Две головы лучше? Что такое "Мудрость толпы"

Содержание

• Когда много голов лучше, чем одна: что такое «мудрость толпы»
• Как это работает: три главных условия для «умной» толпы
• Где мы с этим сталкиваемся: от прогнозов погоды до навигаторов
• Опасные грани: когда толпа ошибается
• Толпа против эксперта: кто кого?
• Проверь себя: простой эксперимент
• Как использовать «мудрость» с умом: главные выводы
• Источники

Когда много голов лучше, чем одна: что такое «мудрость толпы»

Представьте себе сельскую ярмарку в Англии начала XX века. На ней проводят конкурс: нужно угадать вес огромного быка. Сотни людей — фермеры, горожане, домохозяйки — пишут свои предположения на бумажках. Потом организатор вычисляет среднее арифметическое (простое среднее значение всех ответов). Оказывается, что эта средняя цифра невероятно близка к реальному весу животного и часто точнее, чем оценки отдельных знатоков скота. Это и есть классический пример феномена «мудрости толпы».

Суть этого явления проста: коллективное мнение большой и разнообразной группы людей по вопросу, имеющему объективный ответ, часто оказывается удивительно точным [1]. Это не значит, что каждый человек в толпе — гений. Напротив, многие ошибаются, причём сильно и в разные стороны. Но когда эти ошибки — одни в большую, другие в меньшую сторону — усредняются, они как бы «компенсируют» друг друга. В итоге на поверхности остаётся точная оценка.

Современные исследования подтверждают это на самых разных задачах: от оценки количества конфет в банке до прогнозирования результатов спортивных матчей [2, 14]. «Мудрость толпы» работает потому, что она агрегирует (собирает воедино) множество фрагментов информации, знаний и интуитивных догадок, которые есть у разных людей. Это мощный статистический механизм, а не магия.

Классический пример: люди на ярмарке угадывают вес быка, а среднее их ответов оказывается очень точным

Как это работает: три главных условия для «умной» толпы

Чтобы толпа проявила «мудрость», а не превратилась в неразумную массу, должны соблюдаться три ключевых условия.

1. Независимость мнений. Каждый участник должен принимать решение, основываясь на своей собственной информации и размышлениях, а не оглядываясь на других. Как только люди начинают следовать за лидером или поддаваться общему настроению, их ошибки перестают быть случайными и начинают копироваться, что ведёт к коллективному провалу [8]. Исследования показывают, что социальное влияние может как улучшить, так и ухудшить общий результат, в зависимости от того, как распределены первоначальные мнения [8].
2. Разнообразие подходов и знаний. Группа должна состоять из людей с разным опытом, взглядами и когнитивными стратегиями. Кто-то решает задачу интуитивно, кто-то — путём логических расчётов. Именно это разнообразие обеспечивает широкий охват возможных решений и точек зрения [9]. Если все мыслят одинаково, то и ошибаться будут одинаково, и усреднение не сработает.
3. Эффективный способ объединения ответов. Простое голосование или крик «за» и «против» — не лучший метод. Чаще всего наиболее точным оказывается именно усреднение (например, среднее арифметическое или медиана) индивидуальных оценок или предсказаний [2]. В более сложных случаях, например при ранжировании вариантов, используются специальные статистические модели, которые «извлекают» коллективную мудрость из набора индивидуальных выборов [5].

Нарушение любого из этих условий ведёт к «безумию толпы» — стадному поведению, финансовым пузырям или распространению панических слухов [25].

Три главных условия для «мудрости толпы»: независимость мнений, разнообразие людей и правильное усреднение ответов

Где мы с этим сталкиваемся: от прогнозов погоды до навигаторов

Феномен «мудрости толпы» не просто лабораторный курьёз. Он встроен в самые разные технологии и сервисы, которыми мы пользуемся каждый день.

