Коллективный разум: стимуляция решения проблем в группах

Когда группа людей правильно решает какую-либо задачу, например, угадывает количество бобов в банке, прогнозирует результаты выборов или решает сложную научную проблему, возникает соблазн отдать должное самому сообразительному человеку в компании. Но новое исследование показывает, что сосредоточенность на «эксперте» может сбить группу с пути.

Как исследование меняет представление об экспертных знаниях

В исследовании, опубликованном в журнале Proceedings of the National Academy of Sciences, исследователи под руководством Джошуа Плоткина из Пенсильванского университета показывают, что коллективный разум, или “мудрость толпы” – феномен, при котором группы часто превосходят отдельных людей в решении сложных задач, – с большей вероятностью проявляется, когда отдельные люди получают вознаграждение не за свою собственную правоту, а за то, что помогают группе приблизиться к истине.

Специалисты по информатике могут создавать алгоритмы коллективного интеллекта с централизованным управлением, распределяя подзадачи, настраивая, чьи входные данные имеют больший вес, и, по сути, управляя всей операцией подобно диспетчеру с башни. Но реальные группы, будь то люди, животные или разрозненные сети лиц, принимающих решения, редко имеют такой централизованный, организованный контроль “сверху вниз”.

Вместо этого люди в естественных условиях чаще склонны к социальному обучению, копируя друг у друга стратегии, которые кажутся им успешными.

“Социальное обучение присутствует повсюду, но оно может создавать проблемы для коллективного решения задач. Сам механизм распространения хороших идей может также уничтожить жизненно важное разнообразие, необходимое группе для эффективной совместной работы”, – говорит Плоткин.

Моделирование того, как толпе избежать ловушки экспертов

Исследователи разработали математическую модель, чтобы понять, как группа относительно неосведомленных людей может избежать “ловушки эксперта” – склонности толпы опираться на самого сообразительного человека, пока коллективное разнообразие не уменьшится.

Они роверили это на примере сложной задачи прогнозирования, в которой результат меняется со временем в зависимости от десятков случайных, взаимосвязанных факторов. Представьте себе прогнозирование погоды: ни один человек не может одновременно отслеживать каждый порыв ветра или скачок влажности.

Модель ставит перед каждым участником задачу отслеживать один-единственный фактор. Каждый из них делает личный прогноз, основанный на этом факторе и своих представлений о том, насколько он соответствует результату, а модель объединяет эти узкие наблюдения в единый прогноз “толпы”.

Тестирование различных схем стимулирования

Чтобы определить, как индивидуальные стимулы могут способствовать формированию коллективного интеллекта, они протестировали три схемы вознаграждения: вознаграждение тех, чьи прогнозы оказались точными, – экспертов;; вознаграждение “нишевых экспертов” – тех, чьи прогнозы точными, но сосредоточены на недостаточно представленных факторах; и вознаграждение “реформаторов” – тех, чьи предложения улучшают коллективный прогноз независимо от их собственной личной точности.

Они обнаружили, что вознаграждение экспертов, придерживающихся стандартных методов, неэффективно, поскольку оно непреднамеренно уничтожает разнообразие мнений. В этом случае люди просто подражают одному наиболее успешному коллеге, до тех пор, пока все не начинают обращать внимание на один и тот же фактор, игнорируя остальную часть головоломки.

Вознаграждение нишевых экспертов приводит к тому, что прогнозы становятся точными, но ненадёжными; группа испытывает трудности, когда эксперт оказывается не в своей тарелке. Когда проблема внезапно меняется, когда факторы взаимосвязаны, когда не хватает какой-то информации или когда окружающая среда постоянно меняется, в таких условиях подход с привлечением нишевых экспертов может сработать, но прогноз может оказаться неверным.

Почему вознаграждение реформаторов работает лучше

Напротив, вознаграждение реформаторов способствует разнообразию убеждений и коллективной точности, помогает процессу восстановиться после изменений (например, в задаче) и продолжает работать, когда индивидуальные суждения противоречивы, предвзяты, самонадеянны или аномальны. Важно не то, кто прав, а чей вклад направляет прогноз группы в более правильное русло.

Говоря о более естественных, реальных сценариях, первый автор Гоочэн Ван отмечает: “Реформаторам не обязательно быть точными по отдельности, но их следует вознаграждать за повышение коллективной точности группы”.

Параллели с реальным миром и их значение

Как объясняет команда, научное сотрудничество часто напоминает систему “нишевых экспертов”, Исследователи получают признание за редкие знания, которые заполняют пробел в более крупном проекте. С другой стороны, рынки, платформы для прогнозирования и даже торговли акциями больше напоминают реформаторскую модель: прибыль приносит не близость к истине, а изменение коллективных убеждений в правильном направлении.

“Мы надеемся, что такого рода исследования помогут нерыночным институтам разработать схемы стимулирования, которые позволят добиться более значимых коллективных результатов, даже для проблем, которые слишком сложны для решения одним человеком в одиночку”, – говорит Плоткин

 

Подпишитесь на сайт Психолог в интернете
в Telegram или ВКонтакте.
Помощь психолога