既然每个人都有误差，那么人数如果足够多的话，大家的误差应该相互抵消。是不是很有道理？
这些都是温度、体重等简单事实，没有太多阐释色彩，集体的智慧此时显然是最靠得住的。另外一些情况则不尽然。如果集体智慧一定能产生最佳选择，那么为什么极有争议性的布什能够连任？一个可能的解释是：9/11 后，美国的政治总体气氛是趋向保守的，很多人也只关心自己本土能否得到保护。既然大部分人都带着这种心态去投票，那么选中他也不是什么稀奇事。萨恩斯坦提到了一个陪审团定律（Jury Theorem），很能解释上述集体选择的不同后果。根据此定律，如果集体中每个人回答时答案正确的概率超过 50%， 那么人越多，得到优质结果的可能性越大。比如三个臭皮匠每个人答案正确的概率为 67%， 那么两个臭皮匠在一起，按照少数服从多数的原则，正确的概率就是 74%（本书后附有一数学公式推算此结果），人越多，而且一直遵循少数服从多数原则，那么答案就越正确。所以一些“大赢家”之类电视节目中提出一些简单问题，竞赛者不知道怎么回答，他可以打电话问家人，也可以问现场所有观众。如果你家人确实见多识广，超过一般人，那么问他是对的。如果他只能给出和你一样随机的答案，那么问现场观众，请他们集体回答，往往是更好的选择。
反过来，如果每个人正确的概率低于 50%， 那么人越多，得到糟糕答案的可能性就越大。希特勒就是在群众的狂热中上台的。海选最好的情形，是大家没有先入为主的整体偏见，每个人的选择并非是随机选择，而是有了充分信息披露，大家能做明智选择（informed decision），那么群体决策就可能比随机的个人决策产生更好结果。
这个结论也我们想到现在常说的网络暴民现象：群体在偏见的引导下，形成一边倒的跟风式意见，让更为合理的声音（包括出色的专家）受到压制。这些年来，我们经常会看到，铺天盖地的“粉丝”们形成的舆论压力或语言暴力，使得发言都无法进行，更不要说对话了。网络这样的环境，本应是民主的环境，是可供所有年龄段和背景的人交流的一个场所，它如果沦落为某一个群体所独有，排斥多元的东西，那则是网络的失败。
市场说了算
产生良好信息、知识、决策的另外一种方法是将一个选择放到市场上去，让市场来选择，并优化某些参数或特征，这叫预测市场（prediction markets）决定论。人们进入市场并非随机性行为，而是在追求个人利益的最大化，从动机上说，个人不会轻易盲目选择，因此其选择多半不会随机。再者，多数人的失误，会被少部精明的投资者所利用。市场总体上说，是一个奖赏正确判断的地方，错误行为不会像集体决策时那样，有可能遭到惩罚、歧视、嘲笑、忽略。例如，在会议当中，你如果老是发表不同意见，可能会在组织中被孤立。换言之，不同而合理的意见未必能得到合理回报。出于自我保护，与会的人可能选择不发言，不提供自己更为高明的意见。
而预测市场的机制就完全不同：在利益牵引下，市场对选择进行调节，最终让其归于合理，至少是市场所认为的合理。
爱荷华大学（University of Iowa）所经营的爱荷华电子市场（Iowa Electronic Markets）就是一个预测市场。在这里，参与者可以对总统选举、某某公司什么时候上市、未来某日的微软股价等各种项目进行下注。该市场预测的结果大部分情况下超过专业调查公司。看到预测市场的威力，很多企业也开始在运用预测手段，指引产品开发和营销。比如 Google 的“Google 市场”就有各种预测，比如“30 天内所有 Gmail 用户数量”、 “中国项目何时开业”等等。预测就是员工内部下注，赢家可以获得一些象征性奖励。它并没有多少商业性，在指引公司业务上却有良好效果。同样的方法，现在也用在很多其它场合，例如好莱坞有奥斯卡奖的预测市场。
不过，预测市场既然是无数人组成的，那么也就会出现上述人群统计同样的错误。最典型的例子就是股市，在牛市的时候，人们一窝蜂去选择选择某些股票，这是否说明股价就是对的，买股票的人就是对的呢？未必。否则就不会有股市泡沫和经济危机。
团队说了算
