我有興趣做一些集體智慧編程，但不知道它如何工作？據說它能夠提供準確的預測：例如，O'Reilly編寫的集體智慧書說，交易員的行爲實際上可以比專家能夠更好地預測未來的價格（如玉米）。集體智慧如何擊敗專家的觀點？
現在我們在統計課上也知道，如果是40個學生參加考試的房間，會有3到5個學生獲得「A」等級。可能有8個得到「B」，17個得到「C」，依此類推。也就是說，基本上是一條鐘形曲線。
因此，從這兩個觀點來看，「B」和「C」答案的集合如何給出比得到「A」的答案更好的預測？
請注意，例如，玉米價格是天氣，食品公司使用玉米等需求的準確價格，而不是「自我實現的預言」（更多人購買玉米期貨和價格上漲等等人們再次購買期貨）。實際上，預測未來的準確供給和需求是準確的。
這怎麼可能？
更新：我們可以說集體智慧不會在股市興奮和恐慌？
The Wisdom of Crowds維基頁面提供了一個很好的解釋。
總之，你並不總是得到很好的答案。需要有一些條件才能發生。
那麼，你可能要考慮下面的「模式」的猜測：
guess = right answer + error
如果我們問了很多人的問題，我們會得到很多不同的猜測。但是，如果出於某種原因，error的分佈在零周圍是對稱的（實際上它只有零均值），那麼猜測的平均值將是正確答案的一個很好的預測指標。
請注意，只要B級和C級答案分佈在兩側，猜測不一定非常好 - 即錯誤確實很大（等級B或C，而不是A）正確的答案。
當然，存在這種情況，這是對我們的猜測一個可怕的模型，所以集體智慧不會總是工作...
的故障是在你的比喻，這兩個觀點是不相等的。交易者預測他們交易的直接利潤（他們所概述的市場的一小部分），而專家則試圖預測整個領域。
IOW整個交易者的位置被拼湊在一起，就像他們各自的餡餅（他們被認爲是專家的地方）的大量小意見一樣拼圖拼圖。
單一頭腦無法處理這種細節，這就是爲什麼整體位置可能會掩蓋真正的專家。請注意，這特別是通常只限於相當靜態的市場，而不是處於動盪時期。因此，專家通常會做得更好，因爲他們通常會受到更好的培訓和動力，以避免出現普遍的情緒。（這往往可以與動盪時期的困境相媲美）
類比較的問題是評分系統不認爲學生是他們（難以預測）地形的主人，所以它沒有可比性。
P.s.請注意，基本公理取決於所有參與者都是該領域的一小部分專家。人們可以辯論，如果這個要求實際上運輸良好的網絡2環境。
人羣智慧技術，如預測市場，在某些情況下運作良好，在其他方面表現不佳，就像其他方法（例如專家）有其優勢和弱點一樣。因此，最佳競技場是沒有其他方法做得很好的，預測市場可以做得很好。一些例子包括預測公共選舉，估計項目完成日期以及預測流行病的流行。這些都是信息稀疏散佈的領域，專家們尚未找到可靠預測的有效模型。
總體思路是市場參與者彌補彼此的弱點。預期並不是市場會一直正確地預測每一個結果，但是由於人們注意到其他人的錯誤，他們不會錯過重要的信息，而且從長遠來看，他們會做得更好。如果實際知道答案，他們將能夠影響結果。不同的專家可以考慮不同的問題，因此每個人在知識最豐富的地方都有更大的影響力。隨着市場的不斷髮展，每個參與者都會從他們的收益和損失中獲得反饋，使他們更好地瞭解他們實際瞭解哪些類型的問題以及他們應該避開哪些問題。
在課堂上，人們通常是按照曲線進行評分的，所以成績的分佈並沒有告訴你有多好的答案。預測市場根據實際結果校準所有答案。這種成功和失敗的公開記錄對於強化該機制有很大作用，並且在大多數其他預測方法中缺失。
集體智慧非常擅長處理背後存在複雜行爲的問題，因爲他們能夠採取多種意見/屬性來確定最終結果。通過這樣的設置，培訓有助於優化流程的最終結果。
與編程無關？ – 2009-06-13 14:00:15