人的协作方式的创新往往是跟技术的创新联系在一起的，协作方式的最为牢固的就是强协作，公司就是强协作的最佳代表，协作的强弱远远比规模的大小要重要的多。
但是一群人协作之后，成为了个人的集合，个人智慧的协作肯定比个人智慧高明太多，于是就产生今天的话题，如何汇聚群体智慧，方法是肯定有的。
第一种方法:简单平均
这个是最简单的办法，在生活中，也是我们应用最广泛的，而让我们每个人都深信不疑的豆瓣评分也是用此方法。
简单平均中用算法即平均聚合，简单理解来说就是一人一票，各抒己见。它的准确度是由投票者的数量和独立程度来决定的。
简单归简单，但他聚合了群体的智慧，准确度远高于个体判断。
第二种方法：贝叶斯定理
贝叶斯推理是简单平均的优化版本
它解决了简单平均中所不能解决的案例，两种不同的事物，几人的评价如何跟几万人的评价比较。
运用的逻辑即是从预定的假设开始，给一个基准分，用后面加入的信息不断调整，修改得分。
第三种方法：动态加权
解放信息，防止水军。 人人都有话份，在决策流程中都能发言参与，在发言资格的意义上大家是平等的，但彼此的话份就有差等。有人水平高，决策效果的历史表现好，他们话份就大，反之话份就小。决策如果有意见分歧，则按“不同意见×话份”来解决分歧。 每次决策都有记录，根据决策效果反馈，随时更新每个人的话份。
最经典的就是哈佛在选测领域的大火。
第四种方法：极化
对加权平均后形成的预测结果，再做一道加工：极化（extremize），将预测结果往100%或者0的方向推。
对加权平均化的预测概率进行极化，高的更高，低的更低。
假设群体中的每个人都获得了群体的全部信息，他们作预测时一定会更为自信。从群体简单平均值到加权平均的过程，事实上已经聚合了所有人的信息，但没有完全反映出与此对应的自信。
网友评论