collective-intelligence - コレクティブインテリジェンスはエキスパートの見解をどのように打ち負かしますか？

Question

コレクティブインテリジェンスプログラミングに興味がありますが、どのように機能するのでしょうか。

正確な予測を行うことができると言われています。たとえば、オライリープログラミングコレクティブインテリジェンスの本は、トレーダーの行動のコレクションが実際に専門家よりも将来の価格（トウモロコシなど）を予測できると述べています。

また、統計学の授業では、40人の学生が試験を受ける部屋の場合、3〜5人の学生が「A」の成績を取得することがわかりました。「B」を取得した8つ、「C」を取得した17などがあります。つまり、基本的にはベルカーブです。

では、これら2つの観点から、「B」と「C」の回答のコレクションは、「A」を取得した回答よりも優れた予測をどのように提供できるでしょうか。

たとえば、トウモロコシの価格は、「自己達成的予言」ではなく、天候やトウモロコシを使用する食品会社の需要などを考慮した正確な価格であることに注意してください（トウモロコシの先物を購入する人が増え、価格が上がり、先物を購入する人が増えます）また）。実際には、将来の正確な価格を提示するために、需要と供給を正確に予測しています。

どうしてそれは可能ですか？

更新：集団的知性は株式市場の幸福感やパニックでは機能しないと言えますか？

Answer 1

Wisdom ofCrowdswikiページは良い説明を提供します。

要するに、あなたは常に良い答えを得るとは限りません。それが発生するためには、いくつかの条件が必要です。

Answer 2

さて、あなたは推測のために次の「モデル」を考えたいかもしれません：

guess = right answer + error

多くの人に質問すると、さまざまな推測が得られます。しかし、何らかの理由でerrorsの分布がゼロを中心に対称である場合（実際には平均がゼロである必要があります）、推測の平均は正解のかなり良い予測子になります。

推測は必ずしも適切である必要はないことに注意してください。つまり、正解の両側にグレードBとCの回答が分散している限り、エラーは実際に大きくなる可能性があります（AではなくグレードBまたはC）。 。

もちろん、これは私たちの推測にとってひどいモデルである場合があるので、集合知は常に機能するとは限りません...

Answer 3

予測市場のようなクラウド ウィズダム テクニックは、状況によってはうまく機能し、他のアプローチ (専門家など) にも長所と短所があるのと同じように、うまく機能する場合とうまく機能しない場合があります。したがって、最適な分野は、他のアプローチがうまく機能せず、予測市場がうまく機能する分野です。いくつかの例には、選挙の予測、プロジェクトの完了日の見積もり、伝染病の蔓延の予測などがあります。これらは情報がまばらに広がっている領域であり、専門家は確実に予測する効果的なモデルを見つけていません。

一般的な考え方は、市場参加者が互いの弱点を補うというものです。市場が常にすべての結果を正しく予測するとは限りませんが、人々が他の人の間違いに気付くことで、重要な情報を見逃すことが少なくなり、長期的にはより良い結果が得られると期待されています. 行使者が実際に答えを知っている場合、彼らは結果に影響を与えることができます。さまざまな専門家がさまざまな質問に参加できるため、それぞれが最も知識を持っている分野でより大きな影響力を持ちます。そして、市場が長期にわたって継続するにつれて、各参加者は利益と損失からフィードバックを受け取り、実際に理解している質問の種類と、避けるべき質問についてよりよく知ることができます。

教室では、人々は曲線に沿って採点されることが多いため、成績の分布からは、回答の良し悪しについてはあまりわかりません。予測市場は、実際の結果に対してすべての答えを調整します。この成功と失敗の公開記録は、メカニズムを強化するために多くのことを行い、予測への他のほとんどのアプローチには欠けています。

Answer 4

集合知は、最終結果を決定するために意見/属性の複数の情報源を利用できるため、背後に複雑な動作がある問題を解決するのに非常に優れています。このような設定により、トレーニングはプロセスの最終結果を最適化するのに役立ちます。

Answer 5

欠点はあなたのアナロジーにあり、両方の意見は等しくありません。トレーダーは取引の直接的な利益を予測しますが (彼らが概観できる市場の小さな部分)、専門家は全体的なフィールドを予測しようとします。

全体的なトレーダーのポジションは、パイのそれぞれの部分 (専門家であると想定されている) に対する大量の小さな意見に基づいて、ジグソー パズルのようにつなぎ合わされます。

単一の頭脳はそのような詳細を処理することはできません。これは特にフェノモンであることに注意してください。通常、混乱の時期ではなく、かなり静的な市場に限定されます。専門家は、一般的な感情にとらわれることを避けるために、よりよく訓練され、動機付けられていることが多いため、通常、より良い結果をもたらします。（これは、混乱時のレミングのそれに匹敵することがよくあります）

クラスのアナロジーの問題は、評価システムが、生徒が (予測が難しい) 地形の達人であると想定していないため、比較できないことです。

Ps は、基本公理は、すべてのプレーヤーが分野の小さな部分の専門家であることに依存していることに注意してください。この要件が実際に Web 2 環境にうまく移行するかどうかは議論の余地があります。