译者：

 

 

前不久看过一本叫《》的书，作者勒庞以十分简约的方式，考察了个人聚集成群体时的心理变化，指出个人在群体中会丧失理性，没有推理能力，思想情感易受旁人的暗示及传染，变得极端、狂热，不能容忍对立意见，因人多势众产生的力量感会让他失去自控，甚至变得肆无忌惮。

相关社区型网站运营系列文章：
九月 8th, 2009
九月 10th,

十月 19th, 2009

而在社会化网络盛行的今天，我们也经常会提到“群体智慧”（作者：James Surowiecki），在之前我翻译的一篇文章（）中，也提到“群体智慧和多数原则表明，随着社区的成长，不仅一个大的（不同的、独立的等）社区能做出比少数编辑更好的决策，而社区的进一步壮大，其作出的决定也会也来越好。”从google到digg，从last.fm到豆瓣，无不是“群体智慧”的最好例子。

那么“社区”到底有没有智慧？一个社会化网络又该如何利用这种“社区智慧”呢？

下面我编译了一篇ALA上的一篇文章（），文章从一个简单的例子开始：假设你有一罐硬币，然后去询问数百个人，罐子中有多少个硬币。最后的统计显示，很有可能每个人的猜测都是错误的。但是如果平均下全部的猜测，得到的结果将会是近乎完美的正确，百试不爽。

而一个社区要想发挥出超个体的智慧，应该要做到以下几点：

任务和界面要简单

如digg、亚马逊的畅销书单、豆瓣九点被推荐最多的博文，分配给每个参与者的任务极其简单，用户只需要“顶”或者“踩”，不需要会话输入，如同这个猜测硬币的数目的游戏一样，每个参与者只需简单说出一个数字。

同样，复杂的界面对复杂的任务来说是很好的，而对群体智慧系统则不是这样的。越复杂的界面，里面装的东西越少，你期待的参与度也会越低，同时参与过程会出现更多的混乱。总之，别让参与者考虑太多。

下面我们以豆瓣为例，如图，

参与用户不需要太多考虑的行为

想看、看过（任务最简单，参与度最高）

评价

推荐

加入豆列

需要用户考虑的会话输入

写短评

写影评（任务最复杂，参与度最低）

其中写短评也算是豆瓣的一个很好的创新点，把会话输入的难度又做了一个分解，这个短评中更多是选一些标签或打标签，加上一句话的感受，这个比起写影评对于用户的吸引要大。

 

这里有一个反面例子，就是淘宝的淘心得，简单和复杂任务混在一起，没有合理分解，造成用户参与成本过高，望而却步，本来可以收集到的信息因为参与任务的复杂而没有收集到。

聚合

讨论不会产生一个明智的结果，原因是结论没有汇集，人们仅仅只是互相交谈而已。但要群体智慧系统来产生结果，就需要一个聚合器和一种算法。

在零钱罐的例子中，聚合器是人们提交的猜测。它的算法只是一个简单的取取平均数。而在google的搜索结果中，谷歌是聚合器，其算法叫做PageRank。

参与

在群体智慧系统中，它有越多的参与者，就能得到越精确的结果。而讨论系统及聊天室正好相反，当有太多的发言参与进来的时候，系统就会崩溃。要让群体真正聪明起来，它的组成必须是多种多样的。太多同种类型的人，将会影响到最后结论的准确性。

简单的例子是这个，大家都说这个存钱罐中有100个硬币，不管有多少人参与，最后的平均数也是错误的，参与者越是多样化的，其结果将越准确。

自私

这不符合常理，但事实上是最聪明的人群是由那些只考虑自己需要，而不是集体需要的人们组成的。在股票市场上，参与者都积极地低买高卖。然而，市场通常会明智寻找有价值的公司。每个人考虑的是自己的底线，而不是公司或市场的繁荣，但这些是有效的。

同样，你在豆瓣上标记想看或看过一本书的时候，你也许是出于炫耀自己正想或者看过某本书，你并没有考虑你为豆瓣社区贡献了什么。你在口碑网给一家餐馆差评的时候，可能是因为你上次吃菜吃到一只苍蝇，出于报复的自私心理。

