چالش‌های طراحی سیستم‌های مبتنی بر خرد جمعی
سهمتو از چند سال پیش با ایده رتبه بندی تحلیلگران بازارهای مالی و تجمیع نظرات آنها برای طراحی سیستمی مبتنی بر خرد جمعی کار خود را شروع کرده است. در این نوشتار سعی دارم معرفی اولیه ای از نظریه خرد جمعی و پیچیدگی‌های طراحی سیستمی مبتنی بر خرد جمعی داشته باشم.
"خرد جمعی" می‌گوید که گروه‌های بزرگ از افراد می‌توانند به طور جمعی تصمیمات و پیش‌بینی‌های بهتری نسبت به افراد یا گروه‌های کوچک بگیرند. همین مفهوم را می‌توان برای پیش‌بینی قیمت سهام یا ارز دیجیتال نیز بیان کرد و با جمع‌آوری نظرات و پیش‌بینی‌های یک گروه بزرگ از افراد برای ارائه پیش بینی این حوزه ها استفاده نمود.
برای ساخت سیستمی مبتنی بر خرد جمعی نیاز است تا حداقل سه مرحله را طی کنیم.
- جمع‌آوری داده‌ها: پیش‌بینی‌ها را از تعداد زیادی از افراد جمع‌آوری کنید. این کار می‌تواند از طریق نظرسنجی‌ها، رای‌گیری‌ها، پلتفرم‌هایی که کاربران می‌توانند پیش‌بینی‌های قیمت خود را وارد کنند و یا از طریق جمع‌آوری انبوه اطلاعات از فضای مجازی صورت پذیرد.
- استخراج اطلاعات: پس از جمع‌آوری اطلاعات اولیه که شامل متن و عکس است باید راهکارهایی برای استخراج داده‌های تحلیلی مورد نیاز برای این کار طراحی کرد. برای این کار ترکیبی از هوش مصنوعی یا روش‌های مبتنی بر یادگیری ماشین استفاده می‌شود.
- تجمیع: داده‌های جمع‌آوری شده را ترکیب کنید تا میانگین یا میانه پیش‌بینی‌ها را پیدا کنید. این پیش‌بینی تجمیع شده اغلب به دلیل تنوع نظرات و قانون اعداد بزرگ دقیق‌تر است که البته می‌تواند با در نظر گرفتن اعتبار مشارکت‌کنندگان یا بدون آن انجام شود.
- تحلیل: از روش‌های آماری و یا هوش مصنوعی برای تحلیل داده‌های تجمیع شده و شناسایی روندها یا الگوها استفاده کنید.
استفاده از خرد جمعی برای پیش‌بینی، از جمله پیش‌بینی قیمت بیتکوین، به عوامل مختلفی بستگی دارد که کیفیت و دقت پیش‌بینی را تحت تأثیر قرار می‌دهند. برخی از مهم‌ترین این عوامل عبارتند از:
- تنوع داده‌ها و شرکت‌کنندگان: تنوع در پس‌زمینه، تخصص و دیدگاه‌های شرکت‌کنندگان باعث می‌شود طیف وسیع‌تری از نظرات و اطلاعات در پیش‌بینی لحاظ شود. این تنوع کمک می‌کند تا سوگیری‌های فردی کاهش یابد و پیش‌بینی جامع‌تری حاصل شود.
- استقلال نظرات: شرکت‌کنندگان باید بتوانند نظرات خود را مستقل از دیگران ارائه دهند. تاثیرات نامطلوب فشار همتایان یا تفکر گروهی می‌تواند از پیش‌بینی درست قیمتی جلوگیری می‌کند.
- مکانیزم تجمیع داده‌ها: روش‌های مناسب برای جمع‌آوری و تحلیل نظرات مختلف ضروری است. استفاده از الگوریتم‌های پیشرفته برای وزن‌دهی به نظرات مختلف می‌تواند دقت پیش‌بینی را افزایش دهد.
- حجم داده‌ها: تعداد کافی از شرکت‌کنندگان برای ایجاد یک نمونه معنادار ضروری است. حجم بالای داده‌ها می‌تواند به کاهش خطای تصادفی و به دقت پیش‌بینی قیمت کمک کند.
- کیفیت اطلاعات: دسترسی شرکت‌کنندگان به اطلاعات دقیق و به‌روز در مورد موضوع پیش‌بینی مهم است. همچنین آموزش و راهنمایی مناسب به شرکت‌کنندگان می‌تواند کیفیت نظرات را بهبود بخشد.
- زمان‌بندی و تکرار: جمع‌آوری منظم و مداوم نظرات می‌تواند به شناسایی روندها و تغییرات در طول زمان کمک کند. به‌روزرسانی مکرر پیش‌بینی‌ها با توجه به اطلاعات جدید می‌تواند دقت را افزایش دهد.
- مدیریت انگیزه‌ها: ایجاد انگیزه‌های مناسب برای شرکت‌کنندگان جهت ارائه پیش‌بینی‌های دقیق و صادقانه مهم است. سیستم‌های پاداش یا اعتبار می‌توانند به بهبود کیفیت مشارکت کمک کنند.
- شفافیت فرآیند: شفافیت در نحوه جمع‌آوری و تحلیل داده‌ها می‌تواند اعتماد به نتایج را افزایش دهد. ارائه بازخورد به شرکت‌کنندگان در مورد دقت پیش‌بینی‌های قبلی می‌تواند به بهبود عملکرد آنها کمک کند.
- آزمایش Steemit: یک پست در Steemit یک پیش‌بینی موفق را برجسته کرد که در آن اکثریت شرکت‌کنندگان به درستی محدوده قیمت بیتکوین را برای پایان آوریل 2021 پیش‌بینی کردند.
- آزمایش Reddit: یک موضوع در Reddit یک آزمایش را انجامداد که در آن کاربران قیمت بیتکوین را برای 31 دسامبر 2024 پیش‌بینی کردند. پیش‌بینی‌های تجمیع شده بینش جمعی درباره قیمت مورد انتظار ارائه داد.