• Краудсорсинг и коллективное знание. Самый яркий пример — Википедия. Её статьи создаются и правятся тысячами независимых участников, и в результате по многим темам достигается высокая точность и полнота. В медицине краудсорсинг используют для аннотирования сложных снимков, где коллективное мнение врачей может превзойти решение одного специалиста [12].
• Агрегаторы мнений. Сайты вроде IMDb (оценки фильмов) или TripAdvisor (отзывы об отелях) полагаются на усреднённые рейтинги тысяч пользователей. Хотя здесь есть свои искажения (например, люди чаще пишут отзывы при очень сильных эмоциях), в целом такие агрегаторы помогают сориентироваться в выборе [10].
• Предсказательные рынки и прогнозы. Существуют платформы, где люди делают ставки на исход событий (выборы, продажи фильма, научные открытия). Цена «акции» на таком рынке отражает коллективное предсказание его участников и зачастую бывает очень точной [4, 14].
• Технологии в реальном времени. Современные GPS-навигаторы (например, Waze или Яндекс.Навигатор) в режиме реального времени собирают данные о скорости движения всех водителей, использующих приложение. На основе этой «мудрости толпы» система строит оптимальные маршруты, объезжая пробки. Приложения для экстренной помощи, такие как Life Guardians, также используют принцип краудсорсинга для быстрого оповещения ближайших добровольцев о происшествии [6].

«Мудрость толпы» в жизни: Википедия, навигаторы, рейтинги и совместная работа врачей над снимком

Опасные грани: когда толпа ошибается

«Мудрость толпы» — не панацея. Есть целый класс задач, где этот метод даёт сбой или вообще не применим.

• Задачи без единственного правильного ответа. Вопросы вкуса, эстетики, морали или политические дилеммы не имеют объективного численного ответа. Коллективное мнение здесь показывает не «истину», а преобладающие предпочтения, на которые могут влиять мода или пропаганда.
• Слишком сложные или специализированные задачи. Если для решения проблемы требуются глубокие экспертные знания (например, расшифровка генома или проектирование реактивного двигателя), случайная группа неспециалистов не сможет дать хороший ответ. Их предположения будут настолько далеки от истины, что усреднение не поможет [3, 29].
• Влияние социального давления и манипуляций. Когда мнения перестают быть независимыми, возникает эффект стадного поведения или информационного каскада. Люди начинают повторять мнение первых высказавшихся или большинства, даже если у них есть иная информация. Это убивает разнообразие и приводит к массовым ошибкам [10, 25]. Так возникают финансовые пузыри или вирусное распространение фейковых новостей.
• Систематические ошибки. Если вся толпа подвержена одному и тому же предубеждению (например, все переоценивают риски редких, но ярких событий), то и среднее значение будет смещённым. Ошибки не скомпенсируются, потому что они все направлены в одну сторону.

Исследования предсказательных рынков, например, показывают, что их точность может падать в условиях высокой неопределённости или когда ставки делают некомпетентные участники [14].

Когда толпа ошибается: стадное поведение, когда все повторяют друг за другом, ведёт к общей ошибке

Толпа против эксперта: кто кого?

Так где же правда: в коллективном разуме или в голове одного гения? Ответ: это разные инструменты для разных задач.

Толпа выигрывает, когда нужно:

• Дать количественную оценку (вес, цена, время).
• Сделать прогноз на основе множества факторов (исход выборов, кассовые сборы).
• Предложить множество идей или вариантов на начальном этапе (мозговой штурм).
• Проверить факты или идентифицировать объект (краудсорсинговое аннотирование изображений) [12, 17].

В таких случаях усреднённый ответ толпы часто превосходит или равен по точности мнению даже очень хорошего эксперта [2, 16]. Более того, современные исследования показывают, что ансамбли больших языковых моделей (ИИ) могут достигать точности, сравнимой с человеческой толпой, в задачах прогнозирования [11].

Эксперт незаменим, когда нужно:

• Провести глубокий анализ и выявить скрытые причинно-следственные связи.
• Создать принципиально новое знание или инновацию. Толпа хорошо усредняет, но плохо генерирует прорывные идеи.
• Принять решение в условиях жёстких ограничений по времени, когда нет возможности опросить множество людей.
• Синтезировать и интерпретировать коллективные данные. Здесь роль эксперта трансформируется из единственного судьи в модератора, куратора или финального арбитра, который принимает решение на основе агрегированной «мудрости» [13, 26].

