群体智慧—动态加权

绝大多数时候，一群人合起来都会比一个人更有智慧。问题是每个人天生都知道怎么运用自己的智慧，但群体是个人的集合，汇聚许多人的智慧，需要方法。

今天讲第三种方法：动态加权

一人一票足够好吗？

一人一票是平等的，但看电影这件事有许多好理由支持搞不平等：水军跟观众不应该平等，掏钱买票看的跟白看的不应该平等，高水平观众跟普通观众不应该平等。

一人一票反映不出每一票中包含的独特信息，而这些信息是有价值的。

怎么把信息解放出来？答案就是我们今天要讲的第三种聚合的方法：动态加权。

希弗（Nate Silver）是个年轻人，近年来在选举预测领域大火。他的选举预测网站在2008年美国总统大选及国会选举一战成名，准确率超过所有民调，然后持续保持高精度预测纪录。

选举民调是对选民意见的聚合。希弗并不直接做预测，美国的选举民调已经太多了。他做的是对这些民调的聚合，等于是选民意见聚合的聚合。

他根据每个民调机构准确率的历史记录和当下表现，动态调整其权重，表现好的权重高，表现差的权重低，聚合起来，生成预测。

这个预测有多准确？

2012年美国总统大选改选，希弗预测对了奥巴马战胜罗姆尼，这不稀奇。稀奇的是希弗还预测对了所有50个州两人的胜负结果。全中。

这种算法就是动态加权，根据民调机构不同的准确率，分别加上不同的权重，根据接下来表现随时调整权重，再重新聚合起来。类似的算法对投资也非常有用。

对冲基金管理人瑞·达利欧（Ray Dalio）也用了类似算法聚合群体智慧。他的公司桥水资本管理着1600亿美元资金，是过去十几年最成功的对冲基金。

达利欧用一种极端的原则管理公司，他把这套管理原则扩展成自传，变成新书《原则》，有兴趣的建议去看。

达利欧的决策方法叫作believability-weighted idea meritocracy，直译过来是“可信度加权的想法惟贤是举体制”。说起来一大串，用中文讲很简单，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。

达利欧决策跟希弗预测选举，方法是一模一样的。这想法谈不上多新，都是贝叶斯推理的简单运用，独特之处在于实实在在用于管理决策，为此搭建技术，重组管理，做实做到底，革命性在这里。