本文是《不完美主义者》一书的节选，主要探讨集体智慧相关的内容。作者们认为，不确定性时代需要不完美主义的思维方式，集体智慧就是其中重要的一种。选文基于案例研究为基础，描述了一些成功的实践，包括利用人工智能群组来提高预测准确率、土著智慧在火灾管理中的应用、以及利用机器学习识别渔船捕获的金枪鱼。相信本文提供的战略思维介绍和实例能为读者带来启发。
《不完美主义者：不确定时代的思维方式》
非营利组织和企业往往倾向于忽略不确定性。很多时候，他们满足于制定一些“战略”（实际上不过是个三年的预算计划），却没有考虑所期望的投入或结果真正发生的可能性。疫情、技术变革、经济混乱，在这个充满不确定性且加速变化的世界里，已经没有所谓的正常状态可言。因此，那些披着战略外衣的脆弱规划看起来越来越像是一场幻想。许多组织最终陷于瘫痪，不敢涉足不确定性，陷入了一成不变的怪圈。
然而，还有另一种做事方法。我们称之为不完美主义者。不完美主义者通过运用六种解决问题的战略思维，学会容忍不确定性和模糊性。不完美主义者充满好奇心，从多个角度看待问题，搜集新的数据和方法，甚至包括来自其他行业的想法。不完美主义者涉足风险，通过不断试错，运用机动灵活、后果可逆的方法，来更深入地理解正在上演的博弈规则，从而提升自身的能力。与那些等待确定性或者盲目下注的人相比，不完美主义者能够在动态、实时的战略问题解决中取得成功，充满自信地前进。
三十年来，我们一直在研究解决问题的策略。我们的第一本书《所有问题，七步解决》（Bulletproof Problem Solving：The One Skill That Changes Everything》（威立出版社，2019年）介绍了出色解决问题所需的技能。《不完美主义者》一书则进一步增添了一些战略性思维方式，帮助人们在我们目前所处的这个充满不确定性的时期中，制定组织的方向。
本书以 50 个案例研究为基础，其中一半来自非营利组织和社会企业投资领域。我们希望您会喜欢下面的节选，其中介绍了集体智慧（Collective Intelligence），一种在不确定时期中应对问题的战略思维方式。
——查尔斯·康恩（Charles Conn）和罗布·麦克莱恩（Rob McLean）
比尔·乔伊是Sun Microsystems（现已被甲骨文公司收购）的创始人之一。他提出了一个著名的乔伊定律：“无论你是谁，大多数聪明人都在为别人工作。”乔伊定律的逻辑推论是，你必须找到一种获取这些智慧的方法。正如比尔·乔伊所说：“更好的做法是创造一种生态，让世界上所有最聪明的人都在你的花园里为你自己的目标辛勤工作。如果只依靠自己的员工，你永远无法解决客户的所有需求。”对于一些人来说，以这种方式来看待这个世界可能会令他们震惊。在我们的职业生涯中，我们花费了大量时间努力将最聪明的人汇聚到一个房间，并与会议室外的其他专家建立联系。这对组织如何解决问题的影响是巨大的。如果我们更多地借助生态系统中的其他人，我们的招聘工作需要做出怎样的改变？我们知道如何组建真正多元化的团队吗？当创新需要新的能力时，所谓的专家应该扮演什么角色？我们应该如何组织起来，让乔伊定律以及更广泛的集体智慧发挥作用？当人们在谈话中提到集体智慧时，往往会点头说：“是的，我们知道那是什么——群众的智慧就是猜测罐子里有多少颗豆子。”我们认为集体智慧的意涵不止于此，集体智慧在组织竞争中扮演着关键角色。这意味着，我们要尊重专家，但在规则瞬息万变的环境中，我们应该对历史性的观点持怀疑态度。我们应当在自己的团队中接受多元化的观点，并在团队之外寻找自我颠覆的源泉。FishFace是大自然保护协会（TNC）的一个项目，利用机器学习识别渔船捕获的不同种类的金枪鱼。它采用各种计算机视觉技术，自动在海上实时收集有关捕获鱼类种类及数量的相关数据，从而使渔业管理人员能够基于证据做出资源管理决策。该项目解决了渔业管理中一个长期存在的问题：缺乏关于目标鱼种和非目标鱼种相对于可持续捕捞配额捕鱼量的可靠知识。目前，全球 34% 的渔业已经过度捕捞，另有 60% 的渔业无法承受任何额外的捕捞压力。[1] 此外，据 TNC 估计，90% 的渔业都没有有效的管理措施。[2] 由于缺乏预防性管理框架，也没有简便方法来验证对可持续捕鱼量法规的遵守情况，自然保护主义者担心渔业将崩溃，会对将海产品作为动物蛋白质重要来源的 30 多亿人口造成灾难性影响。