【见】
大多数时候，一群人合起来会比一个人有智慧。问题是每个人天生都知道怎么用自己的智慧，但群体是个人的集合，汇集许多人的智慧需要方法。
今天介绍四种撬动集体智慧的大杠杆。
第一种方法：平均聚合。
豆瓣的评分机制非常简单粗暴，五星制，五星就是十分，一星就是两分。但是完全不影响大家去豆瓣搜电影评分，大家相信豆瓣评分，不相信导演自评。
豆瓣的聚合方法原则上就是一人一票，虽然简单，但是靠谱。如果投票者数量足够多，投票相对独立，那么简单平均值的准确度会系统性的超越个体判断。类似的实验已经做过无数次。
把一头牛牵到集市请路过的农夫们预测体重，没有那个农夫的判断，能够超过把所有农夫的判断加总再平均。
原因在于，每个人各自掌握一些信息，各有判断，哪怕只是用平均这样简单粗暴的方法聚合起来，也比单个人掌握得信息要完整，形成的判断更准确。这就是群体智慧的原意。
评价、预测、决策，三位一体，来自对群体智慧的聚合。找到正确的聚合方法，你就找到了撬动群体智慧的杠杆，能够撬动一切。
缺点：如果一部电影只有两个人打分五星，另一部电影一百万人打分平均4.9星，哪部电影更好？简单平均方法识别不了。
第二种方法：贝叶斯推理。
它能够解决少数用户打出极高或者极低分的时候，对一部电影评价出现不公或者不准确的问题。
什么是贝叶斯推理呢？它是一种更新既有判断的方法，有两个要点：首先你有一个既有判断；其次获得新信息，不断调整更新。
同样举一个应用在电影评分上的例子，贝叶斯推理总是从预先假设开始，先给电影打一个基准分，比如6.5分，对应基准的打分人数，比如3000人。你看了电影来打分，那么新信息就来了。如果只有一个用户打分，那么电影评分会无限接近于平均分。如果打分用户数量极大，那么得分就会逼近这些用户的实际打分。
第三种方法：动态加权。
一人一票是平等的，但是看电影这种事有许多好丽友支持搞不平等：水军跟观众不应该平等；掏钱买票跟白看的不应该平等；高水平观众跟普通观众不应该平等。
一人一票不足以反应出特有信息，而且这些信息还很有价值。
对冲基金管理人达里奥也用了类似算法聚合群体智慧，是过去十年最成功的对冲基金，它的《原则》，你一定看过。
达里奥的决策方法用中文讲就是话份。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。有的人水平高，决策效果的历史表现好，他的话份就大，凡之就小。
第四种方法：极化。
极化做到动态加权这步骤以后，再做一道加工：将预测结果往100%或者0的方向推。
极化的理由是：假设群体中的每个人都获得了群体的全部信息，他们做预测时一定会更为自信。从群里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，但没有完全反应出与此对应的自信。极化就是捕捉这个自信，然后放大。
【感】
今天这四个统计方法真的非常出彩，不仅逻辑一层比一层严密，运用范围也非常广泛，联想起金融类的量化工具，等近期游戏项目完成打算好好攻一下经济学、金融学，书已屯好，就待打开。
之后会根据研究成果找程序员朋友写一些判断趋势的程序不断试错，觉得这四种判断方法其实非常奏效，希望能在投资里少走弯路。
投资是一辈子都要学的事，虽然路远且长，还好在路上。
【思】
正确的聚合群体智慧，就获得了这个时代最接近于千里眼的工具。不难触类旁通，只要是测试永不停歇，参与者足够多，检验和反馈足够明确的领域，无论经济、政治、金融还是其他，都可以用“加权平均+动态调整权重+极化算法”来撬动集体智慧，这真是个好武器。
【行】
前几天我跟先生说，辞职以后，我其实就已经踏上了一条并不容易的路。
这条路布满风险和机遇，有很多对手和很多队友，这条路有投机有投资，有火箭有深渊。
而且总喜欢挑战最大难度，由此放弃了很多简单轻松却没有技术作为护城河的行业。
既然选择了HARD模式，就不能贪恋路边的风景和安稳。
这条路叫英雄之旅。
以上干货内容来自大师课《三十天思维训练营》（名字平平无奇内容含金量极高），请在得到app购买正版课程，感谢王烁老师带来的精彩讲解。
网友评论