PNAS前沿：自适应社交网络促进群体智慧的产生

Original 郭瑞东集智俱乐部

导语

可穿戴设备之父，MIT媒体实验室创业项目和人类动力学实验室主任彭特兰（Alex Pentland）领衔的研究组，5月在 PNAS 发表关于群体智慧的最新研究，提出自适应的社交网络将促进群体智慧产生。这项工作借助网络众包实验和计算机模拟，探讨了怎样通过优化社交网络，让群体产生智慧，并让群体中每个人的智能都得以提升。

论文题目：
Adaptive social networks promote the wisdom of crowds
论文地址：
https://www.pnas.org/content/early/2020/05/08/1917687117

1. 群体智慧背景概述

2. 网络上的群体智慧

3. 研究方法：在线实验

4. 研究结果一：动态网络优于静态网络
5. 研究结果二：全局反馈优于个体反馈
6. 研究成果三：社交使得群体中成功表现得更稳定
7. 群体智慧研究展望

1. 群体智慧背景概述

作为管理学，心理学，复杂系统，网络科学等学科的交叉研究，群体智慧的概念可以追溯到 James Surowiecki 的同名书《The Wisdom of Crowds》，书中将群体智慧能够发挥作用的条件总结为：多样性，独立性和整体性。而在之后彭特兰的著作《智慧社会》中，将问题分为了简单和复杂问题，指出能取得团体智慧的团队，其成员从事探索和参与的比例存在一个最优比，需要团队内部密集的互动。其中最有趣的一点是，提高团队中女性成员的比例，能够促成群体智慧的涌现。

图1：James Surowiecki 的同名书《The Wisdom of Crowds》

除了从人与人之间的互动去研究群体智慧，还可以从微生物群落的变化中，蚁群蜂群产生的超越个体能力的壮举中，找到群体智慧存在的证据。当单细胞生物，某种“黏菌”面临食物短缺时，它们中每个个体都会遵循一系列简单的规则，在其生存的环境留下记号。当这些黏菌聚集在一起作为一个整体时，它们能够找出迷宫的最短路径，重现出人类设计的铁路线路图。这些智慧是单个黏菌完全不具备的，这就是所谓大于个体智慧总和的集体智慧。由神经元组成的大脑，具有单个神经元不具备的计算能力，则是群体智慧的又一体现。

图2：黏菌示意图

2. 网络上的群体智慧

不管是微生物还是人，其成员间的互动都不是均匀的、同质的。“人是一切社会关系的总和，我们每个人来到这个世界上后，就处于与生俱来的和后天营造的两类关系网中。”这句中学政治课中的话，对于研究群体智慧来说，意味着人们会根据网络拓扑结构这一宏观性质，动态地调整其在所属群体的局部如何建立连接，而连接方式又会影响群体智慧是否涌现。

通过一系列的实验和模拟，对导读中提出的具有什么性质的网络能促成群体智慧这一问题，文中给出的回答是：“自适应”，其分为两部分，第一宏观层面，通过激励和结果呈现提供反馈。其二是微观层面，通过实时地调整网络的组成，改变网络的结构。

引申来看，在全局层面，自适应的目标是放大了群体中表现优异成员的贡献度；在微观层面，自适应是要让群体中表现较好的个体对周围不那么优秀个体所带来的负面影响具有更强的抵抗力，即他们更能坚持自己的初心。

3. 研究方法：在线实验

由于研究的问题是社交网络对群体智慧带来的影响，那么在设计实验时，需要将问题拆解，首先要问相互连接的个体，是否会比孤立情况下表现更好？其次问社交网络是如何为表现处于中游的个体提供反馈，以帮助他们提升自己的判断力？这其中哪些因素能够使社交网络保持可塑性？最后要问的是，社交网络能不能以及如何使群体中原本表现最好的个体更上一层楼。

由于互联网的兴起，使得群体智慧的研究得以在较大人群中开展。通常的做法是让群体合作解决问题，然而若要研究社交网络带来的影响，就需要该问题是个人可以独立解决的。这个问题既要有挑战性，又要足够简单，还要具有文化普适性，不需要太多先验知识。该研究选择的问题是从散点图中推算相关系数。

图3：从散点图中推算相关系数问题的示意图

上图是该实验的受试者接手的任务，即从上面的散点图中，估算图中 x 和 y 之间的相关系数。从左到右的三列，代表任务的难度从简单到困难，即由于抽样的原因，从右上角的图中，估计出 x 和 y 之间的相关系数只有 0.09 是很困难的。每名受试者会回答 20 个这样的相关系数估计问题，其中前十题和后十题会是不同的难度，之后会根据他回答的好坏，获得奖励。