上述两种情况都是宏观的，个人和组织未必能改变这些规。一般组织不会轻易去找千军万马来做调查问卷，以作为决策依据。大型统计周期比较长，其结果作为描述的用途更多，预测和指引当下决策的可能性比较小。一般组织，包括决策结构在内，多采用专家谋划（expert deliberation）的方式。Deliberation 的意思是精心筹划，它不仅仅是指讨论，也可能包括集体决策的其它办法，比如集体投票、“头脑风暴”、德尔菲方法（Delphi method）[2]等等，所以萨恩斯坦用了一个比较笼统的词来概括，称之为 expert deliberation. 比如美国人要不要从伊拉克撤军，expert deliberation 的办法就是前国务卿贝克所领导的“伊拉克研究小组”（Iraq Study Group）。而开战前的国会辩论和投票也是一种精英群体的 Deliberation. 照说这样的决策中，参与者是专家，应该比一般人更有可能正确。不过，从伊拉克战争的例子上看，集体决策显然是失误了。包括希拉里在内，很多提出撤军者当初投的都是赞成票，这也一直是让布什政府所抓的一个把柄。
作者在书中列出了集体谋划的几个例子，从中能看出集体谋划的一些特征。2005 年，科罗拉多州举办了一次民主试验，将 60 位分属保守派和自由派的人分成数组，讨论诸如“是否允许同性恋婚姻”之类敏感政治话题。讨论结束后，与先前结果对比，大家发现保守的更保守了，自由派更自由了，即出现了所谓的“两极化”（polarization）， 既原先的所持的立场会强化。
1961 年，肯尼迪总统也在中央情报局、美国空军的“谋划”之后，入侵古巴，结果大败。肯尼迪自己都说：“我怎么这么蠢，居然允许实施这样的决策呢？”[3]这是集体谋划的一个典型例子。另外一个例子就是美国航空航天局，由于大家意见统一，一些故障未被发现，有一个人提出了异议却被忽略，结果造成哥伦比亚号航天飞机爆炸。中情局也好，美国空军将领也好，航空航天局也好，都是些人中翘楚，怎么有时候决策或者计划反有漏洞呢？
这里头有几个问题。一是当集体谋划的时候，会有两种情况导致失败。一是信息影响（informational influences），另外一个是社会压力（social pressures）。更进一步说，大家分享的信息不够多，一些人掌握一部分信息，另外一部分人掌握另外一部分信息。所以良好的决策，应该尽量形成更为广泛的信息披露，减少背景不透明（hidden profiles）的情形。这道理很简单，信息不对称，就没有足够的信心下判断，就更有可能跟从于了解更多信息的人。
另外，在每个人提供自己意见的时候，可能会放大自己所掌握的那部分信息。如果是错误信息，那么错误也会被放大。问题一经发现，解决起来倒是很容易。很多会议之所以低效，就是因为大家掌握的信息不同，大家都是一头雾水跑过来，只是知道一星半点情况，结果当然提不出有价值的建议。更好的办法，应该是提前分享相关资料，让每个人做足了功课再来开会。
社会压力的问题更为复杂。作者介绍，人们的观点会如同瀑布（cascade）一样传递。第一个讲话的人如果其地位很重要，其他人提出别的看法会遭到惩罚，或者嘲笑，那么他就有可能选择跟从，除非某些人的职责就是唱反调。古代皇帝身边尚有谏官，理论上说，这是为了修正可能出现的错误。而集体决策的时候，由于大家想当然认为集体自然会“集思广益”，反而轻忽了“持不同意见者”的作用。作者建议，为了消除集体决策中社会压力的不良影响，有很多事情可以做。比如找一个不是绝对领导的人来主持会议或其它谋划活动。会议之前宣布规则，比如鼓励不同意见，形成优质决策。会议中还可以任命一人担任“持不同意见者”（devil’s advocate）， 专门提供对立的分析。最为重要的一点，是在谋划中，或者组织的文化当中，提供足够的奖赏或鼓励，让人们愿意披露自己所知道的信息。
还有一个非常有效的方法，就是通过匿名手段来达成一致意见，比如不记名投票，德尔菲方法等等，这样可以缓解社会压力对个人参与的影响。不过作者也警告，如果你没有足够的信息来做出明确的判断，那么不如趁早明说，沉默是金。
网络说了算
以上说法，同样适用于网络时代的民意征集和集体谋划。
如斯蒂芬?库柏（Stephen Cooper）[4]一样，作者认为，博客，以及今日出现的微博客、轻博客、和微信（如下总称博客），可以提供一个非常良好的纠错机制，让博客彼此之间，博客和传统媒体之间相互作用，减少信息错误，提供更为优质的内容。书中举了很多例子，说明博客如何纠错，并影响到现实决策[5]。
