赌马的蜜蜂

　　说到群体智慧，身怀实用绝技、能让人类学习的昆虫并不是只有蚂蚁。在美国缅因州南岸一座海风轻拂的小岛上，生物学家汤玛斯·西利研究蜜 蜂善于做决定的神奇本领已经有一阵子了。由于一个蜂巢里最多有5万只工蜂，蜜蜂因此演化出可化解个体间争议、求得群集最大利益的方法。

　　过去10年来，西利和加州大学河滨分校的寇克·菲舍尔等人，一直在研究蜂群是怎么选择新家的。晚春一到，蜂巢开始变得拥挤，蜂群通 常会分家，蜂后、部分雄蜂和半数工蜂会飞行一小段距离，聚集在一根树枝上。蜂群就在那里露宿，由小部分蜜蜂去找新房。最理想的筑巢地点是在离地够高的树洞 里，有朝南的小孔作为入口，内部有空间容纳幼虫和蜂蜜。蜂群一旦选好地点，通常不会再搬，因此选择必须正确无误。

　　西利的团队想知道这是怎么办到的，他们把几个4000只左右的小型蜂群运到“浅滩海洋试验室”所在的阿普多尔岛，把每个蜂群都放走，让蜜蜂去找他们放在岛屿一边的蜂巢箱。这座一公里长的小岛上有很多灌木，但几乎没有乔木或其他适合筑巢的地方。

　　在一项试验中，他们放了5个巢箱，其中4个不够大，一个差不多刚刚好。很快，5个箱子周围都出现了侦察蜂，这些侦察蜂回到蜂群时都跳起 了摇摆舞，催促其他侦察蜂也去瞧一瞧。每一支舞的强度反映出侦察蜂对该筑巢地点的热衷程度。过了一段时间，已有几十只侦察蜂跳得非常起劲，有的支持这个地 点，有的支持那个地点；每只巢箱周围都有一群蜜蜂嗡嗡起舞。

　　决定的那一刻不是发生在主蜂群内，而是在外面，在侦察蜂聚集的巢箱周围。只要有一个巢箱入口的侦察蜂在15只左右(这个门槛已由其他试验证实)，那只箱子周围的蜜蜂感觉出法定数目已经达到，便会回到蜂群中宣布这个消息，新家选定了。

　　“这是一场比赛，”西利说，“哪一个地点会最先累积到15只蜜蜂呢？”

　　从被选中的巢箱返回的侦察蜂会分散到蜂群中，发出搬家的讯号。一旦全部蜜蜂都准备好了，蜂群就会一起飞到新家。果不其然，新家就是5个箱子中最理想的那个。

　　这就像赌马，虽然不是所有的人都精通此道，但是裁决权掌握在最多的人手中。你可以是赛马老手，也可以是什么都不懂，然而所有的赌马者都 会搜集各种情报，发表不同意见，下注情况便代表了集体的判断。我们允许尽可能多的自由选择，是为了更好地做出最明智的判断。正因为如此，赔率最低的马几乎 是跑第一，因为那代表了集体的智慧。

　　不知你发觉没有，芝加哥期货交易所那些狂热的贸易商们，不管中间过程多么微妙繁琐，决定大豆未来价格的程序和蜜蜂几乎是相同的。这不能不说是神奇的，因为蜜蜂的思维和人相比是那样微不足道。

　　蜜蜂的决定规则是广纳不同选项，鼓动各种想法的自由竞争。这些规则让西利大为叹服，他现在把它用在康奈尔大学自己担任系主任的系里。 “我把从蜜蜂身上学到的东西用在系务会上。”他说。西利要与会人员找出所有可能性，把各自的想法拿出来讨论一番，然后进行不记名投票。“蜂群就是这么做 的，这种做法使一个团体有时间让最好的想法浮现，并获得采纳。一般人通常都很愿意接受这样的做法。”

　　分散的智慧

　　科学家们曾经对这样的想法嗤之以鼻：一大群机器人可以彼此毫无妨碍地在完全陌生的环境中协同完成一件任务。怎么可能呢？他们会想，设定好程序统一行动的机器人怎么会知道该去哪里，协调同伴完成任务呢？

