智慧还是疯狂？人群何时正确（何时不正确）

同种不同结果

英格兰普利茅斯，1906年：弗朗西斯·高尔顿从县博览会的人群中收集了787个关于一头牛的宰后重量的猜测，并发现中间的估计值与真实值相差不到百分之一——这是群体智慧的创始性证明。一个世纪后，拥有更先进信息技术的人群产生了2008年的房地产泡沫共识、迷因股票狂热，以及本系列第一部分中自信错误的集体行为。相同的物种，相同的统计工具可用——结果却截然相反。

这个悖论的解决在于群体智慧从来不是群体的属性。它是条件的属性，而这些条件是特定的、已知的且脆弱的。当这些条件成立时，聚合是一种超能力；当它们破裂时，同样的聚合以数字的信心放大错误。本文讨论这三个条件，以及一个令人不安的事实：现代讨论平台是破坏条件的机器。

三个条件

研究线索从孔多塞1785年的陪审团定理开始——更好于随机的、独立选民的多数随着数量的增加而接近确定性——经过高尔顿的演示到苏罗维茨基的现代综合。三个要求反复出现：

1. 1独立性。 每个判断在看到其他判断之前形成。这就是错误 不相关 的原因——一个人的错误不会变成每个人的错误。高尔顿的公平参与者写下密封的猜测；他们无法依赖排行榜。独立性是其他一切所依赖的条件，而这是平台首先破坏的。
2. 2多样性。 不同的信息来源、背景和模型——因此错误指向不同的方向，并在总体上相互抵消。千份相同观点的副本只是一个有信心的观点；多样性胜过能力，正是因为它购买了错误抵消的能力，而能力则无法做到。
3. 3适当的聚合。 一种实际结合信息的机制：中位数、市场、结构化评分。聚合并不是中立的——一种对早期、响亮或情感共鸣的贡献加权的机制并不是在聚合信息；而是在放大势头。

平台如何同时打破这三者

社交平台常被描述为利用群体智慧。从机制上讲，它们恰恰相反——每个核心功能都针对一种情况：

• ✗可见的计数扼杀独立性。 每一个点赞、投票和得分总数都是在你判断 之前 展示的社会证明——锚定和级联机制 将人群变成羊群。判断是相关的；错误会累积而不是抵消。
• ✗信息流扼杀多样性。 参与度优化的排名向你展示更多你曾回应的内容——缩小了每个人的信息饮食，并使人群的输入同质化。应该消除错误的多样性被算法选择性地剔除。
• ✗投票排序是不当的聚合。 正如第一部分所示，点赞总数混合了认同、时机和娱乐。按这个数字排序并没有结合人群的信息——它只会加冕那些情感上反应最快的内容。

转折：小型结构化辩论可以战胜庞大的群体

几十年来，实用的建议是“无论如何保护独立性”——因为讨论会导致错误，所以审议被视为可疑。随后出现了一项研究，进一步明确了这一情况。Navajas及其同事在一项有5180名参与者的研究中，让人们单独回答常识性问题，然后在五人小组中进行讨论并产生共识答案。平均而言，仅四个小组共识答案的表现优于汇总数千个独立个体的结果。

这个教训并不是独立是错误的——而是深思熟虑提供了平均无法达到的信息，当它是有结构的。在小组中，人们交换了理由：明显的错误被发现，不可信的估计受到质疑，而共识编码了论证质量，而不仅仅是立场。无结构的病毒传播相关错误而不交换理由；有结构的深思熟虑在不（如果运行良好）相关错误的情况下交换理由。重要的变量不是人们是否互动——而是互动具有什么结构。

诚实的反驳：任何审议难道不是污染吗？

纯粹主义立场的钢铁人：一旦人们开始交谈，错误就会相关——级联、从众和锚定正是失败文献所记录的内容，那么严肃的聚合是否应该保持沉默和独立，像预测市场那样？

证据支持的答案是：独立性是估计步骤的正确规则，而不是整个过程。失败案例在个体做出判断之前相关联错误——可见的计数、实时讨论、锚点。成功案例（Navajas的群体，结构化讨论一般）首先收集独立的观点，然后在结构下让理由碰撞，最后进行汇总。顺序和结构，而不是沉默，才是保护人群的因素。这是一个设计规范——而且是可以构建的。

Argumentree如何实现这三个条件

论证树在机械上是将三个条件转化为软件：