La stessa specie, risultati opposti
Plymouth, Inghilterra, 1906: Francis Galton raccoglie 787 stime del peso di un bue già macellato da una folla a una fiera di contea e trova la stima centrale entro un percento dalla verità — la dimostrazione fondante della saggezza delle folle. Un secolo dopo, folle con tecnologie informative di gran lunga migliori hanno prodotto il consenso sulla bolla immobiliare del 2008, le manie delle azioni meme e i pile-on sicuri di essere nel giusto di parte uno di questa serie. Stessa specie, stessa macchina statistica disponibile — risultati opposti.
La risoluzione del paradosso è che la saggezza della folla non è mai stata una proprietà delle folle. È una proprietà delle condizioni, e le condizioni sono specifiche, conosciute e fragili. Quando sono rispettate, l'aggregazione è un superpotere; quando si rompono, la stessa aggregazione amplifica l'errore con la sicurezza dei numeri. Questo post riguarda le tre condizioni — e il fatto scomodo che le piattaforme di discussione moderne sono macchine che rompono le condizioni.
Le tre condizioni
La linea di ricerca va dal teorema della giuria di Condorcet del 1785 — le maggioranze di elettori indipendenti migliori del caso si avvicinano alla certezza man mano che crescono — attraverso la dimostrazione di Galton fino alla sintesi moderna di Surowiecki. Tre requisiti ricorrono:
- 1Indipendenza. Ogni giudizio si forma prima di vedere gli altri. Questo è ciò che rende gli errori non correlati — l'errore di una persona non diventa l'errore di tutti. I partecipanti alla fiera di Galton scrissero delle stime sigillate; non potevano ancorarsi a una classifica. L'indipendenza è la condizione da cui dipende tutto il resto, e la prima che le piattaforme distruggono.
- 2Diversità. Diverse fonti di informazione, background e modelli — così gli errori puntano in direzioni diverse e si annullano in aggregato. Mille copie della stessa prospettiva sono una prospettiva con fiducia; la diversità batte l'abilità proprio perché acquista la capacità di annullare gli errori che non può.
- 3Aggregazione corretta. Un meccanismo che combina effettivamente le informazioni: una mediana, un mercato, un punteggio strutturato. L'aggregazione non è neutrale: un meccanismo che pesa i contributi precoci, forti o emotivamente risonanti non sta aggregando informazioni; sta amplificando il momentum.
Come le piattaforme rompono tutte e tre contemporaneamente
Le piattaforme sociali sono spesso descritte come in grado di sfruttare la saggezza della folla. Meccanicamente, fanno l'opposto: ogni funzione principale attacca una condizione:
- ✗I conteggi visibili uccidono l'indipendenza. Ogni "mi piace", voto favorevole e totale dei punteggi è una prova sociale mostrata prima di giudicare — il meccanismo di ancoraggio e cascata che trasforma le folle in greggi. I giudizi sono correlati; gli errori si accumulano invece di annullarsi.
- ✗I feed uccidono la diversità. Il ranking ottimizzato per l'engagement ti mostra di più ciò a cui hai risposto, riducendo la dieta informativa di ogni persona e omogeneizzando gli input della folla. La diversità che dovrebbe annullare gli errori viene selezionata algoritmicamente.
- ✗Il voto per classificazione è un'aggregazione impropria. Come ha mostrato la parte uno, i totali dei voti positivi mescolano accordo, tempismo e intrattenimento. Ordinare in base a quel numero non combina le informazioni della folla — incorona semplicemente ciò che ha suscitato la reazione emotiva più rapida.
Prima di fidarti di qualsiasi numero che dice "la folla dice", fai tre domande: I giudizi si sono formati in modo indipendente? Hanno attinto a informazioni diverse? Il meccanismo di aggregazione combina informazioni o amplifica il momentum? Tre risposte affermative sono rare — e qualsiasi cosa di meno non è saggezza della folla; è solo volume della folla.
