无论是生物链中较低等的蚂蚁、蜜蜂、鸽子还是与人类相比没有思想的北美驯鹿，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。

　　我曾以为蚂蚁做什么事都心中有数。那些列队爬过我家厨房台面的小家伙看起来是那么信心十足。于是我猜它们早就定好了计划，知道要去哪儿，要做什么。不然的话，蚂蚁又怎能做出组织行军路线，建造复杂蚁穴，发动大规模突袭等等奇妙行为呢？

　　然而，我想错了。

　　单个蚂蚁并非是聪明的小工程师，建筑师或武士，当决定下一步怎么做时，作为个体的大多数蚂蚁根本毫无头绪。

　　那么，该怎么解释蚁群所完成的繁复而庞大的工程呢？

　　在1.4亿年的进化中，它们到底学到了什么？

　　这里实际提出了一个根本性的问题：个体的简单行动怎样组合成为群体的复杂行为？

　　蚁群的智慧

　　斯坦福大学的生物学家德博拉•M•戈登提出，蚂蚁在组成群体后就拥有了群体智慧的来源构建，这样一来蚁群可以解决对单个蚂蚁来说不可思议的事。

　　“蚂蚁并不精明，”戈登说，“精明的是蚁群。”一个蚁群能够解决的问题，是单只蚂蚁不可能办得到的，例如找到通往最佳食物来源的最短路径、保卫领土不被入侵。个别的蚂蚁可能是一个个小笨瓜，一旦形成群体，却能对环境做出迅速有效的反应，靠的就是“群体智慧”。

　　这种智慧的来源，引出了自然界的一个根本问题：单独的简单行动如何综合成群体的复杂行为？几百只蜜蜂怎么对蜂巢的重大问题做决定？是什么因素让鲱鱼群的动作配合得天衣无缝，能够瞬间同时改变方向？这些动物并不明白整个大局，但每一只都对群体的成功有贡献。它们的集体能力，让最了解这些动物的生物学家都惊叹不已。不过，在过去这几十年间，研究人员已经有了一些有趣的见解。

　　拿蚁群来说，蚁群运作的原则之一就是没有谁是“老大”。没有蚂蚁将军在指挥蚂蚁战士，没有蚂蚁经理在命令蚂蚁员工；蚁后只负责产卵，并不担任领导角色。就算是一个有50万只蚂蚁的蚁群，在没有任何管理的情况下仍能运作得很好。蚁群依赖的是个体间数不清的互动，每一只都依靠简单的法则行事。

　　以分配工作为例，在戈登研究红收获蚁的美国亚利桑那州沙漠，有一个蚁群每天早上会计算要派多少只工蚁出去觅食。数量视情况而定：觅食蚁最近是否在哪里发现了大量的美味种子？有的话，就得多派些蚂蚁去把它搬回来；昨夜的暴风雨打坏了蚁窝？那么就要多留些修缮工蚁来帮忙修补。一只蚂蚁有可能今天是修缮蚁窝的，明天是收集垃圾的，如果没有谁是主管，蚁群要怎么做这些安排呢？

　　蚂蚁靠接触和气味来沟通。当一只蚂蚁碰上另一只蚂蚁时，它会上前嗅闻，以了解对方是否为自己人，之前在哪里工作(在蚁窝外工作的蚂蚁，气味跟待在窝里的蚂蚁不一样)。通常觅食蚁每天都会等到清晨外出的巡逻蚁返回，再离开蚁窝。巡逻蚁进入蚁窝时，会跟觅食蚁碰一下触角。

　　“觅食蚁和巡逻蚁的碰触是一种刺激，告诉觅食蚁该外出了，”戈登说，“不过觅食蚁需要和几只巡逻蚁碰触，每次间隔不超过10秒，之后才会出去。”

　　为了看看这是怎么运作的，一天早上，戈登和她的研究搭档麦可•格林把刚离巢的巡逻蚁捉起来，等了半个小时，再以固定的时间间隔把玻璃珠丢进蚁窝入口，模拟蚂蚁回巢。珠子有的涂了巡逻蚁的气味，有的涂了修缮蚁的气味，有的没有气味。结果，只有涂了巡逻蚁气味的珠子会刺激觅食蚁离巢。

　　“觅食蚁没找到食物不会回巢，”戈登说，“食物愈少，觅食蚁花在找食物和回巢上的时间愈久；食物愈多，回巢也愈快。所以没有谁在决定今天是不是觅食的好日子，是集体在决定。”

　　这就是群体智慧的道理：简单的动物遵循简单的规则，每个个体根据局部资讯来行事，没有一只蚂蚁知道整体的情形。在牛津和普林斯顿大学任教的生物学家伊恩•库赞说：“再复杂的行为，也能用相当简单的互动来协调。”

　　从这个美妙的理论出发，人们解决了很多头痛的问题。休斯顿的“美国液化气公司”在美国大概有100个厂址，生产工业及医用气体，并使用管道、火车和卡车将气体运往6000个地点，由于某些地区电价变动，问题的复杂性又加深了一层。于是公司求助于一家人工智能公司“纽泰克方案”。

　　研究人员从阿根廷蚁身上找到了答案：这种蚂蚁有一种神奇的信息素，把食物带回巢穴的蚂蚁会沿途留下一些信息素轨迹，某条路径来往的蚂蚁越多，证明这条路越便捷。信息素虽然取代了触角，但其实质仍是交流信息。通过信息的共享轻而易举地得出群体的最佳决策，即使没有某个老大指挥，蚂蚁们也知道该怎样做。

　　公司效法蚂蚁，开发了一种派出数十亿‘软件蚂蚁’的程序，查找信息素轨迹最强的路线让卡车行驶。既然蚂蚁早已演化出寻找最佳路线的方法，为什么不照着做呢？研究人员把所有的信息集中起来，对每一种因素进行组合考量，在反复的模拟中得到最优化的方案，然后派卡车司机到交货价格最低的厂址提货。表面上看来路程远得不合常理，然而成本大大缩减了。对卡车司机来说，不选择离客户最近的厂址出发送货又费力又愚蠢，不过公司却在看到收益后大大惊喜了一番。

　　在英国和法国，电话公司通过编写信息程序，在转换站存入虚拟信息素，加快了电话在网络中的接通速度，正像蚂蚁为同伴留下信号，指明最佳路径一样。

　　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。