导语

一项新技术，比如电动汽车，进入市场时，消费者会决定他们是否要使用这个新产品。根据接受创新的倾向，可以将消费者分为“早期采用者”（adopter）和“落后者”（laggard）两类。美国佛罗里达州立大学的 Bhargav Karamched 在Physical Review Letters上的最新论文，针对该现象提出了一个网络模型。该模型发现，落后者可以帮助整个群体做出更有益的决定，而不会延缓决策过程。该研究为影响群体智慧的因素，给出了新的洞见。

1. 基于随机游走的群体决策的缺陷

在过去的几年里，统计物理学已经帮助研究人员开发了社会物理学模型，来描述由相互作用因子构成的复杂系统。例如，有些模型揭示了人类社会观点的动力学[1]，以及语言和方言的演变[2]。

所有这些模型的一个核心组成部分是随机游走——一系列随机步骤产生的路径。例如当探员搜集信息时，可以上下移动。这意味着以前的模型尽管已经研究了决策的不同影响，但是通常忽略了个人在决定自己的想法时是如何考虑他人的决定的。

在一个富裕且环保意识强的社会里，对新产品的接受会随着时间的推移而增加，促使大多数人支持一个能够最大化社会效益的决定，例如采用电动汽车。然而，个人的决定是不可预测的：它们可能取决于特定的这一天的心情。

因此，是否使用新产品，遵循一种“有偏见的”随机游走：当朝着承担社会责任的结果演变时，并不会朝着结果直线前进，而是沿着它的方向波动。决定这个随机过程是否及何时达到某个临界点ーー即触发购买电动汽车的决定ーー就是所谓随机过程中的首次到达问题（first-passage problem）[3] 。

传统的社会物理学处理决策过程，是通过描述信念的演变规则来实现的。其来源于拟合经验数据或诉诸来自经验的原则[2, 4]。这些方法成功地再现了集体决策的一些特征，但不能解释与这些进程相关的许多心理机制。

2. 基于贝叶斯的决策模型

Karamched 和他的同事建立了一个以贝叶斯统计为基础的模型，来描述一小群人的决策如何能够向其他尚未决定的人提供信息。贝叶斯统计是一个数学框架，通常应用于事件发生的概率取决于先前的信念或与事件相关知识的过程。有证据表明，人类的推理和决策过程可以被模拟为贝叶斯推断，这反过来又促进了模拟人类大脑认知功能的人工智能算法发展[5]。

Karamched 的这项研究证明，私人信息的积累相当于一种随机游走，由一种持续的力量驱动着每个人的偏好朝着大多数人喜欢的结果方向移动。

论文题目：

Heterogeneity Improves Speed and Accuracy in Social Networks

论文地址：

https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.125.218302

群体决策模型，红色为早期采用者，Ta 逐渐说服蓝色的未决定者，而绿色为落后者

在其模型中，一个主体（agent）在信念足够强的情况下做出决定：如果偏好达到一个阈值 +θ，主体会做出有利的选择；如果达到 -θ，主体会选择不那么有利的结果。θ 的值取决于不同的个性：对于早期采用者来说，θ 的值很小，对于落后者来说，θ 的值很大。

最初，所有的主体都还没有决定，偏好服从随机分布。由于一些主体的个别研究，偏好的分布将慢慢向有利的决定倾斜。而只要有一个人做出决定，其他人就会看到这个决定，并且受到影响。

在研究者的模型中，观察者通过调整决策者的阈值 (+θ 或 -θ) 来做出反应。接下来会发生什么取决于人口是同质的（所有人都有相同的阈值）还是异质的（有早期采用者和有不同阈值的落后者的混合）。

3. 同质和异质，如何影响群体决策

对于一个同质化的社会，如果第一个决策者选择了有利的选择，那么他将说服任何一个满足决策阈值的人做出同样的决定。由于倾向于有利的决定，稍微过半的人属于这一类，这将说服其余的人“第一个决定是一个好的决定”。

另一方面，如果第一个决策是不利的，那么具有对社会不利偏好的人会跟随领导者，但这些人不会达到总人口的一半。在此基础上，尚未决定的人可以推断出第一个决策是不利的，并选择相反（有利）的那一个。尽管最初的决定很糟糕，但是最终多数人仍会做出最有利的选择。

如果社会被分成早期采用者和落后者，决策动力学将是不同的，如下图所示。在这个模型中，当早期使用者做出决定时，落后者会根据早期使用者的阈值，大幅缩小自己的决策阈值。

决策阈值更低的人，在最初的浪潮后，就会效仿早期采用者

假设在一群尚未决定的人（蓝色）中，早期采用者（红色）做出了一个糟糕的决定。看到这个决定，一组早期采用者也跟着做，但是决策阈值稍大一些的早期采用者（绿色）选择了最有益的解决方案。在观察了早期采用者的决策之后，落后者做出了决定，导致很大一部分人纠正了最初那个糟糕的决定。

早期采用者（红色）和落后者（蓝色）组成的社会如何做出集体决策

换句话说，落后者认识到一个早期采用者的决定是草率和不可靠的，并给予较小的权重。因此只有早期采用者会受到第一个决定的强烈影响。而落后者只在有足够数量的早期采用者跟随第一个决定者时，才会做出反应。然后更小的探索团体将形成，尝试更多可能的决定，并提供反馈，落后者可以据此决定是否跟随。

4. 总结

该模型表明了落后者的怀疑态度，是如何通过基于更可靠的数据做出集体决策，从而促进更大的利益。即使最初的决策很糟糕，占更大比例的落后者最终会做出有利的选择。

尽管如此，早期采用者仍然是必不可少的：如果没有他们草率的决定，就没有信息可供落后者利用。此外，早期采用者决策的速度加快了集体决策的速度，这远比让落后者单独通过缓慢的个人研究过程积累信息快得多。研究人员发现，对于不同的人口情况，各自存在最佳的采用者-落后者比例，使决策结果最大化。

设计实验或观察来测试异质群体是否在现实世界中做出群体利益的决定是很有趣的，正如新模型所预测的那样。悬而未决的问题是一个关键的模型假设是否合理：人们是否真的能够将较低的权重分配给早期采用者的第一个有风险决定？

公共卫生运动的经验[4]表明，情况可能是这样的：与早期采用者相比，锁定落后者通常被证明更为有效。然而由于前者其创新性，往往被社会投入了过多关注，而忽视了锁定落后者的影响。目前，广泛采用健康措施和行为改变（例如戴口罩）是至关重要的，来自 Karamched 的模型，或许可以帮助公共卫生活动人士确定应该以谁为目标、最有效地传播他们的信息。

本文编译自：
https://physics.aps.org/articles/v13/175

参考文献

[1] C. Castellano, “Statistical physics of social dynamics,” Rev. Mod. Phys. 81, 591 (2009).

[2] R. A. Blythe, “Colloquium: Hierarchy of scales in language dynamics,” Eur. Phys. J. B 88, 295 (2015).

[3] S. Redner, A guide to first passage processes (Cambridge University Press, Cambridge, 2001)

[4] E. M. Rogers, Diffusion of innovations (Free Press, New York, 2003)

[5] S. J. Gershman et al., “Computational rationality: A converging paradigm for intelligence in brains, minds, and machines,” Science 349, 273 (2015).