网络时代的开源式开发，也是一个集中群体智慧的办法。美国民主的奠基人托马斯?杰斐逊（Thomas Jefferson）的后人理查德·杰克逊(Richard Jefferson)就是开源的倡导者之一，他呼吁利用这种多数人的“潜在创造力”[6]。可是注意，这里说的是“潜在”创造力，而并非实际“创造力”。以上创造力的兑现，也一样得遵守上述原则。但是开源本身的前途也是开放的，比如最近，根据美国公共广播电台的报道（2007 年 3 月 12 日晨节目）[7]，因一个 20 岁辍学大学生冒充神学教授发表维基条目被发现，维基百科（wikipedia）公司最近在讨论是否对内容贡献者的身份进行认定。此建议仍在争议之中，但是同样我们看到，Linux 等开源式操作系统，现在也有了专人批准（approval） 的过程。实施批准的可能不是一个人，而是一个小组，这实际上是多种方式的集合，也可能是网络发展下一步值得大家关注的一个新动向。
网络时代也形成了一些特殊的激励模式，比如出现了一些在市场看来无法理解的“利他”（ altruism）行为。本书一开始就说到了未来的“维基社会”，在这样的维基社会，要想真正让网络中的众人或者精英的小组发挥效益，可借用其“付出文化”（gift culture）。所谓付出文化，就是说一个人在社区的地位，不在于他控制的范围，而在于他付出的多少（social status is determined not by what you control but by what you give away.）为此，社区的参与者会“通过时间、精力和创意的付出，来争取社区的口碑。”[8]
同样，要想让各式各样的网络集体，如社区、专家维基、博客圈行之有效，则也必须让信息的披露扩大，同时，尽量缩减社会压力对个人参与的负面影响，不让少数人的意见、取舍、偏好瀑布一般，一层层传递下去。这种情况在美国已经出现，比如保守派博客的链接和回访，一般只指向同类博客。在中国也一样，一些媒体博客，只链接到同类媒体，形成一个个形成“蚕茧”（cocoon）。如此，网络就未必能提供最好的信息、知识、智慧。
假设东吴谋士们都来建立各自的“网络存在”，形成一个圈子，大家之间言论越来越趋向统一，不同的声音被淹没，那么诸葛亮八成还会打败他们。下棋就是这样，99 年卡斯帕罗夫（Garry Kasparov）在互联网上和全世界的棋迷对局，历时四个月，结果还是卡斯帕罗夫胜。
复杂事件的决策，涉及的规则和利益比下棋还要复杂。在是否联蜀抗曹之类问题上，如果东吴谋士们或者臭皮匠们能做到畅所欲言，把诸葛亮想到的方方面面都能想到，让和诸葛亮一样的高手能够脱颖而出，哪又会是什么局面呢？历史不容我们这样“事后诸葛亮”。不过放眼未来，我们能否像哈耶克所说的那样 ，利用适当机制，激活群众的智慧呢？倘能借助网络实现此目的，那真是功德无量。 注释：
[1] Sunstein, C. R. (2006). Infotopia: how many minds produce knowledge. New York, NY: Oxford University Press.
[2]又称专家调查法，美国兰德公司（Rand Corporation）首先使用，是通过匿名方法，多轮传递、综合专家意见，直至形成统一结论。
[3] Infotopia, 第 47 页。
[4] 参见 Cooper, S. D. (2006). Watching the watch dog: bloggers as the fifth estate. Spokane, WA: Marquette Books.
[5] 详见 Watching the watch dog 中的详细描述。
[6] 转引自 Infotopia, 178 页。
[7] National Public Radio, 2007 年 3 月 12 日晨节目。
[8] Infotopia, 173 页。
标签：blog http io 使用 ar for strong sp 2014
原文地址：http://www.cnblogs.com/yihaha/p/4008025.html
