群体估计优于个体的前提是各人的判断相互独立
别名: 集体智慧 · 判断独立性 · wisdom of crowds · 多样性预测定理
概念解释
判断独立性（independence of judgments）是群体成员在估计或评价时不直接复制同一错误、同一可见答案或同一利益信号。群体平均可能优于单人，前提不是人数多，而是错误至少部分互相抵消。
机制
独立来源、经验和视角产生不同误差，聚合能降低随机偏差；若成员先看到同一排名、领袖意见或彼此选择，误差会相关化并被重复计数，表面上很多票，实质上可能只是一个早期信号的回声。
第二层机制可以用一个精确的分解来说清楚，而不只是定性地说"独立有好处"：群体平均的误差（群体估计与真值之差的平方）等于个体误差的平均值减去个体判断之间的多样性（个体估计彼此之间的离散程度）。这个分解直接说明两件反直觉的事：第一，群体只要有足够多样性，即使每个人平均水平一般，聚合结果也可能超过群体里最厉害的单个人——多样性本身就是在为群体误差做减法，不需要额外假设群体成员格外聪明；第二，这个分解也精确指出了从众为什么有害——从众会同时压低多样性这一项，如果压低多样性带来的损失超过了从众过程中个别人因为参考他人而略微改善的个体准确度，群体整体的表现反而会变差。独立性之所以是"前提"而不是"锦上添花"，正是因为它直接对应分解式里那个会被从众吃掉的多样性项。
怎么研究
- 范式：比较独立作答、先看群体答案和小组讨论后的估计误差；用前述分解公式，分别测量并报告"个体平均误差"和"个体间多样性"这两项在不同条件下各自的变化，而不只报告最终的群体误差。
- 变量：信息可见性、判断相关性、群体规模、聚合方式、个体平均误差、个体间多样性、置信度。
- 方法论注意点：独立不等于隔离所有信息，需区分有用证据共享与无证据从众；只报告群体最终误差会掩盖"到底是平均水平变差了还是多样性被压低了"这一更有诊断价值的问题，应该把两项分开报告。
边界
独立但全都缺乏知识时，聚合不会产生专家能力——分解公式里的个体平均误差本身就很大，多样性再高也补不回来。对需要共同协调的决定，完全独立也不现实，关键是先保留独立输入再讨论。这条现象的经典证据大多来自一次性估计任务、成员彼此陌生、只需要给出一个数值答案的场景（比如经典的"猜重量"实验）；搬到需要长期协作、判断内容复杂到无法用单一数值概括的真实团队决策时，多样性带来的收益是否还能覆盖协调成本，缺少同等扎实的证据，不能想当然地认为结论可以直接平移。
怎么落地
- 让成员先私下估计或评价，再展示汇总和讨论，保护多样性这一项不被过早的从众压低。
- 显示来源多样性和不确定性，不把一致当作必然正确；如果条件允许，向决策者展示"个体分歧有多大"这一项，而不只是最终的汇总数字。
- 对高后果判断邀请独立复核与专业证据。
- 验证办法：比较独立阶段与可见阶段的准确度、方差和早期答案影响；分别核算这两个阶段下个体平均误差和个体间多样性各自的变化，确认多样性下降是否是准确度下滑的主因。