研究者先将受试者随机分为 12 人的小组，每小组中分别有 4 人回答困难的、中等的、简单的相关系数估算问题。之后对于研究局部连接方式的第一组实验，会在不改变奖励方式的前提下，让社交网络中的人自由地建立连接，而研究社交全局属性的第二组实验，改变的是参与者获得奖励的方式，而不改变网络连接的方式。

4. 研究结果一：
动态网络优于静态网络

图4：第一组实验结果示意图

第一组实验，将 719 名受试者分为三组，一组独自完成任务（Solo），作为研究的基线；静态网络组根据研究者预先设定的随机网络模式，与周围的节点建立连接；动态网络组可以自由地和群体中各成员建立连接。完成 20 道题目后，所有受试者根据各自表现获得反馈和奖励。

上图分别代表个人的平均误差与小组的平均误差。该图首先可以得出：动态网络优于静态网络，能够将个人平均估计出的相关系数的真实偏差从 0.25 降低到 0.16，而静态网络只能降低到 0.19；其次是在第十道问题之后，在题目的难度改变后，此时动态网络初始表现和静态网络差不多，但动态网络在很快地调整后，使得不论从小组平均还是个体平均上，都在 16-20 题中明显优于静态网络。

5. 研究结果二：
全局反馈优于个体反馈

图5：第二组实验结果示意图

第二组实验分为四类，作为基线的一类（绿色）不会得到金钱激励，也不会得到之前题目的正确答案；第二类（蓝色）会根据之前的答案好坏，得到小额金钱奖励；第三类（黑色）能够在第二组的基础上，获得自己之前题目的正确答案；而最后一类（橙色）可以在第三类的基础上，得到该小组中所有成员的过往成功表现。

在第二组实验中，小组中的社交网络都是动态的，即第四类的成员，可以根据参与者之前的表现，动态调整自己的社交圈，从上图可知，表现最好的是获得全局反馈的组。除此之外，在难度上升之后，只提供奖励、但没有告知正确答案的组，表现反而变差了，即图中的蓝线在后半段呈上升趋势。而通过给予正确答案，可以让参与者显著地降低估算误差。

6. 研究成果三：
社交使得群体中成功表现得更稳定

之前展示的是个人和小组的平均水平，该研究的另一发现是即使对于小组中表现最好的第一名，在实验一中，通过动态网络能降低 20% 的估计误差；而在实验二中，在全局反馈的情况下，相比独自估计的小组，小组表现最好者之间出现 30% 的差距。这说明群体智慧对那些最聪明者也是有帮助的。

图6：不同实验条件下的每组全部成员中，最好的 4 个或 1 个成员的估计误差的均值和标准差

群体智慧的另一体现是让小组中成功的表现更加稳定，即估计的标准差变小。而这对于群体中那些表现中游的个体，也意味着水平的提升。上图中不同颜色，和之前一样，代表不同的颜色。从图中可以看出两点：一是在有了社交网络提供的助力之后，小组中所有人的平均值，要好过独自完成时该小组 12 人中最优的那一个，且社交网络使得估计更加稳定，即标准差更低；第二点是在有了社交网络后，小组间最优成员的差距和平均水平差距很低，且相近水平会导致其误差均方差更低，即相互交流的小组在解决问题上，虽然效果稍差，但大错误更少出现。

7. 群体智慧研究展望

既然自适应社交网络能够促进群体智慧的产生，那哪些因素可以使社交网络保持可塑性？回答是让人们能够自由的建立新的连接，并告诉设计网络中的人，自己和其他人的过往表现。将该研究的结果推广，管理上可以借鉴的是让团队中进行更多的交流，动态改变对不同交流对象观点赋予的权重，同时关注任务后的反馈，相较于男性的传统印象，以上三条都更符合女性，难怪之前研究指出团队中女性成员越多，群体智慧越明显。

然而，社交环境的细微不同，例如是正式的会议还是非正式的闲谈，是有目的的交流还是头脑风暴，交流的不同频率和人数，都能够影响团队的群体智慧。这是群体研究接下来要关注的。相信随着进一步的研究，上面的问题都将得到解答。从实验室走向真实世界，群体智慧的研究结果既不应被夸大，也不应该忽视。