那可不是我的本意，那可绝不是我的本意。
——艾略特，《J·阿尔弗雷德·普鲁弗洛克的情歌》
2007年1月的一天，我站在芝加哥帕尔默家园酒店楼上的宴会厅中，准备发表演说，听众是一群高中校长和学校管理者。100本我的新作《多样性红利》整齐地摆放在餐桌旁。当时，这本书尚未正式上市，因此这个宴会实际上就是它的新书发布会。我盯着那些带着塑封的书脊，想着读者会不会接受这本书。人们能够领会它要表达的意思吗？或者，我依然会在接下来的几年中不断地引用艾略特的诗句吗？
令人高兴的是，我已经用不着继续借普鲁弗洛克的嘴来表达要说的话了。
当然，我不是没有怀疑过。试读过本书的专家、读者遍布全美。有些人在他们的博客中把这本书描述为詹姆斯·索罗维茨基的著作《群体的智慧》一书的姊妹篇。还有一些人则称它是一本宣扬“平权行动”（affirmative action）的书。另外还有人说，它给出了一个关于人的组合模型。我的妻子则让我放心，她说这些意见恰恰可以证明我的理论，它们是人类行动中总是存在不同观点的证据。但我还不是那么肯定，于是掸掉艾略特诗集上的灰尘，试图通过吟诵情歌来调整自己的节奏。
本书确实需要一定时间来消化，幸运的是，最后胜出的终究还是准确的解读。出版社的审稿人高度评价了这本书，认为它充分阐明了多样性至关重要的实际贡献。而且，本书通过模型和逻辑呈现观点，而不是利用隐喻。我的主要论点“群体能力等于个人能力加多样性”“多样性优于能力”等都是数学上的真理，而不是某种只是令人感觉良好的“咒语”。
多样性，正如本书所阐述的，意味着人们在看待、归类、理解和改善世界等各个方面都存在差异。不过，我应该立刻补充一点，那就是，本书强调认知多样性及其实际贡献，并不意味着否认其他方面的多样性。它们同样存在，而且同样很重要。事实上，身份多样性和认知多样性往往如影随形且相辅相成。两个人如果分别属于不同的身份群体，或具有不同的生活经历，那么通常也倾向于拥有不同的认知工具。
然而不幸的是，我们往往会听任我们之间的差异阻碍进步和创新，而不是利用种种差异来增进群体利益。在面对一个外表或行为上看起来与自己不同的人的时候，许多人通常都会退缩。就在本书初次出版之后不久，著名政治学家、哈佛大学肯尼迪政府学院教授罗伯特·帕特南（Robert Putnam）发表了一项大型调查结果，充分证明了对多样性负面反应的广泛存在。帕特南发现，随着社区变得更加多样性，公民的参与度和信任水平都出现了下降。在这里需要提醒你注意，就帕特南这项调查而言，多样性只意味着种族多样性。
帕特南的原始数据描绘了一幅暗淡的画面。住在不同街区的人不但不信任其他种族的人，而且对所有人都不那么信任了。这当然很糟糕。然而，现实可能其实并不像帕特南描绘的这幅广为人知的画面所呈现的那样暗淡。在考虑到犯罪率、收入、城市规模、受教育程度等控制变量之后，多样性的负面影响就大为减少了。
但是媒体却片面地认为帕特南的研究与我的研究是相互矛盾的：“帕特南说多样性是不好的，而佩奇却认为多样性是好事。”拿我与帕特南这样对比是非常不恰当的。帕特南做的是问卷调查研究，而我则构建了理论模型；帕特南的问题与信任和幸福感有关，而我构建的模型考虑的却是群体生产力、准确性和创新；他在意的是人们相处得如何，而我则分析内部多样性的团队是否有更高的生产力。
与大量各不相同的人交往，无疑比与你的朋友在一起更“累”。因为你的朋友看待事物、思考问题和采取行动的方式往往与你相似。生活在一个语言多样性的环境中时，人们可能确实会觉得需要让自己“沉潜待发”（这里借用了帕特南的说法）。但是即使如此，他们也不能让自己完全与世隔绝，无法避免接触到新的观察和思考问题的方式，因而也就无法不让自己的世界观受到某种影响，但是这种接触的结果却是让他们自然而然地变得更加有“生产力”了。因此，应该期望的是，多样性的社区、城市和国家的成员会更有生产力，即便他们也许不那么值得“信任”。
当然，人们还可以这样想，如果能够变得更加值得信任，那么就会变得更有生产力。我在密歇根大学任教，而大学都有让社会变得更好的使命。因此，密歇根大学投入了很多时间、精力和资源帮助学生、教师和员工学习如何在一个多样性、强互动的大学社区中茁壮成长。许多其他社会组织也在这样做。努力践行也许并不总能带来完美的结果，但是通常能改善不完善的地方。
自从本书出版以来，我参加了很多会议，参与了大量关于应该怎样做才能更好地利用多样性的讨论。充分利用多样性并不容易，这是一个更实际的问题。从理论上说，在适当的条件下，两个人总是比一个人要好，但是在现实世界中，团队内部的成员之间并不一定是能够和睦相处的，即使做到了和睦相处，最终的结果也可能并不美好。大家或许都听说过这类故事：一个负责养马的团队，却养出了骆驼。