Il colpo di scena: piccoli dibattiti strutturati possono battere enormi folle
Per decenni, il consiglio pratico era 'proteggere l'indipendenza a tutti i costi' — la deliberazione era sospetta perché parlare correlava errori. Poi è arrivata una scoperta che ha affinato il quadro. Navajas e colleghi, in uno studio con 5.180 partecipanti, hanno fatto rispondere le persone a domande di cultura generale individualmente, poi deliberare in piccoli gruppi di cinque e produrre risposte di consenso. Mediando solo quattro di quelle risposte di consenso dei piccoli gruppi ha superato l'aggregazione di migliaia di individui indipendenti.
La lezione non è che l'indipendenza fosse sbagliata — è che la deliberazione aggiunge informazioni che la mediazione non può raggiungere, quando è strutturata. Nei gruppi, le persone scambiavano motivazioni: errori evidenti venivano individuati, stime implausibili venivano messe in discussione, e il consenso codificava la qualità dell'argomentazione, non solo la posizione. La viralità non strutturata correla errori senza scambiare motivazioni; la deliberazione strutturata scambia motivazioni senza (se gestita bene) correlare errori. La variabile che conta non è se le persone interagiscano — è quale struttura ha l'interazione.
L'onesta controargomentazione: non è forse ogni deliberazione contaminazione?
Il sostenitore della posizione purista: una volta che le persone parlano, gli errori si correlano — le cascate, la conformità e l'ancoraggio sono esattamente ciò che la letteratura sui fallimenti documenta, quindi non dovrebbe l'aggregazione seria rimanere silenziosa e indipendente, in stile mercato delle previsioni?
La risposta supportata dalle prove: l'indipendenza è la regola giusta per il passo di stima, non per l'intero processo. I casi di fallimento correlano errori prima che gli individui si siano impegnati in un giudizio — conteggi visibili, discussione dal vivo, ancore. I casi di successo (i gruppi di Navajas, la deliberazione strutturata in generale) raccolgono posizioni indipendenti prima, poi lasciano che le ragioni si scontrino sotto una struttura, quindi aggregano. Sequenza e struttura, non silenzio, sono ciò che protegge la folla. Questa è una specifica di design — ed è realizzabile.
Come Argumentree implementa le tre condizioni
Un albero degli argomenti è, meccanicamente, le tre condizioni trasformate in software:
Indipendenza: ingresso scritto asincrono
Le posizioni e le valutazioni si formano individualmente: il contributo non richiede prima di leggere l'ambiente, e la valutazione avviene per utente su ogni argomento, non seguendo un numero di slancio visibile.
La diversità: i pro e i contro sono strutturali
L'albero mostra rami di supporto e di attacco affiancati, quindi la diversità di opinioni non è solo permessa — la sua assenza è visibile. Un ramo con con è un avvertimento, non una vittoria.
Aggregazione: punteggio di merito ricorsivo
Il totale di un argomento combina le proprie valutazioni con i totali dei suoi figli di supporto meno i suoi figli attaccanti — quindi i punteggi codificano quanto bene ogni affermazione ha superato l'esame, propagandosi nell'albero. Le confutazioni fallite rafforzano ciò che hanno attaccato; questo è la qualità dell'argomento che viene aggregata, non applausi.
Deliberazione: strutturata, non virale
Le sfide si presentano come scambi limitati legati a specifiche rivendicazioni — l'ingrediente Navajas (ragioni in conflitto) senza l'ingrediente cascata (slancio che recluta voti).
Le piattaforme di voto positivo correlano i giudizi e amplificano il momentum. Un albero degli argomenti raccoglie le posizioni in modo indipendente, mostra il disaccordo in modo strutturale e aggrega in base a come le affermazioni sopravvivono alla sfida — le tre condizioni, integrate. Vedi intelligenza collettiva e Il Metodo dell'Albero degli Argomenti.