寻找失踪的潜艇，去中心化预测

摘自：http://www.8btc.com

寻找失踪的潜艇

在1968年5月，美国的一艘名为Scorpion的潜艇，在大西洋完成执勤任务返回纽波特纽斯港口的途中消失了。虽然海军知道潜艇最后的报告位置，但是不知道Scorpion发生了些什么事情，只知道自最后一次联系后，潜艇大概又前行到哪里。最后他们将搜索范围确定在方圆20英里，几千英尺深的区域。这是一个希望渺茫的搜索。人们能够想到的唯一可能的解决方案是，召集三、四位潜艇和洋流的顶级专家，问他们认为潜艇在哪里。但是，根据Sherry Sontag和Christopher Drew在《Blind Mans Bluff》的记录，一位名叫John Craven的海军军官有一个不同的计划。

首先，Craven设想一系列可以解释Scorpion可能发生的事故的情景。然后，他召集了一组具有不同背景的人，包括数学家、潜艇专家和搜寻人员。Craven让他们猜测那种情景的可能性最大，而不是让他们彼此商量得出答案。为了让猜测更加有趣，Craven采用了下注的模式，奖品是Chivas Regal酒。参与的成员就潜艇为什么出事故、下沉的速度、倾斜的角度等问题进行打赌。

没有一段信息碎片能够告诉Craven潜艇在哪里。但是，Craven相信，如果他将小组成员提出的所有答案汇集在一起，针对潜艇沉没做一个完整描述，他就能够知道潜艇在哪里。这就是Craven 所做的事情。他利用了所有的猜测，使用被称为贝叶斯理论的公式，判断潜艇的最后位置。（贝叶斯理论是计算事件的新信息如何改变你对此事件原有预期的方式。）做完这些事情，Craven获得了团队关于潜艇位置的集体估计（collective estimate）。

Craven 得出的位置并不是团队任何单个成员所猜测的位置。换句话说，团队中每个成员的猜测与Craven使用汇集起来的所有信息得出的位置一致。最后的判断是一个由团队整体做出的集体判断，而不是代表团队中最聪明人的个人判断。它也是一个绝妙的判断。

Scorpion潜艇失踪五个月以后，一艘海军船发现了它。潜艇所发现的位置与Craven团队猜测的位置相差220码（译者注：1码等于0.9144米）。

这个实例的惊人之处在于，这个团队所依靠的证据几乎没有，只是一些数据碎片。没有人知道为什么潜艇沉没，没人知道潜艇下沉的速度和倾斜角度。虽然团队中没人摘掉这些信息，但是作为一个整体的团队却知道这些信息。

估算瓶子中糖豆数量
在2007年，哥伦比亚商学院教授Michael Mauboussin让他的73位学生估算瓶子中糖豆的数量。学生所估计的数量在250-4100之间。其实瓶子中有1116个糖豆。学生们估计值与真实值1116平均偏离700。也就是62%的错误率。

然而，尽管学生的估计很不准确，但是他们估计的平均值是1151，与真实数值1116只有3%的误差。

这一研究以各种形式被重复过多次，结果都与上面相同。我们正在将这种群体智慧应用到每一个学科中，从政治学到气候学，并用利益得失来强迫群体说真话。

能预测股票吗？
预测市场允许用户买卖某一事件结果的股票。股票的当前市场价格是事件发生概率的预估。关于大型预测市场的精确度和各种个别模型的共识的精确度，FiveThirtyEight.com的Nate Silver已经说明过了：

“在公共领域有许多FiveThirtyEight这样的模型是非常有用的。模型得出的共识或者预测经常比团队内最好的成员的预测更好。”

【限时干货下载】

2015/11/30前
2015年10月干货文件打包下载，请点击大数据文摘底部菜单：下载等--10月下载

大数据文摘精彩文章：

回复【金融】看【金融与商业】专栏历史期刊文章
回复【可视化】感受技术与艺术的完美结合
回复【安全】关于泄密、黑客、攻防的新鲜案例
回复【算法】既涨知识又有趣的人和事
回复【谷歌】看其在大数据领域的举措
回复【院士】看众多院士如何讲大数据
回复【隐私】看看在大数据时代还有多少隐私

回复【医疗】查看医疗领域文章6篇
回复【征信】大数据征信专题四篇
回复【大国】 “大数据国家档案”之美国等12国
回复【体育】大数据在网球、NBA等应用案例

长按指纹，即可关注“大数据文摘”

专注大数据，每日有分享
覆盖千万读者的WeMedia联盟成员之一