复杂群体的正面：理性和智慧

原创：姚斌；文章来源：在苍茫中传灯

在我们眼里，所谓的群体就是乌合之众。而乌合之众是比喻临时杂凑的、毫无组织纪律的一群人。其最著名的一本书《乌合之众：大众心理研究》就曾描述了群体心理的一般特征，解释了群体呈现出的愚蠢的特点。然而，兰·费雪并不这么认为。他认为群体不但不“乌合”，而且还很“完美”，因此就有了《完美的群体》一书。这本书刚好解开了我近年来的疑惑。因为在复杂性科学中，像蚁群、蜂群或鸟群之类的“群体”行为是极具智慧的，而“乌合之众”却显得那样的“愚蠢”。这就是极端的不对称。

实际上，兰·费雪就是从动物行为入手研究群体智慧的。当千万只鱼聚集在一起时，就构成了一个超个体。超个体指的是一个由许多个体组成的有机体，其特性源于个体之间的互动与连接。作为一个超个体，似乎是有生命、有智慧的，它们知道如何觅食、如何躲避攻击。实际上，鱼群的规则非常简单：避免——避免碰撞其他个体；定向——按最接近自己的个体情形的平均方向前进；吸引力——向最接近自己的个体的平均位置移动。这三条规则就是著名的“柏德三规则”。

群体智能之所以产生，源于其隐藏的秩序。对于人类而言，获得群体智能的关键，不是丢失个体性，而是让个体学会如何与邻近的其他个体适当地互动。当一个群体可以利用群体行为，利用群体中的任何个体都无法完成的方式共同解决问题时，群体行为就变成了群体智能。于是，蜜蜂利用群体智能来发现新的巢址，蚂蚁利用群体智能来寻找达到食物来源的最短路线。

研究发现，蜂群中有少量的蜜蜂飞行的速度远远超过其他蜜蜂，它们似乎快速带领更大群不知情的蜜蜂，正向着目标的方向飞去。这就是说，群体中只需要有个别匿名个体心中有一个明确的目标，并确切地知道怎样去实现它，该群体的其他个体只需跟随它们一起实现这一目标，虽然它们并未意识到自己是在跟着别人走。此时对于其他个体的唯一要求就是，有意识或无意识地希望留在群体里，并且没有不同的、相冲突的目标。群体越大，以给定的精确度领导群体所需的知情个体的比例就越小。在一个200人组成的小组中，只需要有10个人指导目标(只占该群体的5%)，就会有90%的机会成功领导该小组的其他人员达成目标。群体中存在一些知情的个体，可以使世界展现出完全不同于以往的状态。

蚂蚁在寻找食物时，可以相当高效地找到最短的路线。这些路线总是直线，正好是两点之间最短的距离。蚂蚁在爬行过程中会释放出费洛蒙的一种化学化合物，而其他蚂蚁只要“跟着费洛蒙走”就大功告成了。这就是蚁群优化——正反馈的力量。我们从中可以得到的经验是，如果你看到别人用更好的方法处理好一件事，就向他学习。根据蚁群优化的经验，最好的策略不是一次性刊登一大堆信件，然后置之不理，而是为群体制定一项计划，针对这个问题的各个方面持续地、不断地刊登信件。当你试图就一个问题引起群体注意时，不要企图采取昙花一现的方式一举成名，而应随着时间的推移慢慢提出这个问题的不同方面，不断使其脱颖而出。

蚁群中独立的个体都是在预先设定好的模式下，沿着它们已经形成了队伍前行，而我们则更加关注个体的目的性，其最终结果大同小异。能够使我们冲着目标前行而不撞向他人使得我们有效地形成一道道人流，就像是行军蚁保持队形一样。在人群中穿行的最好方法就是保持与人群移动的同步性，随着人群一起移动而不是打乱其秩序。

如果人群密度为低到中等时，最好的办法就是识别可能产生“突变”的人流结构。而当面对一群要逃生出口的人群时，最佳的选择是用60%的时间跟随人群，而用另外40%时间根据自己的判断来寻找另外的出口。当人群密度变得越来越大、情况也会发生变化时，最好的选择就是避免进入这样的人群。最后，如果出现危险警报，要立即作出反应，不要等到置身人群时才采取行动。这4条拥挤人群警示规则又可以归结为一条简单的建议，那就是：总是与其他人保持一定的距离。

统计学的先驱弗朗西斯·高尔顿很早就发现，群体成员数越多，猜想越精确。在面对状态估计问题时，群体智慧通常能传递出令人惊讶的信息。整体鸟群飞行的方向其实是个体成员选择方向的平均值。鸟群中鸟的数量越庞大，失误被剔除得就越多，导航就越精确。

著名的投资战略家迈克尔·莫布森在哥伦比亚商学院对学生估算一个罐子糖果数量的能力进行测试，每年的结果都惊人的相似。例如，2007年的罐子里的糖果数是1116个，猜测的平均值是1115个，但73个参与实验的学生中，只有两个人的猜测和正确答案比较接近。