自私还需要克服一个更大的问题。集体思维（Group-think）是一种集体成员把集团的利益放在自身之上的思维方式。一旦出现这种情况，则说明该组织正处于危险之中。股市崩盘，美国航天局的挑战者灾难，以及许多其他的例子都可以归因于此（集体思维）。

记分

记分是游戏的一部分，任何带有社区输入的网站将被当作一场游戏来玩。所以在为你的参与者分配记分之前，要慎重考虑。

举例来说，Slashdot 有一个叫“内部业值”（karma ，来自slashdot中文站）评分，它会根据每个成员的活跃度打分，然后系统便会根据成员不同的分数来确定他们能使用的功能权限（如能给其他用户的评论打分以及更改自己的默认评论初始分等）

这听起来很棒。但他们披露了用户的分数。他们一这样做，就发明了karma whores 这词——指那些知道并专发那些会被社区高分评价的评论用户。

我发现豆瓣上每个人都是平等的，不存在什么“高级豆友”，“超级豆友”这样的用户，一旦有这样的用户存在，对于这个系统是有很大伤害性的，因为普通用户和“高级豆友”对于某本书的评分，话语权是不一样的，这样导致最后结论往“高级豆友”的结论上靠，从而又形成一边倒的集体思维。

排名榜

排名榜给群体智慧系统制造了一个难题。一方面，一个完美的群体智慧系统可以创造一个好的排名榜。从用户那里收集反馈信息，通过算法给内容打分，其结果会是一个相当公平精确的排名列表（good-to-bad order）(如google的搜索结果列表)。

另一方面，向社区公布排名榜会增强社区的集体思维。如豆瓣上好评的电影得到更多的好评或者关注，坏评的电影也许就会无人问津。因此，排名榜会破坏统计结果的准确性。

那该如何克服呢？这里有一些建议：

-分阶段进行。
只在特定的时间内允许投票，时间一到便关闭投票并显示投票结果。Threadless （美国芝加哥的无线(Threadless)T恤公司就利用众包来设计新T恤。）就是靠这种方式来提交他们的设计方案的。
-综合起来考虑。
不要显示排名榜，随机显示一个包含评价高的条目系列。这正是Flickr “最有趣”（ interestingness ）的做法。
-向用户披露结果。
在用户投票后才显示来自社区的声音。这是很多网上投票系统的通行做法，避免当前实时计算的结果会影响到投票者的投票。
-使用算法。
当你必须显示当前的情况或着排名，请使用一个基于大量数据上特定公式，投票除外。这就是google搜索结果所提供的。这也是google为什么必须不断调整他们搜索结果的原因，因为在持续的竞争中不断有人试图揣测google算法。

如何显示社区的群体智慧，和你当初如何寻求它一样重要。创建排名榜是诱人的，但在大多数情况下，这样做将会严重损害到你试图一点点搜集来的智慧。

明确的 vs. 隐含的反馈

在我经历的众多例子中，智慧是从用户行为那里一点点获得的。这种情况下的反馈是隐含的。在其他情况下，我们会要求用户直接反馈，就像在投票系统中那样，这种反馈是明确的。是否使用明确或隐含的反馈，或是将两者结合，在任何群体智慧系统中都是一个重要的决策。

投票

这听起来不民主，但在群体智慧系统中，投票无法决定一切。在许多情况下，它也不该这样做。只因为你只是收集选票，这并不意味着你必须宣布获得最多选票的选项胜出。你可以寻找有争议的项目(同时具有高比例好评和坏评)或遗漏的(很少投票投票)的项目。

人们在一起会比单独地个体更加聪明

这些关于群体智慧的探索都还是刚刚起步，仍有许多需要学习的地方。请重拾。并牢记，群体智慧系统必须加以演化，这是你从未完成的事情。但只要正确地去做，他们确实能改变我们的在线生活方式，也许还会使我们变得更加聪明。