　　不知你注意过没有，在广场上悠闲休憩的鸽群，在稍微受到一点惊扰时就会马上起飞避险。它们的动作是那样的娴熟优美，丝毫没有惊惶失措四处乱撞的情形发生。

　　北美驯鹿群在突发状况前同样显得那样有组织性，各自朝着逃生的方向奔跑。没有一只驯鹿会挡住同伴的逃生方向，也不会发生踩踏之类的事故。

　　它们的头领并没有事先组织过，当然动物自己也没有思考过为什么要这样做(你认为它们能思考这样做的意义么？)，但它们就是知道该怎样跑能让自己和同伴都免于丧命，这种自发的群体智慧你见过吗？

　　其实它们遵循的还是简单的法则：避免冲撞，跟紧附近同伴，按群体的平均走向运动。这跟蜜蜂的决策无关，只是为协调行动而已。依靠这样的群体智慧，机器人模拟鸟群进行协同活动完成任务的疯狂梦想已经在开始实现。

　　在美国，西南航空公司对一个基于群体行为的模型进行了测试，以之改善菲尼克斯天空港国际机场的服务。该公司每天约有200架飞机在两条 跑道上起落，使用三座中央大厅的登机口。公司想保证每架飞机能尽快出入，即便航班提前或晚点。工作人员道格·劳森说：大家不喜欢坐在离出入口仅500米的 飞机里，却不得不等另一架飞机起飞后才能下机。因此，劳森为机场建立了一套计算机模型。他让每架飞机记录从登机口出入所花的时间，然后启动模型，模拟机场 一天的活动。

　　他说：“飞机像蚂蚁一样寻找最佳登机口。”但并不是通过沿路留下虚拟信息素，而是各自记住速度较快的登机口，忘掉速度较慢的。把真 实数据作为抵达和起飞时间的变量输入模型，经过多次模拟之后，每架飞机都学会如何避免在停机坪上无谓的等待，同时避免和其他的飞机造成冲撞。所有的飞机协 同完成了一件困难的工作，变得更有效率。

　　最大的变化可能体现在互联网上。谷歌就利用类似于蜜蜂投票的群体智能来查找你搜索的内容。当你键入一条搜索时，谷歌会在它的索引服 务器上考察数十亿网页，找出最相关的，然后按照它们与其他网页链接的次数进行排序，把链接当作投票来计数(最热门的网站还有加权票数，因为它们可靠性更 高)。得到最多票数的网页被排在搜索结果的列表最前面。谷歌通过这种方式利用网络的群体智能来决定一个网页的重要性。

　　这就是群体智能的美妙魅力，无论我们讨论的是蚂蚁、蜜蜂、鸽子还是北美驯鹿，智慧群体的组成要素——分散化控制，针对本地信息行 动，简单的经验法则——加在一起，就构成了一套应对复杂情况的精明策略。不过，我们还不习惯以分散化的手段来解决分散化的问题，就像我们无法通过到处树立 停车标志和交通灯来控制像公路交通这样的紧要事情，但是，若能把交通塑造成一种自主组织系统，一定能凸显群体智慧的优势。

　　事实上，按《群众的智慧》一书的作者詹姆斯·索罗维基的说法，采用蜜蜂规则的团体几乎都会变得更聪明。索罗维基说，只要成员多样化，能独立思考，并以投票、竞标等机制来产生集体决定，不论是股市投资者、科学家，甚至玩猜猜看游戏的小孩，都能成为聪明的团体。

　　这种想法凸显出集体智慧的一个重要真理：只有当每个成员都以负责任的态度行动、自己做决定的时候，群众才会趋向于有智慧。如果成员都互 相模仿，或者成为潮流的奴隶，又或者只等着别人来告诉自己怎么做，这样的团体是不可能聪明的。蚂蚁也好，律师也罢，团体要变得聪明，就得仰仗成员做好自己 分内的事。

　　作为蜜蜂的个体看不到全局，同样作为普通人的我们也看不到总体的需要，但我们会看到周围，会和周围分享信息，知道什么时候当义工，什么时候做公益活动，没有人统一指挥，在我们临时有事时也不会对整体造成损失。

　　不妨效仿一下动物，在充满复杂性的世界中简洁明了地解决复杂的任务。