Таким образом, наиболее эффективные стратегии часто комбинируют оба подхода: используют толпу для сбора данных и генерации вариантов, а эксперта — для окончательного анализа и принятия решения.

Проверь себя: простой эксперимент

Вы можете легко пронаблюдать этот феномен на практике. Проведите мысленный или реальный эксперимент.

Задача: Оцените количество чего-либо. Например, сколько шариков в прозрачной банке? Какова длина линии на экране в сантиметрах? Сколько людей на фотографии митинга?

Как провести:

1. Покажите изображение или объект 10-15 друзьям, коллегам или членам семьи по отдельности. Важно, чтобы они не слышали и не видели догадок друг друга (условие независимости!).
2. Попросите каждого записать свою оценку.
3. Соберите все ответы.
4. Вычислите среднее арифметическое: сложите все числа и разделите на количество участников.
5. Вычислите медиану: расположите все числа по возрастанию и найдите то, которое стоит посередине списка.
6. Сравните оба значения (среднее и медиану) с реальным, правильным ответом.

С очень высокой вероятностью вы обнаружите, что либо среднее, либо медиана (а часто и оба показателя) будут гораздо ближе к истине, чем подавляющее большинство индивидуальных догадок, и, возможно, ближе, чем ваша собственная [5, 19]. Этот простой опыт наглядно демонстрирует, как работает статистическое усреднение ошибок.

Проведи эксперимент: попроси друзей угадать количество конфет в банке по отдельности, а потом найди среднее их ответов

Как использовать «мудрость» с умом: главные выводы

«Мудрость толпы» — это мощный инструмент, но пользоваться им нужно с пониманием его сильных и слабых сторон.

1. Доверяйте, но проверяйте условия. Прежде чем полагаться на коллективное мнение (рейтинг, прогноз, краудсорсинговые данные), спросите себя: были ли мнения независимыми? Участники были разнородны? Использовался ли правильный метод агрегации? Если есть сомнения (например, в отзывах, где все повторяют одну фразу), стоит насторожиться [8, 10].
2. Понимайте тип задачи. Для объективных оценок и прогнозов — это отличный инструмент. Для сложных аналитических задач, вопросов вкуса или морали — он мало что говорит об «истине».
3. Ищите агрегированные данные. Часто самая ценная информация — это не отдельные критические отзывы или восторженные комментарии, а именно усреднённый показатель (средний балл, медианный прогноз), который отфильтровал крайности.
4. Сочетайте с экспертизой. Самые эффективные решения рождаются на стыке коллективного интеллекта и глубокой специализации. Используйте «мудрость толпы» как источник данных и идей, но для сложных выводов и окончательных решений привлекайте экспертов или глубокий самостоятельный анализ [20, 26].

Итог прост: «мудрость толпы» существует и работает, но она не всесильна. Это не голос «народа», открывающий абсолютную истину, а статистический феномен, эффективный в чётко определённых рамках. Понимая эти рамки, мы можем извлекать из коллективного разума реальную пользу, избегая ловушек массовых заблуждений.

Источники

[1] The motor Wisdom of the Crowd. (Journal of the Royal Society, Interface, 2022). PMID: 36195116

[2] Accurate wisdom of the crowd from unsupervised dimension reduction. (Royal Society open science, 2019). PMID: 31417693

[3] Data-Mining Electronic Medical Records for Clinical Order Recommendations: Wisdom of the Crowd or Tyranny of the Mob? (AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science, 2015). PMID: 26306281

[4] Model-Based Wisdom of the Crowd for Sequential Decision-Making Tasks. (Cognitive science, 2021). PMID: 34213800

[5] The wisdom of the crowd with partial rankings: A Bayesian approach implementing the Thurstone model in JAGS. (Behavior research methods, 2024). PMID: 39080123

[6] Wisdom of the Crowd in Saving Lives: The Life Guardians App. (Prehospital and disaster medicine, 2018). PMID: 30220268

