The Condorcet Jury Theorem: The 240-Year-Old Math Behind Better Decisions

关于民主的数学侯爵

玛丽·让·安托万·尼古拉·德·卡里塔，康多塞侯爵（1743–1794），是启蒙时代最坚定的信仰者，认为人类事务可以像物理学一样严谨地推理。作为一位在二十多岁时当选为科学院的杰出数学家，他也是——在他的世纪和阶级中不寻常——早期和直言不讳的公共教育、女性选举权和废除奴隶制的倡导者。在他的同时代人争论普通人是否应该治理时，康多塞提出了一个陌生而更具生产性的问题：在什么条件下，他们的集体判断实际上会是正确的？

他的答案出现在1785年的对多票决策概率分析的应用试验中——“关于分析在多数决策概率中的应用的论文”。在其密集的概率计算中，埋藏着一个惊人简单而强大的结果，现在被称为康多塞陪审团定理。

这个人的故事以黑暗的方式结束。康多塞支持革命，起草了一部宪法，然后遭遇恐怖统治。1793年被宣布为非法，他藏身于巴黎的一家寄宿公寓中——面对死亡——写下了他最乐观的作品《人类思想进步的历史画草图》。1794年3月在逃离避难所后被捕，两天后在布尔格-拉-雷纳的牢房中被发现死去。这位集体智慧的数学家被一个停止倾听理由的集体杀死——这是任何一位历史学家都不会忽视的讽刺。

定理，通俗英语

去掉18世纪的符号，定理可以这样说：

提出一个有正确答案的是/否问题。如果群体中的每个人比随机更有可能正确，并且每个人独立判断，那么多数正确的概率随着群体规模的增加而增加——并且随着群体的扩大而趋近于确定性。

直觉是错误抵消。每个投票者都是信号加噪声。因为每个人正确的次数往往多于错误，信号对每个人指向相同的方向，而噪声则随机散布。个体错误是无关的抛硬币；共享的真相逐渐积累。多数投票只是一个让噪声抵消、信号累加的机器——这就是群体智慧背后的相同算术，后来使得787名公平参与者在高尔顿的牛实验中集体超越了牛专家，应用于投票而不是估计。

数字：多数变聪明的速度

定理的力量最容易通过具体数字感受到。假设每个人独立地以60%的概率正确回答一个二元问题——不错，但远非专家。群体中多数正确回答的概率：

向下阅读60%列：三个人几乎没有改善；十一人明显更好；一百零一人正确率为97.9%；五百零一人几乎无懈可击。即使是微弱的个体能力——51%列——也会随着规模不断累积：101人的群体约为58%，一千名选民约为74%，一万名选民约为98%。中等的个体判断，经过正确聚合，产生优秀的集体判断。这就是定理的乐观面。

黑暗的双胞胎：当p低于一半时

现在阅读45%列。使有能力的人群几乎无懈可击的相同数学使无能的人群几乎无懈可击地错误。如果每个个体的正确率仅为45%——在这个特定问题上系统性误导——101人的多数仅在15.6%的时间内正确，而501人的多数在约1.2%的时间内正确。聚合并不能洗净糟糕的判断；它只是集中。一个共享系统性误解的大群体将比其任何成员更自信地错误。

这是定理的一部分，鲜少出现在对群体智慧的庆祝中，并且具有尖锐的实际意义。一个群体的规模是资产还是负担，完全取决于其成员在当前问题上处于50%线的哪一侧——这就是为什么错误信息以及塑造个体准确性的媒体环境对集体决策不是一个次要问题，而是核心问题。规模放大了你所喂养的任何东西。

假设——以及当它们破裂时会发生什么

定理是一个如果-那么的陈述，应用它的所有有趣之处都在于“如果”。四个假设支撑着结果：

两个半世纪的学术研究对每个假设进行了压力测试。Grofman、Owen和Feld的《寻找真理的十三个定理》（理论与决策，1983年）表明，该结果在异质能力下仍然有效——选民不需要具备相同的准确性；在合理的分布条件下，平均准确率高于一半即可。Krishna Ladha（1992年）研究了相关性，发现相关投票削弱了保证，但并不总是摧毁它：相关人群的有效规模小于其人数，因为复制的投票增加了噪声共享，而不是新信息。

在实践中，独立性是首先和最严重失败的假设。当早期意见可见时，后来的选民理性地折扣自己的信息并跟随——一个 信息级联——当每个人都依赖同样的少数来源时，投票即使没有人抄袭也会相关。百万选民阅读相同的信息源，其信息权重大致相当于少数独立选民的权重。这个定理并不会优雅地失败；它默默地失败，而群体仍然 感觉 像一个庞大而自信的多数。

循环：康多塞也发现的悖论

同样的1785年试验包含第二个更令人不安的发现。对于三个或更多选项，多数偏好可以循环：一个群体可以偏好A胜于B，B胜于C，而C胜于A，即使每个个体的偏好都是完全一致的。这康多塞悖论意味着“多数的意志”可能根本不存在作为一个连贯的排名——哪个选项获胜可能取决于投票的顺序。

这种对多数规则的裂缝成为了一个完整领域的基础。1951年，肯尼斯·阿罗将其概括为他的不可行定理：没有基于排名的投票系统可以同时满足一小部分合理的公平条件。社会选择理论——投票系统如何聚合偏好，与陪审团如何聚合判断和市场如何聚合信念不同——是我们将单独回到的主题。现在，实际的道德是：陪审团定理在有正确答案的事实问题上闪耀；一旦决策涉及竞争价值而不是竞争事实，不同的机制（和不同的数学）就适用。

240年的应用

作为一项18世纪的概率理论，该定理的适用性令人惊讶地好：

机器学习应用值得重新审视，因为它展示了定理作为工程蓝图而非隐喻的工作原理。随机森林故意在数据和特征的随机子样本上训练每棵树——并不是为了让任何单棵树变得更好（实际上会让它们变得更糟），而是为了使它们的错误相关性更低。接受较弱的个体以换取独立性正是陪审团定理所推荐的交易，而集成的准确性就是回报。设计DAO治理机制的团队面临相同的设计问题：代币加权投票集中影响力，而公开可见的实时统计数据则引发从众——这两者都会缩小有效陪审团。

定理无法做到的事情——以及投票前必须发生的事情

陪审团定理支配着决策生命周期中的一个时刻：聚合步骤，当个体判断变为集体裁决时。它对上游的一切保持沉默——问题是如何构建的，哪些选项进入了投票，选民看到了什么信息——以及下游的一切。对一个构建不良的问题的完美聚合投票会对错误问题产生出色的答案。

它还通过设计丢弃了理由。投票记录了那四十人支持选项A，但从不记录为什么——因此，少数派最强烈的反对意见消失了，多数派的推理无法在之后进行审计，团队也没有学到任何可转移的经验以便于下一个决策。这就是结构化审议补充聚合而不是与之竞争的地方。在良好的协作决策中，团队首先独立提出论点——保持定理所需的独立性——然后公开评估这些论点，最后才达成共识。

Argumentree正是围绕这一序列构建的。参与者独立且异步地贡献支持和反对的论点，在任何人锚定房间之前——保护定理的承重假设。然后每个论点在明确的维度上（有用性、清晰度、准确性、完整性）进行评分，评分聚合成共识分数：康多塞的错误抵消算术，应用于理由的质量，而不仅仅是投票的数量。与投票箱不同，完整的论证树和审计轨迹保留了群体决策的原因——因此决策可以被解释、重新审视和学习。侯爵提供了信任多数的数学；240年后，剩下的工作是确保多数的判断是独立的、知情的，并且有记录可查。