自然保护社（TNC）的解决方案是将按鱼种分列的渔获量实时数据转化为风险管理工具，使大型运营商能够验证其捕鱼量是否符合可持续发展承诺和法规。这将使渔业与陆地农业供应链的可持续发展验证保持一致。TNC在2016年赢得了澳大利亚谷歌影响力挑战赛（Google Impact Challenge）的大众投票，催化了FishFace项目。部分奖金被用于通过Kaggle竞赛确定机器学习算法。该竞赛提供了15万美元的奖金，参赛者必须利用从渔船上的固定摄像头收集到的视频数据预测不同物种的鱼群数量。比赛为期五个月，共有2293个团队参加，这是Kaggle最受欢迎的比赛之一。参赛者收到了由3792幅图像组成的训练数据集和由渔船摄像头拍摄的1000幅图像组成的测试数据集。参赛团队必须将鱼类分为8个物种，包括黄鳍金枪鱼、长鳍金枪鱼、海豚和鲨鱼。公众排行榜根据1000张测试图像的结果计算得分。费利克斯·于（Felix Yu）在公众排行榜上名列第三，他强调了从视频数据中精心设计算法所面临的挑战，比如说某些物种的样本量很小、鱼鳍（重要的识别标志）图像不清晰，以及海浪对图像的影响。到了2022年，FishFace算法已在印度尼西亚的一艘渔船上投入使用，准确率达到90-95%，符合报告的合规性要求。下一步计划是开发一个在占全球海产品捕获量50%的100,000艘大型渔船上运行的最小可行产品。[3] 马克·齐姆林（Mark Zimring）领导的TNC团队正与云计算领域的领先企业亚马逊AWS合作，开发一个海上数据上传解决方案。TNC的FishFace正在解决一个具有全球意义的问题，它利用实时数据采集和模式识别学习引擎来破解渔业管理中的一个老难题。这是竞争性众包解决复杂问题的优秀实例。想象一下，在澳大利亚北部的一架直升机上，当地土著护林员正将乙二醇燃烧弹——即每个都只有高尔夫球大小的火弹——送入一台机器。这台机器将这些微型燃烧弹投放到下方的热带稀树草原上，点燃后形成小火。在这个位置上，人们将亲眼见证到土著护林员与自然保护组织（包括罗布担任理事的澳大利亚大自然保护协会）之间的合作。这场合作使得澳大利亚重新采用了具有千年历史的火灾管理技术，后者现已成为全国的典范。与注重灭火的现代西方火灾管理方法不同，澳大利亚土著社区几万年来一直依赖于旱季初期的烧荒。这种方法被这些社区称为“正确的用火方式”，既有利于土地管理，又能防止破坏性的大规模火灾。这是一种集体智慧，我们将其视为祖先的智慧——历史上被忽视或遗忘的解决问题的方法。西方科学通过现代实验测量热带稀树草原排放的温室气体量，并通过卫星测绘显示火灾的范围和强度，对世代相传的这套做法进行了补充。通过将温室气体的净减排量与没有旱季初期烧荒时的基准排放量进行比较，产生了碳信用（Carbon credits）数据。澳大利亚政府对产生的碳信用进行登记，然后将其出售给政府或自愿碳市场。与此同时，自然保护主义者也为精心管理的未焚烧地区对动植物产生的积极影响而欢呼。这些区域为鸟类和动物提供了安全的通道，促进了植物和种子的生长。这种丰富的角色融合是集体智慧的杰出典范。热带稀树草原占地球陆地面积的 16%，不仅分布在澳大利亚，还分布在非洲、南美洲和亚洲部分地区，是地球上火灾最容易发生的植被类型。在过去的十年里，通过重新引入旱季早期的烧荒，澳大利亚北部高降雨量地区的野火基本消失了。在2009年，红色区域是发生了晚期的、严重火灾的区域，而绿色部分则是在旱季早期有火灾、或进行了有管理的烧荒的地区。图中最上面的部分是高降雨量区，那里有护林员团队并登记了碳项目。中间部分主要是阿纳姆地（Arnhem Land），奥托·坎皮恩（Otto Campion）的族人在这里开创了现代管理性防火制度。右上角的部分是约克角，那里尚未建立有管理性的防火制度。在约克角，由于降雨量较少，出现了许多破坏性的晚季焚烧，这在没有碳方法和护林小组的情况下并不奇怪。到2021年，在高降雨量地区，野火已经基本消失。这是地貌发生的非同寻常的变化，可能是我们所知的地球上最显著的变化之一。另一个变化是与十年前相比，低雨量区的晚期火灾大幅减少。你还可以看到一些碳项目延伸到了低雨量区。这一切都是因为澳大利亚政府认识到，管理这片土地长达数千年的原住民应该回归历史悠久的火灾和土地管理实践，并在当下与现代科学合作。这种结合是集体智慧造福气候、自然和人类的有力例证。越来越多的人和团队正在充分利用人工智能的力量，展开人机协同合作。