[7] A Model-Based Approach to the Wisdom of the Crowd in Category Learning. (Cognitive science, 2018). PMID: 29094372

[8] The distribution of initial estimates moderates the effect of social influence on the wisdom of the crowd. (Scientific reports, 2022). PMID: 36192623

[9] Enhancing the Wisdom of the Crowd With Cognitive-Process Diversity: The Benefits of Aggregating Intuitive and Analytical Judgments. (Psychological science, 2020). PMID: 32960747

[10] How Endogenous Crowd Formation Undermines the Wisdom of the Crowd in Online Ratings. (Psychological science, 2018). PMID: 30044721

[11] Wisdom of the silicon crowd: LLM ensemble prediction capabilities rival human crowd accuracy. (Science advances, 2024). PMID: 39514669

[12] Boosting wisdom of the crowd for medical image annotation using training performance and task features. (Cognitive research: principles and implications, 2024). PMID: 38763994

[13] Agents seeking long-term access to the wisdom of the crowd reduce immediate decision-making accuracy. (Philosophical transactions of the Royal Society of London. Series B, Biological sciences, 2024). PMID: 39463248

[14] Goal-line oracles: Exploring accuracy of wisdom of the crowd for football predictions. (PloS one, 2025). PMID: 39888863

[15] Is the true 'wisdom of the crowd' to copy successful individuals? (Biology letters, 2012). PMID: 21920956

[16] Wisdom of the expert crowd prediction of response for 3 neurology randomized trials. (Neurology, 2020). PMID: 32546652

[17] Leveraging the Wisdom of the Crowd for Fine-Grained Recognition. (IEEE transactions on pattern analysis and machine intelligence, 2016). PMID: 26959672

[18] Reframing the Performance and Ethics of Empathic AI: Wisdom of the Crowd and Placebos. (Perspectives on psychological science : a journal of the Association for Psychological Science, 2026). PMID: 41785327

[19] The wisdom of the crowd: A case of post- to ante-mortem face matching by police super-recognisers. (Forensic science international, 2019). PMID: 31421920

[20] Harvesting the wisdom of the crowd: using online ratings to explore care experiences in regions. (BMC health services research, 2018). PMID: 30342518

[21] "Vox Populi" Fractional Flow Reserve (vpFFR)-Leveraging Wisdom of the Crowd for the Assessment of Hemodynamic Severity of Intermediate Coronary Lesions. (Diagnostics (Basel, Switzerland), 2026). PMID: 41594245

[22] A solution to the single-question crowd wisdom problem. (Nature, 2017). PMID: 28128245

[23] Large Language Models and the Wisdom of Small Crowds. (Open mind : discoveries in cognitive science, 2024). PMID: 38828431

[24] The contribution of community wisdom to conservation ecology. (Conservation biology : the journal of the Society for Conservation Biology, 2016). PMID: 27110657

[25] Social learning strategies regulate the wisdom and madness of interactive crowds. (Nature human behaviour, 2019). PMID: 30944445

[26] Translating COVID-19 knowledge to practice: Enhancing emergency medicine using the "wisdom of crowds". (Journal of the American College of Emergency Physicians open, 2021). PMID: 33491003

[27] Individuals fail to reap the collective benefits of diversity because of over-reliance on personal information. (Journal of the Royal Society, Interface, 2018). PMID: 29769409

[28] Content validation of the NANDA-I nursing diagnosis risk for perioperative hypothermia (00254). (International journal of nursing knowledge, 2025). PMID: 39311482

[29] The application of crowdsourcing approaches to cancer research: a systematic review. (Cancer medicine, 2017). PMID: 28960834

[30] The decision-making and learning roles of a professional social network: The case of a family physicians' network. (International journal of medical informatics, 2021). PMID: 34139620

[31] Evaluation of editors' abilities to predict the citation potential of research manuscripts submitted to The BMJ: a cohort study. (BMJ (Clinical research ed.), 2022). PMID: 36517041

[32] Practice Governance 101, v. 2013. (Journal of the American College of Radiology : JACR, 2013). PMID: 23571058