從一頭牛開始的群眾智慧#

1906 年英國西部肥畜家禽展覽會上，主辦方放出一頭巨大的公牛，邀請民眾猜「屠宰後去頭、蹄、內臟、皮的淨重」。約 800 人付費參賽，最接近的人猜中了 1,197 磅的真實重量。

但真正的贏家是博學家高爾頓（Francis Galton）。他取得所有參賽者的猜測，計算其中位數：1,208 磅——與真實重量誤差僅 1%。

高爾頓認為入場費濾掉了「亂猜的人」，獎金又激勵了真正的行家認真出手，使眾人的整體判斷意外地準確。 這就是後來的「群眾智慧效應（Wisdom of Crowds effect）」。

預測市場：群眾智慧的延伸#

愛荷華電子市場（IEM）#

1980 年代末愛荷華大學設立 IEM，讓人們買賣「總統大選結果股票」。股價反映候選人的勝率：

• 若你認為某候選人勝率 85%，但市場價反映 80%，就值得買入
• 越有把握的人買越多，價格越高
• 2014 年分析：IEM 約 75% 機率擊敗傳統民調，得票率預測誤差僅 1%

好萊塢股票交易所（HSX）#

電影迷用虛擬美元交易電影、演員、奧斯卡獎項：

• 預測準確到製片廠分拆出商業版供高層參考
• 經典案例：HSX 早早看出片商忽略的低成本恐怖片潛力——《厄夜叢林》（《The Blair Witch Project》）以 $25,000 預算斬獲近 $2.5 億票房

賠率交易所（Betfair）#

玩家彼此對賭，平台抽佣。研究顯示其賠率非常可靠：「群眾認為對等的事件」實際大約有 50% 機率發生。

預測市場 vs 傳統專案管理#

1990 年代末西門子（Siemens）與維也納科技大學合作，把預測市場引入軟體專案：

• 員工匿名買賣「專案能否如期上線」的股票
• 開盤一個月內、距 deadline 還有三個月時，市場已預測會延遲 2-3 週
• deadline 前一個月又湧現大量賣單，信心崩盤
• 最終專案延遲約 2 週——市場準確預測，傳統工具卻一路顯示「沒事」

採用過預測市場的公司還包括：

• HP：預測印表機銷量
• Google：預測 Gmail 等產品需求與市佔威脅
• Ford、P&G、Lockheed Martin、Intel、GE 等

為何違反「抽樣理論」卻有效？#

民調公司創辦人沃斯特爵士（Sir Robert Worcester）2001 年稱預測市場為「巫毒民調」，因為它違反兩個基本規則：

1. 不是隨機樣本——刻意偏向「願意拿錢/聲譽下注」的人
2. 樣本可以非常小（幾十人）卻仍可靠

答案：多元 > 純粹專家#

2004 年密西根大學洪盧（Lu Hong）與佩吉（Scott Page）在數學上證明：

一群中等技能但見解多元的人，往往比只由頂尖專家組成的小組更能解決問題。

• 一旦團隊裡有專家，繼續加入更多同類專家幫助有限
• 反而應該引入「思考方式不同 / 資訊來源不同」的怪咖
• 因為專家觀點高度相關，加更多反而放大集體偏差

來源相關性是關鍵#

普林斯頓大學庫贊（Iain Couzin）與高徒高（Albert Kao）的研究指出：

• 若群眾依賴的資訊來源廣泛且這些來源可靠，大群體會收斂到正解
• 若資訊來源不可靠，大群體反而被相關性主導，陷入集體錯誤
• 小而多元的群體較能避免

開發你的「內在群眾」#

馬克斯普朗克研究院的赫佐格（Stefan Herzog）與赫特維格（Ralph Hertwig）提出辯證自舉法（dialectical bootstrapping）：

流程：

1. 先憑現有資訊估算一個答案，記下來
2. 想像有人告訴你「錯了」，思考你可能在哪些假設上失誤
3. 改變那些假設，重新估算
4. 取兩個估計的平均，往往比任一單獨估計更接近真相

結語#

需要預測未來時，不要只信任任何單一「大師」——無論他多麼權威。 透過預測市場（如 cultivatelabs.com 之類的平台）邀請所有有見解的人加入，最終匯集的群眾智慧，往往比任何「大師」都更可靠。