以预测人工智能平台Swarm Platforms为例，在一次预测 50 场英超足球比赛结果的竞赛中，群组参与者正确预测了72%的获胜者，而那些在普通人群中或单独进行预测的人，正确率仅为55%。在人工智能群组中，参与者的准确率提高了 31%。[4] 不同之处在于，群组中的参与者集思广益，并通过算法控制的互动达成解决方案。这种群组过程实际上基于蜜蜂、鱼群或鸟群的行为。Unanimous AI 公司是这一领域的佼佼者，它将群组形容为“大脑中的大脑”，能够取得超智能级别的结果，胜过所有个体成员的表现。人工智能群组与深度学习的研究结果相比如何？斯坦福大学医学院的一项研究发现，与只使用历史数据的最先进深度学习算法相比，使用群组人工智能算法的医生小组的诊断准确率高出 22%。显然，将人类与群组连接起来，产生了鼓舞人心的结果。DeepMind在创建阿尔法代码以编写计算机代码方面取得了重大进展，目前它在编程竞赛中的排名已跻身前54%。[5] 本着集体智慧的精神，DeepMind将问题和解决方案数据集放在GitHub上，以激发解决问题和生成代码方面的创新。人工智能支持的集体智慧案例，说明它能够在广泛的应用范围内解决问题。内部团队专注于解决问题的传统模式可以发挥重要作用，但即使是最有经验的专家，也可以通过现成的群组平台来正确看待自己的观点。然而，并非在所有情况下，人工智能和机器学习都能准确命中目标。正如我们在疫情早期尝试使用它们来设计Covid19治疗方案时所看到的那样，在不确定性高、数据有限的情况下，AI的模式识别能力会相对较弱。来自人群的集体智慧也有其局限性。托德·罗斯（Todd Rose）提醒我们，有时个体会放弃自己的观点以顺应群体的期望，从而产生集体幻觉。1835 年的“郁金香狂热潮”就是一个例子，当时郁金香的价格甚至超过了黄金。他还提到了美国的气候变化问题。尽管有些私人观点认为气候变化是第三重要的问题，但在问及公众观点时，这个问题的重要性却只排在第33位。避免集体幻觉的方法就是不断追问“为什么”，“这是真的吗？”，避免陷入“皇帝的新装”的命运。
1 FAO State of World Fisheries,20202The Nature Conservancy Ocean Stories Fishface (Accessed 12August 2022, http://natureaustralia.org.au)3 Private communication with Mark Zimring of The Nature Conservancy, January 2022.4 Rosenberg, L., Pescettelli, N. and Willcox, G. (2018). Artificial Swarm Intelligence vs Vegas Betting Markets. 1 September, IEEE5Deep Mind,Competitive programming with Alpha Code (https://www.deepmind.com>blog>competitive-programming-with-alpha-code, February 2,2022, Accessed 12 August 2022.)6 Rose, T. (2022).Collective Illusions: Conformity, Complicity and the Science of Why We Make Bad Decisions. New York: Hachette Books.
查尔斯·康恩（Charles Conn）是生命科学风险投资公司 Monograph Capital 的联合创始人，曾任牛津罗德信托基金首席执行官、Ticketmaster-Citysearch 创始首席执行官和麦肯锡公司合伙人。他是巴塔哥尼亚董事会主席，也是大自然保护协会欧洲理事会成员。罗伯特·麦克莱恩（Robert McLean）是麦肯锡公司的名誉董事、澳大利亚和亚洲大自然保护协会（The Nature Conservancy）的理事，以及澳大利亚最大的慈善基金会——保罗·拉姆齐基金会（Paul Ramsay Foundation）的董事。他曾任澳大利亚管理研究生院院长，是哥伦比亚大学商学院富布赖特学者。来源：《斯坦福社会创新评论》英文网站2023年7月25日原标题：Collective Intelligence