Краудсорсинг. Коллективный разум как инструмент развития бизнеса - Джефф Хау

На деле же нет никакой магии мудрости «толпы», это выражение только вводит в заблуждение. В приведенных выше риторических вопросах «толпа» отнюдь не была сверхмудрой, она даже не действовала как «толпа». Толпа предполагает группу людей, действующих заодно, например «толпа прорвавшаяся через ограждение и в истерике поклонившаяся автору». Хорошо, что авторы обычно не вызывают такую степень необузданного обожания, но вы поняли смысл определения «толпы» – это группа людей, объединенных по общему признаку. В отличие от коллективного разума, обладающего меньшим количеством общих признаков. Он процветает в прямой зависимости от разнообразия людей, объединенных в группу, и их возможности высказать личное мнение.

Существуют и другие условия, которые должны быть выполнены для того, чтобы разнообразие взяло верх над способностями. Во-первых, это должна быть действительно сложная ситуация. Ведь чтобы завязать шнурки, вам не нужна группа людей. Следующее условие: «толпа» должна иметь квалификацию, позволяющую решить поставленную проблему. Маловероятно, что случайная группа пассажиров метро превзойдет группу инженеров-ядерщиков в разработке более эффективного реактора. Даже «коричневые носки» Пейджа были отобраны в холле института, а не в телефонном справочнике. Также должен существовать способ оценки и обработки вклада каждого человека, как, например, система учета баллов и классификации. В конце концов, для обеспечения разнообразных подходов нужно вытащить участников «на свет» и предоставить каждому возможность выразить свою индивидуальность, свои «локальные знания».

Учитывая все это, давайте еще раз обратимся к противоречивым, на первый взгляд, примерам. Возьмем в качестве примера банку, наполненную разноцветными конфетами драже. Студенты, специально ли или случайно отобранные в одну группу, при решении одной и той же задачи будут использовать разные стратегии. Механизм последующей обработки этих решений прост: преподаватель собирает все расчеты и выводит средний оптимум. Самое важное, чтобы студенты записывали свои предложения, не консультируясь друг с другом, чтобы каждый думал и действовал самостоятельно. (Участники конкурса MATLAB не столько консультировались, сколько воровали друг у друга идеи, но их взаимная изоляция позволяла сохранять разнообразие.)

А теперь давайте рассмотрим пример телевизионной игры, в которой аудитория способна предугадать 90 % ответов. В телевизионной игре под названием-вопросом «Кто хочет стать миллионером?» участники отвечают на 15 вопросов, подобранных по возрастающей сложности. Если удается ответить на все 15 вопросов, они выигрывают $1 млн. К вопросам дается 4 возможных варианта ответов. Сталкиваясь с проблемой, участник может воспользоваться подсказкой. Это может быть звонок другу, обладающему энциклопедическими знаниями, или помощь зала. «Эксперты» превосходно справляются со своей работой, предлагая 65 % правильных ответов. Но зал ушел далеко вперед, угадав правильный ответ в 91 % случаев.

Это впечатляет. Это намного лучше, чем результат, который показывают самые лучшие игроки. Казалось бы, чем не доказательство того, что группа лучше самого умного человека. Но на самом деле это простая арифметическая функция. Даже если небольшое количество отдельных личностей знают правильный ответ, группа предскажет точный ответ. Пейдж писал, что это происходит потому, что «ошибки исключают друг друга, а правильные ответы, как сливки, сами всплывают на поверхность». Это можно легко продемонстрировать. Воспользуемся реальным примером из шоу. Где можно встретить шерпов и гуркхов? (A) Непал, (B) Марокко, (C) Эквадор или (D) Россия. Если только 4 % аудитории знает, что правильный ответ (A) Непал, можно считать, что остальная часть аудитории будет отвечать случайно. Результат будет следующим – 24 % аудитории будет считать, что это Марокко, 24 % – Эквадор и 24 % – Россия. Но 28 % скажут, что это Непал.

Естественно, разница между угадыванием ответа на простой вопрос и улучшением алгоритма в 1000 раз есть, и немалая. Пусть последний из приведенных примеров и не впечатляет, но и он бросает вызов безусловной вере в силу интеллектуальных способностей.

На первый взгляд компания MATLAB, казалось бы, привлекает в основном программистов с качествами группы «Менса». Другими словами, участники сами решают, участвовать им или нет, исходя из собственных знаний и практических навыков в решении определенной проблемы. Конечно, в конкурсе участвуют и лучшие программисты из Mathworks, но и кодировщики «со стороны» за годы пользования этим компьютерным языком обучились тем же трюкам, что и программисты компании. И именно начинающие кодировщики, которые вынуждены искать свои собственные обходные пути, совершают огромные когнитивные скачки, которые позволяют улучшить первоначальное решение. Если великие умы мыслят одинаково, а в большинстве своем так и есть, это означает, что они на самом деле составляют один разум. А, как выразился Пейдж, «две головы не лучше, чем одна, если в них одни и те же мозги». Разнообразие группы приводит к использованию различных методов при решении одной и той же проблемы. Конечно, применить подобный подход к решению проблем реального мира гораздо сложнее, чем при составление маршрута гипотетического коммивояжера, но это уже тема следующей главы54.

В конце осени 2004 г. Карим Лакхани из Школы менеджмента им. А. Слоана Массачусетского технологического института страдал от недуга, довольно распространенного среди молодых ученых: он устал от бесконечных исследований. «Я достиг того момента, когда у меня просто не оставалось времени на собственную диссертацию», – вспоминает Лакхани. Его диссертация была посвящена внедрению инноваций в ОПО, но после четырех лет трудов он почувствовал, что смертельно устал. Настало время взять отпуск. «Я бросил все и принялся за книгу Нила Стивенсона “Барочный цикл” (Baroque cycle)». Трилогия Стивенсона – историческая беллетристика о Европе эпохи Просвещения. Она оказала на Лакхани сильное воздействие. «В ней описывалось становление Королевского общества, рассвет эпохи рационального мышления, история систем счисления». Для К. Лакхани «Барочный цикл» был увлекательным рассказом об инновациях.

Лакхани очень заинтересовала одна из историй, содержавшихся в «Барочном цикле». Стивенсон описал историю «долготного» приза. В 1714 г. британский парламент предложил £20 000 (примерно $12 млн по нынешнему курсу) любому, кто предложит надежный способ определения долготы на парусных судах. Проблема была очень актуальной для королевского флота и была причиной регулярной потери кораблей, торговых грузов. Все это било по государственной казне. «Великие умы науки того времени, включая Исаака Ньютона, пытались создать такое устройство, но никто из них не добился успеха», – заметил К. Лакхани. Решение было найдено столяром из Йоркшира Джоном Гаррисоном. Он знал, что если перед выходом в море настроить точные часы по местному времени и взять их с собой, то во время плавания, определив по солнцу местное время, можно легко вычислить долготу местоположения судна. Так появился первый хронограф, который работал с высокой точностью даже в суровых условиях океанских путешествий. «Я прочитал это и подумал: “Хм, это очень похоже на ОПО. Кто-нибудь сообщает о проблеме, появляются разные странные люди, которые говорят, что у них есть решение. В конце концов, правильное решение находит человек, от которого вы этого совсем не ожидали”». «Долготный» приз – самый ранний из известных примеров краудкастинга: английский парламент, выпуская специальный билль, сообщил широкой аудитории о проблеме в слепой надежде, что кто-то где-то – возможно, даже столяр из Йоркшира – найдет ее решение.