在这次的测试中，有45个选民参与，其中46%为民主党人，24%为共和党人，30%在党派上保持中立或属于其它党派。这也直接暴露了Swarm AI的局限性：预测结果受参与群体特征影响，并让预测结果带有偏见。有专家称，根据Swarm AI的设定，在预测过程中，个体很容易根据球位置的变化而不断变化自己的选择——当发现多数人也支持自己的选择时，他可能会更加坚定地牵引；而当发现球大大偏离自己希望的方向时，他可能会放弃或减小牵引力，直至最终达成“共识”。
《自然》杂志在今年1月25日曾发表过一篇文章，阐述了类似的选择偏见，还在文章中给出了解决方法。论文作者让一群人回答这样的问题：费城是宾夕法尼亚州的首府吗？绝大多数人会错误地回答说“是的”。这是因为他们知道：费城是宾夕法尼亚州的一座大城市，而首府都是大城市。但实际上，正确答案是哈里斯堡，但往往只有少数人会说出这个正确答案。
论文作者给出的解决方法是“意外流行”（surprisingly popular）算法，它由普林斯顿大学和麻省理工学院的研究者设计。研究人员表示，这种算法能更好地从群体中获取正确答案，尤其是当大多数人的看法是错误的时候。
实验中，研究人员会询问接受调查的人他们对某个问题的看法，以及他们认为其他人会如何看待这个问题：你认为正确答案是什么？你认为流行的答案（即多数人会选择的回答）是什么？然后，算法会找出“意外流行”的答案，也就是比大多数人预测中更受欢迎的答案。大部分情况中，这些超出大多数人预计的选择，就是正确的答案。
“我们以为社会平均意见一般是对的，过往对群体智慧的统计也支持这一看法，” 麻省理工学院斯隆管理学院的行为经济学家Drazen Prelec说：“但事实证明并非如此。有像医生那样的专家存在，这让我们意识到了少部分人掌握的知识。”
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！