發聲權平等,群眾智慧才可行

Research: For Crowdsourcing to Work, Everyone Needs an Equal Voice
約書亞.貝克 Joshua Becker , 愛德華.「奈德」.史密斯 Edward “Ned” Smith
瀏覽人數:691
如果由少數人主導,就無法得到最佳結果。

群眾智慧多有用?大家多年來公認,收集許多人的意見,就可以產生極為準確的預測,即使是業餘的預測人員也可以勝過專家。這種信念認為,如果由許多人獨立進行預測,他們各自犯的錯誤彼此沒有關聯,並且到最後會互相抵消,最後產生更準確的結果。

然而,研究人員及權威人士認為,群眾智慧其實很容易出問題,特別是在兩種情況下:個人受到他人意見影響(因為這樣就失去獨立性),以及個人意見受到認知偏誤的扭曲(例如某一群人擁有強烈的政治觀點)。

在一項新的研究中,我們與同事研究這些假設,結果發現群眾智慧其實比過去以為的更加強固,甚至可以克服一群擁有類似想法的人產生的團體迷思。但有一點需要注意的是:想讓群眾智慧預測準確,必須要讓團體中的每個人都有同樣的發聲機會,不能有某個人占據主導地位。我們發現,團體中的社會影響模式(也就是誰會在什麼時候和誰說話),正是影響團體能否預測準確的決定因素。

為了探究團體內如何交換資訊及意見,我們決定先檢視過去關於群眾智慧及團體迷思的文獻。過去經典的團體迷思研究,都只是觀察團體實際上如何做出決定,並未進行有對照組的實驗,因此研究人員無法清楚找出造成問題的真正因素。此外,由於這些研究的重點在於群眾智慧何時會出問題,因此研究人員從未有機會觀察社會影響在哪些時候可帶來好處。比較晚近的研究雖然有採用對照組的方法來研究群眾智慧,但往往把重點放在獨立進行的估算,或是讓某些人在提出意見時更具影響力。

我們的理論指出,真正讓群眾智慧出錯的罪魁禍首,在於「集中式」(centralized)人際網路的現象,也就是團體受到意見領袖的影響過大。在這種情況下,團體迷思就有可能出現。我們建立一個模型來測試另一種互動,我們稱為「分散式」(decentralized)人際網路,在這種情況下,團體中的每個人都能彼此平等溝通,分享資訊及意見。我們認為,這種「社會資訊」應該能讓眾人的想法變得更類似,因而逐漸達成共識,並維持群眾智慧的準確度。這套理論符合過去的研究,那項研究發現,過於強勢的領導人不利於團體決策,以及率先做決定的人常會影響其他人的決定。我們的模型會呈現這兩種狀況都是集中式人際網路,而不是能讓每個人擁有相同影響力的分散式人際網路。

為了測試我們的理論,我們找來34組人進行估算挑戰,每一組有四十名參與者,估算的內容從經典的「罐子裡有幾顆糖」,到估算消費品的成本。我們在幕後控制資訊流動的結構(也就是誰能觀察到誰),讓有些組別屬於集中式人際網路,隨機選出幾位參與者處於特別重要的地位,而另外的組別屬於分散式人際網路,每個人擁有相同的影響力。

在集中式人際網路中,情況並不令人意外:這一組的估算準確度,完全取決於少數幾位影響力人士的準確程度。但在分散式的人際網路中,我們發現,在眾人互相溝通之後,平均的信念或意見就會變得更加準確。要解釋這個現象,關鍵在於社會思維的運作方式。分享意見時,大家常會因為同儕的想法,而改變自己的意見,但每個人改變的速度並不一致。有些人知道自己是對的,於是堅守己見。另一些人的意見並不正確,也比較沒那麼有信心,於是改動的幅度比較大。這麼一來,那些比較正確、信念也比較強的人,雖然並未運用重要意見領袖的「專家力量」,但仍能扮演定錨的角色,把大家拉向他們。

至於「認知偏誤會影響群眾智慧」的想法是什麼情況?我們想測試一種最糟的情境:「回音室」(echo chamber)裡的黨派政治(編按:回音室是指類似意見一直在自己的小圈子裡流傳)。回音室裡的黨派政治是指,社會影響會加重黨派偏誤,於是降低政治信念的正確性(像是失業率和每年移民到美國的人數)。我們向美國2,240位民眾詢問各種爭議性的主題,例如,移民、失業、軍事支出,而且讓他們都處在回音室裡,也就是讓共和黨人只聽到其他共和黨人的想法,民主黨人只聽到其他民主黨人的想法。有數百人同時登入那個實驗網站,每個人都會被問那些問題兩次,一次是在看到其他人的意見之前,第二次是在看到之後。我們發現,社會影響能提高準確度。更重要的一點是,溝通可以降低意見的極端程度;雖然這兩黨的人完全沒有接觸,但民主黨人平均的意見,會變得更類似共和黨人的平均意見。同樣的,這也是因為因應社會資訊而調整,於是減輕了極端人士引發的意見兩極化程度。(這份數據資料顯示,就算極端人士堅持己見、可能拉到某些支持者,但極端人士的人數較少,會被一種力量抵消:那就是有更多的人意見溫和、看法正確,而且對自己的看法很有信心。)

雖然群眾智慧能抵擋日常的壓力(像是同儕影響、認知偏誤),但如果是明確的違法亂紀,情況會如何?如果某個人散播錯誤資訊,設法造成破壞,情況會如何?我們使用Estimize來測試這一點;這個財務平台以群眾智慧來預測企業營收和盈餘,結果經常擊敗華爾街的預測。對這個平台上的大多數人來說,預測做得愈多,就會變得愈準。然而,有一群人例外:他們的預測經驗愈多,反而變得愈不準。這群人是一群金融專家,與Estimize直接競爭,而他們很明顯是故意輸入錯誤的預測,希望影響預測結果。但整體看來,每一個刻意高估的預測值,會被另一個刻意低估的預測值所抵消,於是最後由集體智慧勝出。(這些「壞份子」基本上是隨機輸入數字,所以高估或低估的機率相同,於是會互相抵消。只要有人想故意擾亂資料,而不是認真做出平均的預測,都會出現這樣的情形,除非這些人共謀串通。)

我們的研究顯示,就算面對種種不利,群眾智慧仍舊能勝出。對那些想在各種議題上採用群眾智慧的企業領導人來說,這應該是個好消息,不管是要預測某項產品或服務的受歡迎程度、併購是否會成功、線上廣告的點擊率,都能繼續運用群眾智慧。如果想要得到最準確的預測、做出更好的決定,領導人可以鼓勵大家多多溝通、分享資訊,好讓群眾找到最佳的解決方案。

(林俊宏譯)



約書亞.貝克 Joshua Becker

美國西北大學凱洛格管理學院(Kellogg School of Management at Northwestern University)博士後研究員,以及西北大學複雜系統研究所(Northwestern Institute on Complex System, NICO)研究員。


愛德華.「奈德」.史密斯 Edward “Ned” Smith

西北大學凱洛格管理學院副教授,西北大學複雜系統研究所核心教師。


本篇文章主題決策