群体智慧看似奇迹，其实并非奇迹，而是一个关于统计学的问题。很重要的一点是，所有的猜测都必须是独立的。如果不是，那么群体智慧便会迅速消失。失去了独立的猜测，群体中大多数成员会受到某个强大数字的影响而得出极其错误的估计。在独立猜测的基础上，群体可以打败个体成员，不是偶尔，而是一向如此。

已经有越来越多的证据表明，群体智慧通常会胜过专家的答案。微软、百思买、谷歌和礼来等公司发现，将掌握适当知识的员工进行多样化组合，他们能够比一些所谓的预算专家更准确地预测产品的销量和利润。同样的，一群专家的智慧也许不会胜过所有专家的智慧，但肯定会胜过大多数专家个体的智慧。如果问题的答案需要在几个可能的答案中进行选择，通常大多数人的意见会得到认可。

由群体智慧产生的群体智能是一条利用小组内的多样性优势解决问题的途径。群体智能是个体成员在局部相互影响中产生了一种自发现象。典型的案例就是互联网。如果有人因为想要完成一个可以扩展计划的有用想法，加入到互联网的浏览器和服务器，群体智能可以满足和支持其努力。于是，传统企业纷纷仿效。例如，宝马将工程挑战贴到它的网站上，消费者和公司设计师合作找到一个创新的解决方案。福特、波音、宝洁、拜尔斯道夫和雪佛龙-德士古利用了复杂性科学的先进性优势，为他们的某些操作设计新的群体智能通道。使用这一创新通道的传统公司正在持续增长。

合作企业是群体智能效应的又一示例。这些企业属于合营性质，并由企业成员民主控制。在瑞士，米格罗大型超级市场连锁店的200万消费者（总人口700万）是合作企业的员工，帮助该企业从自组织发展起来。在所有的这些案例中，组成群体的个人将自己视为利益相关人而非股东。利益相关人被定义为任何可影响创新或被创新影响的当事人。

这种群体企业与传统企业的法则在三个方面有着根本的不同：

①群体企业得到权利是因为先放弃的它。也就是说，手握权力都是利益相关人，而非企业本身。类似亚马逊和易趣就是这样赚钱的。它们为更多的传统零售商提供了一个商业平台，它们协助建立一个网络，然后让买卖双方使用这个网络。

②群体企业愿意同群体分享并支持群体，开放源代码软件就是一个例子。IBM每年为支持发展可自由获得的Linux操作系统花费1000万美元，长期成果是IBM同时用Linux的设备中获得了更高的销售额。

③群体企业将其成员的福利置于赚钱之前。大型生命科学公司诺华在1996年成立了一个风险投资基金，用于鼓励因企业合并而失业的研究人员和工程师去创建自己的公司，公司群体最终支付给该基金真实红利。

斯坦福大学的凯瑟琳·艾森哈特和哈佛商学院的唐纳德·舒尔对现代商业策略进行潜在性研究，他们发现，诸如易趣和雅虎这样的公司在金融震荡和不可预知的市场中尤其繁荣，遵循小规模的简单规则使得它们能够积极抓住转瞬既逝的机会。这些公司所处的市场就属于混沌的边缘，有短期订单和组织，但模式是在快速波动的，因此很难或无法预测长期趋势。

易趣、雅虎和亚马逊这样的公司就如同秃鹰在兽群中捕食般开发着这个市场。它们密切关注市场的变化，调查寻找机会，建立成功的营销模式，并随着环境的变化来寻找新的机会。艾森哈特和舒尔发现这些规则形成的策略使得我们能够在面对紧急事件和环境的快速变化之前，做好有效的准备。他们一共发现了5种规则。

①怎么办规则。戴尔快速重组规则：当它面对任何利润达到10亿美元的业务时必须在企业内将其一分为二。如果一个合作者死亡，那么需要采取的就是另一种规则。

②范围规则。思科的兼并策略要求公司使用最多75名员工，其中75%是工程师。设置范围能帮助公司避免由于不平衡的工作强度导致延迟问题，同时也帮助避免因私人生活可能发生的问题。

③优先顺序规则。英特尔遵循一项简单的规则：根据产品的毛利率调配制造能力。通过遵循这一规则，公司能够从它的核心内存业务发展至高利润的微处理器市场。

④时机规则。北电网络依赖于两个简单的时间安排规则：项目小组必须知道何时将新产品送至客户手中来赢取订单，同时产品开发时间必须少于18个月。

⑤退出规则。丹麦助听器公司Orticon使用了一个简单的退出规则来支持其内部的许多开发项目：如果团队的一个核心成员从一个项目中退出而加入另一个，则立即关闭第一个项目。

兰·费雪指出，相邻个体之间的简单互动可以导致复杂的群体行为，比如群体智能，其整体部分比各个部分的总和更强大。通过使用群体智能，我们可以利用复杂性本身解决很多问题。我们可以使用简单的试探法、一致性技术、网络技术、数据挖掘技术、模式识别甚至数学定理，来帮助我们走出复杂性困境。这一切皆有赖于群体智慧，群体智慧是复杂中的简单之美。如果说乌合之众代表群体智慧的非理性和情绪化的一面，那么群体智慧则代表了理性和智能的一面。兰·费雪就是这样颠覆了对“乌合之众”偏面认知的。

原创：姚斌；文章来源：在苍茫中传灯