众包-大众力量缘何推动商业未来

在安大略棚户湾路凯利汽车修理厂的楼上，我们能找到企业研发部门的未来。那儿是埃德·梅尔卡雷克周末的栖身之地，他是”创新中心”最成功的问题解决者之一，这个地方是个单身公寓，房间里散落着扩音器、吉他、电能转换器、两台台式电脑和一个喇叭、半个浮舟，以及相当多的电子小玩意儿，足够开一家电子产品店。几乎每周六，梅尔卡雷克都会到这来，给自己倒一杯酒，点一根烟，然后开始为世界500强公司解决难题，对这些难题，即使是公司最好的科学家都一筹莫展。

大众的才华不胜枚举，一些科学才华和专长过去只存在于神圣的学术领域。现在，大众当中的一些人也能拥有。

高瞻远瞩的公司正在开发这种新兴的智力资本之泉，并且在改变研发过程。在这里，没有了白色的实验服，取而代之的是梅尔卡雷克，他就像則面提到的化学家乔治亚一样，是14万”问题解决者”之一、他们构成了”创新中心”的科学家网络。

药品生产商礼来公司在2001年为”创新中心”的成立提供了资金——这也是公司和外援联系的方式。最开始，“创新中心”就对那些希望利用网络资源，尤其是专家资源为自己服务的公司敞开大门，比如波音、杜邦，还有宝洁这样的公司，它们将自己最棘手的科学问题公布在”创新中心”的网页上；登录网站的每一个人都可以尝试解决这些问题。一般而言，公司会支付给解决问题的人1万～10万美元不等的报酬（它们也会支付给”创新中心”一些费用）。“创新中心”的首席科技官吉尔_帕内塔说,网站上超过30%的问题都能得到解决，“比传统的公司内部的方法多解决30%的问题”。

“关于研发，每个和我聊过的人都面临一个类似的问题。“宝洁负责科技创新的前副总裁拉里·休斯顿说，“‘研发预算的增长速度每年都超过销售的增长速度。‘现有的研发模式已经不行了。”

宝洁是创新中心最早和最好的客户之一，但公司和其他的众包网络也有合作。比如说，YourEncore允许公司为了某个项目，在该网站临时雇用一些退休的科学家。和“创新中心”类似，Ninesigma也是一个创新的网上生产基地。“人们总以为这是外包，但绝对不是。“休斯顿说，“外包，是我雇用某些人完成一项工作，工作完成后，我们的合作关系就结束了。这和这个时代的雇用关系没有太大的差别。而众包是指从外面引进一枇人，让他们参与到一个创意无限的合作过程中。”

虽然”创新中心”的大部分问题解决者是成熟的科学家，但还是有很多业余爱好者，在车库之类我们已经非常熟悉的地方工作，比如有一个达拉斯大学的毕业生，他发明了一种用于修复艺术品的化学药品；北卡罗来纳州的一名专利律师想出了一种用于混合大量化合物的新方法。或者来看看梅尔卡雷克，这个性格温和但行为古怪的电气工程师，他的实验室只有录音棚的两倍大。然而，他却解决了高露洁公司内部研发人员无法解决的问题。

包装商品零售业巨头高露洁公司，想在不逸散到周围空气中的情况下将氟化物粉末注射到牙膏管内。看过这个难题后，梅尔卡雷克就知道自己有办法：只要在和牙膏管接触时，给粉末带上一个电荷，帯有正电荷的氟分子就会被牙膏管吸引，从而避免逸散。

“这确实是一个非常简单的方法。“梅尔卡雷克说。那为什么高露洁想不到呢？“大概是因为公司的化学家不太懂物理吧。”

就这样，梅尔卡雷克赢得了2.5万美元的报酬。假如高露洁拨款让研发部门想出同样的方法，即使能做到，也可能要花上好几倍的钱。“这是很难的挑战。“梅尔卡雷克说，“它的确让我增强了自信。”

梅尔卡雷克在自己的科学之路上一直特立独行。他花了4年时间，在加拿大英属哥伦比亚省的温哥华获得了世界级粒子加速器的硕士学位，但他决定不读博士。“一家私营公司雇用了我，“他停顿了一下，接着说，“我确实很需要钱。“他找了一些与工程学相关的工作，但相继放弃了，因为这些工作都不能让他学以致用，或是满足他对动手的需要。“朝九晚五的工作不适合我。“梅尔卡雷克说。

他零星地做了一些工作，设计了很多产品，比如散热器、工业喷漆机器人等。不是每个聪敏而且有求知欲的知识分子都要待在大学或者私人基金赞助的实验室里，做着一份待遇优厚的工作，有些人就爱制造供热通风与空调系统。

对梅尔卡雷克来说，“创新中心”是他从科学的偏僻之地走出来的机会。在过去5年里，他每周都要上几次”创新中心”的网，看看有什么新的挑战。最近，这些问题被分为化学和生物两类。梅尔卡雷克并未接受过这两门学科的学术培训，但他很快意识到，这不会妨碍他。“我看到过很多化学难题，都能够用电动机械的方法来解决，而这些是我从粒子物理中学到的。”

除了氟化物注射的难题，梅尔卡雷克还成功地改进了一种净化硅酮溶剂的方法，赚了1万美元。之后，梅尔卡雷克陆续解决了创新中心的另外5个难题。“对于仅仅几周的工作来说，这样的收入还是不错的。“他轻声笑道。

梅尔卡雷克发现了一个获胜公式：寻找那些可以用物理学或者电气工程学解决的化学或生物问题。2007年，“创新中心”新增了工程学类别问题，但梅尔卡雷克对此并没有兴趣。他解决的7个问题都是其他领域的。

这让我们对梅尔卡雷克有了一些了解(他是那种不喜欢凭直觉工作的人)，但我们了解更多的是”创新中心”。当莱克汉尼仔细研究了”创新中心”的资料后，发现梅尔卡雷克并不是例外，他代表了一种规律——最有可能解决问题的科学家，是最意想不到的那些人。

“实际上我们发现，‘问题解决者’更容易在与自己专业无关的领域获得成功。“莱克汉尼说。问题离他们的专业越远，就越有可能得到解决。“我们把问题比做花朵，其目的不仅是吸引最多的昆虫，而且是吸引种类最多样化的一群昆虫。”

莱克汉尼的论文有一个更有趣的观点：在成功解决问题的人当中，足有75%的人已经知道问题的答案。研究表明，这些全球最顶尖企业的研发人员历时数年都没能解决的问题，其解决方法居然不需要突破思维，也不需要其他的智囊出谋划策，只需要足够多样化的一群人来尝试。这些都支持了哈耶克的论点：不是只有获得更多的知识才能取得进步，而是要学会汇总和利用我们已有的知识。我问梅尔卡雷克，他花了多少时间来解决”创新中心”的问题，他的答案很能说明问题——“如果我想了30分钟还不知道该怎么做，就放弃”。

对于商业和科学领域的人来说，莱克汉尼的发现也许算新闻。因为在这些领域，几十年来专业化的风潮大行其道。但它们恰好吻合经济社会学几十年来的研究，与被社会学家称做”弱连接力量”的法则不谋而合。

1970年，哈佛大学社会学准博士马克·格拉诺维特跨过查尔斯河来到马萨诸塞州牛顿市，询问了当地282名职业技术方面的管理层人员，如何得到了现在的工作。调查结果是，大多数人利用了私人关系，这个结果并不意外，只是再次印证了一个传统观点——“你知道什么并不重要，重要的是你认识谁”。但是，格拉诺维特的研究更深入了一些，他想知道到底是哪种私人关系。是配偶？兄弟？还是密友？结果——都不是。只有16.7%的人是通过这样亲密的关系找到工作的，剩下借由个人关系找到工作的都是通过他们几乎不认识的人。帮助最大的是朋友的朋友。

因为我们熟悉的人知道的事情和我们知道的是一样的，比如知道的适龄单身人士一样，知道的工作机会也一样。哪些公寓正在出租？——我们知道的还是一样。

弱连接力量和公司环境内那种根深蒂固的偏见正好相反。莱卡汉尼说：“在人际交往中，人们有很强的同质化倾向，也就是我们通常说的物以类聚。因此，即使公司通过寻找外援来解决问题，也会依赖于它们了解的人或者合作对象，同样会产生在局部寻找的偏见，这和在公司内部解决问题没什么差别。”

这样看来，那些难倒宝洁顶尖科学家的问题，梅尔卡雷克几杯白兰地下肚就能解决，也就不足为奇了。

要让一切实现，关键是要在像”创新中心”这样巨大的网络中寻求外援。或者，像莱卡汉尼的比喻，让你的花尽可能吸引更多的昆虫。这点说起来容易做起来难。“公司是不能对外公布它们的内部问题的。传统的公司文化限制外人接触内部信息，而不是越多越好。“那么还有什么比让它们束手无策的问题更加隐秘的公司内部信息？当然，这样反而会给那些愿意逆流而行的公司提供更好的机会。

如果一个文化程度不高的家具工可以解决他的时代最令人困惑的问题之一，如果一个电气工程师能解决世界500强公司遇到的最棘手的化学问题，那么，MATLAB的内德·格利对于未来集体智能也许可以治愈癌症的设想也许并不荒谬。

这个目标并不像听上去那么遥不可及。受到SETI家庭工作室分布式计算启发，斯坦福大学化学系开展了一项“折叠”家庭实验室计划(Folding@home)，也就是利用成百上千台家用电脑的剩余计算能力模拟”蛋白质折叠”——蛋白质自我组装形成生物分子的过程——这对于了解囊胞性纤维症和阿耳茨海默氏病（提早老年痴呆症）以及癌症等疾病，是关键性的一步。

从开发上千台电脑的剩余生产力到开发上千个大脑的剩余生产力只需向前迈一小步，而且这件事已经发生了。

“创新中心”最近和非营利组织prize41ife合作，对方提供100万美元的奖金寻找能够帮助治疗”运动神经元症”——又称”葛雷克氏症”——的方法。这种模式很容易被应用到寻找其他病症的治愈方法上。大众最接近的规模（也就是网民的人数）是10亿，当10亿变成30亿会发生什么？所有这些人一起工作，会创造出怎样的集体认知成就？

把难题交给众包解决，这一方法已经渗透进了最不可能创新的美国联邦政府。2007年，佛蒙特州的独立派、参议员伯尼·桑德斯提出一个议案，将专利部门给予药品公司的药品专卖权用一种现金奖励的方式取代。议案提议政府建立800亿美元的基金，将这笔钱用于奖励定向的医药目标，比如改进疟疾的一些治疗方法。

目前药品公司并没有资金研究这类救命的治疗方法。

因为对疟疾这类杀手看似无情的漠视，药品公司成为众矢之的，但实际的原因是这类药品的研发费用十分高昂，而最需要这类药的人也是最贫穷的，这意味着药品公司很难从治疗疟疾的药品中赚回成本。桑德斯的议案将基本上保证为成功研发出此类药品的个人和公司提供补贴。

在政治光谱的另一面，纽特·金里奇提出一个类似的系统，用于降低政府的花费。正如威廉·赛尔顿在2007年10月的网络杂志《纪事》上写到的，金里奇建议：“与其给联邦政府部门10亿美元去解决问题……不如将这笔钱奖励给第一个解决这个问题的公司。随着对话的开展，金里奇开始给一个又一个的挑战投钱。为什么这个方法这么有效率？为了10位数的奖金。”

但我最喜欢的解决问题的网络是Netflix竞赛奖金。

2006年末，电影租赁公司承诺，任何可以将电影推荐系统性能提高10%的人，都将获得100万美元。这个竞赛受到了职业统计学家以及各种各样业余爱好者的欢迎，同时也吸引了很多观众。而且这对于内德·格利在MATLAB竞赛中提出的原则是一个掷地有声的肯定，只不过换到了商业背景下。

从1997年开始，Netflix成为了各地邮递员的”烦恼之源”。现在，它每天要给750万名订酬户发出35000封授权信。2000年，NetfliX网站增加了一项服务，叫做”你可能会喜欢”（Cinematch)——网站根据之前用户观看过的影片为其推荐电影。对于推荐引擎，有个很著名的说法——它是现代网页中一个有缺陷的服务。“你可能会喜欢”也不例外。这个系统主要是在1～5星的星级评分中，预测用户会为某部电影评多少分。现在”你可能会喜欢”已经有0.9525的平均错误率，也就是说，它平均丢掉1星。假定用户对待3星的电影的态度是不看，但会考虑租下4星的电影来看，那么目前的系统效果就太不理想了。为了改进系统，Netflix极大地扩充了资源，但公司最后决定考虑比尔·乔伊的论点——无论多聪明的人为你工作，最聪明的人还是在别处。

“那些我们没有雇用的人一样可以为我们工作。现在，需要靠他们来创新。我们只是助手。“Netflix推荐系统的副总裁吉姆·贝内特说。

在登录网站后，参赛选手会进入一个巨大的资料库，里面有1亿名用户的评分。通过研究这些评分之间的关系，参赛者试着修改代码，目的是更准确地预测人们更爱看什么样的电影。他们向Netflix提交了自己的算法，通过和用户对电影的真实评分做比较，公司会给算法打分，然后放入排行榜。

在实验开始不到两周的时间里，Netflix收到了169份结果，其中一些对现有的系统有些改进。一个月后，提交的结果超过了1000份。最好的程序员很快将”你可能会喜欢”的性能提升了大约5%。但接下来进展就变缓了，一年后，最佳选手——一组来自AT&T(美国电话电报公司）的信息可视化研究小组的程序员”BellKor”——仍然只能将”你可能会喜欢”的性能提升8.43%。

从基本的形式来看，Netflix奖金很像MATLAB竞赛。

选手试着写一个算法，解决一个难题，然后提交，即时打分。和MATLAB不一样的是，Netflix拒绝公布每个提交的程序代码。这是可以理解的，有100万美元的风险呢。有人认为，一旦公司这么做了，选手会到大门前抗议。但正如乔丹·埃伦伯格2008年在《连线》上发表的关于Netflix奖金的文章中提到的，选手决定无论如何也要共享算法。

“冲着奖金来的人，即使处于领先，对自己算法的态度也惊人地开放，他们的表现更像是一群为了攻克某个难题聚在一起的学者，而不是为了100万美元的报酬争得头破血流的企业家。“一个叫做simonfunk的选手，尽管处于第三名，远远领先于其他竞争对手，但还是将自己的算法完整地公布了出来。这些看上去无根据的开放行为是否危及了他们臝得奖金的能力呢？埃伦伯格就这个问题询问了BellKor的头儿，他看上去有些迷惑,并答道：“通过和其他小组互相学习和互动，我们得到了足够的收获。这对于我们来说才是真正的大奖。”

最出乎意料的人为Netflix奖金做出了有益的贡献，这很像MATLAB竞赛中的”脚本少年”。加文·波特，一个48岁的退休管理顾问，为了找点乐子决定参加Netflix竞赛。他自称为”住在车库的人”，2007年10月，波特飞速上升至排行榜的前十名，其他选手会使用复杂的统计学算法，而波特既没有相关背景，也没有经验。但波特运用了他在人类心理学方面的知识，询问了用户在平时生活中如何为电影评级的一些相关问题，比如,近期上映的电影是不是会得到较高的分数？

利用在行为经济学（一种新的学科，用心理学解释影响人们做出某个经济决定的原因）领域积累起来的洞察力，波特将一些人考虑在算法内,比如说，倾向于给每部电影都打3星以上的人。这听上去是很基本的，但研究算法的统计学家对此却并不敏感，他们认为，所有顾客都是一样理性的。在本书（原版〉出版之际，波特是第五名，仅比第一名的结果少1.5%。

和Netflix奖金一样，戴尔的”点子风暴”也尝试利用大众的集体智能解决问题。但和Netflix不同的是，戴尔并不是尝试解决现有的问题，而是利用大众来创新。

这个电脑制造商在2007年2月举办了这次竞赛，本书出版时，“点子风暴”的网页上已经有超过9000个点子。这些点子包括让戴尔在全美设立技术支持呼叫中心，以及要求在台式电脑的背后设计更多的USB接口。

戴尔的这个网页是建立在标准社交媒介方案基础上的，也就是说，用户不但可以在网上提出新的点子，也可以评论他人的点子。另外，他们可以用”大拇指向上”或”大拇指向下”的方式投”升级”或”降级”票。获得最多升级票的点子会在点子风暴的主页上出现，就像最吸引人的报道在社会新闻网站diggs.com上升为头条一样。

最后一个功能利用了众包另外的一个关键元素——大众的集体意见，它的效果太强大了。“点子风暴”上线那天，一个名叫dhart的用户建议戴尔应该在电脑上预安装Linux操作系统。大概3万名用户表示赞同，dhart的帖子几个月来一直保持在第一名的位置上。结果，2007年5月，戴尔发布了三款使用Linux操作系统的新电脑。

戴尔尝试与顾客合作，是众包的一个类型，叫做”点子汇”。尽管”点子汇”更多的是讨论尚未出现的问题的解决方法，而不是针对某个现有问题，但它们和“创新中心”以及Netflix竞赛奖金这样的众包网站是近亲。这个说法来自2006年IBM举办的”创新汇”。公司在宣传这次活动时，称它是”史上最大的一次头脑风暴集会”。来自104个国家的超过15万人提交了46000多个点子。同年公司宣布，基于”创新汇”提出的点子,公司将斥资1亿美元创立10家新公司。

“创新中心”、Netflix奖金，以及戴尔的”点子风暴”都利用了多样化的力量。佩奇提出，想象一下，任何问题最好的那些解决方法就像是一个个连绵的山峰。“受过类似教育的人将会征服同样的山峰，因为他们用类似的方法解决问题。但是背景不同的人——比如刚才提到的学心理学的人——在寻找解决之道时会采用完全不同的探索方法。

他会尝试去攀登不同的高峰，最后很可能这是最高的那一座。“它的好处，对于面临棘手问题的个人和公司来说显而易见。众包的优势在于，任何人都可以向山峰发起挑战。事实上，它什么都不限定，对每个想尝试的人都敞开大门。而结果，总是令我们惊喜。

在合适的条件下，“创新中心”的众包案例中多样化胜过能力。原因非常简单：无论有多少失败的方法，都不会影响到最后成功的那一个。“比如Netflix奖金，多少傻瓜来尝试解决这个问题都没关系，人越多越开心。“佩奇说。

更多的人使用更多的方法来解决问题——无论这个方法多么欠考虑——最后解决这个难题的概率都不会因此下降，反而会提高。如果他们是错误的，则可以直接忽略。

但这个道理只适用干类似Netflix奖金和”创新中心”这样的众包项目，当我们利用大众来预测未来时，每一个预测都会影响最终的结果。在这些例子中，多样性扮演的角色复杂得多。