怎样才能更好地利用多样性？思考这个问题的一个很好的出发点是一定要充分理解并经常重构所面临的任务性质。组织理论专家I.D.斯坦纳（I.D.Steiner）对两类任务进行了区分。第一类是分离性任务（disjunctive task），对于这类任务，只需要有一个人取得了成功，整个团队也就取得了成功；第二类是联合性任务（conjunctive tasks），对于这类任务，团队中每个人的贡献都是至关重要的。解决一个令人烦恼的复杂数学问题，是一项分离性任务，也就是说，团队成员的思路越是多样性，越有利于问题的解决。而在打橄榄球的时候，进攻锋线保护四分卫则是一个联合性任务。在进攻锋线中，只要有任何一个队员没有做好自己的工作，四分卫就会被对方扑倒。在分离性任务中，多样性的效果最好，因为这种情况下可以同时尝试多种方法，而且只要有一个好主意就意味着所有人的成功。
当然，在现实世界中，大多数任务都不是纯粹分离性的，也不是纯粹联合性的。而且，对一个特定任务而言，分离性、联合性程度有多高，还取决于任务本身是如何构建而成的。正如经济史学家保罗·大卫（Paul David）所指出的那样，之所以要构建分布式组织（distributed organizations），一个重要目的就是将联合性任务转化为分离性任务。例如，开源软件的开发，要想取得成功，首先需要的就是一个初始模板，它能够将要解决的问题模块化为若干可分离的部分集合。
然而，从关于分布式群体性智慧理论的科学概念，转化为分布式的分权型组织（decentralized organizations），不仅需要高超的实践艺术，而且还需要进一步的“概念拆分”。以通常人们所称的“分布式信息生产”为例，维基百科、Digg.com和Epinions.com等都属于这种类型。对于这种“群体项目”，要想取得成功，不但知识必须足够分散，而且还必须给人们足够强烈的激励，让人们有动力提供有关信息；同时，还要求有用的信息达到一定比例，其中的偏差和错误也必须是可识别和可纠正的。维基百科之所以大获成功，就是因为它满足了所有这些要求。这个世界的信息是被无数分散的个体持有的，每个人将自己拥有的信息贡献给维基百科也非常方便。另外，大多数信息都是有用和准确的，错误可以由他们的编辑识别和纠正。
预测市场是本书思想在现实世界中应用的又一个很好的例子，不同公司的员工或其他个人对未来结果“下赌注”。当许多变量都可能影响结果，而且很难对相关信息进行量化分析时，预测市场的效果最好。要想使预测市场很好地运行起来，参与者必须既精确又具有多样性。在某些情况下，现有的参与者就已经足够多样性了。而在其他一些情况下，为了保证多样性，还必须招募更多的参与者并给予适当的激励。
现在，预测市场已经受到了广泛关注，例如，艾奥瓦电子市场对选举的预测就非常成功。但是很可能，对于分布式问题求解，学术界、政府部门和企业才是多样性更重要的应用领域。分布式问题求解这种方法的优越之处在于，可以让拥有不同工具的人同时尝试解决同一个问题。如今声名远播的“黄金公司挑战赛”就是很好的例证。黄金公司（Goldcorp）公开了该公司位于加拿大安大略省红湖矿区的全部相关信息。它通过互联网发布了这些信息，并征求全世界网民的意见：在哪里探矿最好？结果让人喜出望外。参赛者指出了五十多个新的采矿点。在这些采矿点中，超过3/4的采矿点生产出了黄金。类似地，电影发行公司中的另类—奈飞公司（Netflix）最近公开了它所收集的关于用户偏好的所有信息，并发起了一场百万美元奖金挑战赛：任何能够将该公司电影推荐算法改进（与基准算法相比）10个百分点的人，都可以得到100万美元。
我们可以认为分布式问题求解是一种创新的形式：向用户开放的创新。这种创新活动有时也被称为分布式联合创造（distributed co-creation）。参与这种创新活动的人形形色色，而且都“自带工具箱”，从而使问题可以从各个角度得到突破。例如，乐高公司鼓励用户设计自己的产品，无线T恤公司（Threadless）也允许客户自行设计T恤衫，最受欢迎的设计将交付生产，并被大力推销，而设计者则可以与公司分享利润。开放假肢项目（Open Prosthetics Project）(14)也与多样性主题密切相关，他们将残障人士吸引进来，帮助设计假肢。残障人士的视角使他们能够看到普通设计师无法觉察的“肢体问题”，比如什么样的功能可以对攀岩起到很好的辅助作用。
我自己经常被人问及的一个问题是：什么时候应该采用分布式问题求解的方法推进创新？对于这个问题，还需要进一步研究，但我确实已经能总结出一些基本思想。对实施分布式联合创造的适当时机，可以这样描述：
第一，组织必须感受到改进是有可能的，但被卡在了某些观点上。
第二，同时，组织还必须相信，应该鼓励对这个问题有一定看法、有能力去尝试新出路的所有人都去思考这个问题。
第三，理想情况下，问题本身应该是既可以被量化又可以被模块化的。而且，必须有一些快速的、低成本的、有效的方法来比较各种解决方案。
第四，最后，对问题本身的陈述绝不能泄露有商业价值的信息，例如成本结构或专有数据。奈飞公司可以通过对用户和电影的名字进行加密，将所公布信息的价值降低为零。加拿大黄金公司虽然无法加密他们的数据，但是他们仍然是安全的，因为他们拥有矿山。
当上面这些条件没有得到满足时，分布式问题求解或者说分布式联合创造就可能会以失败告终。小联盟棒球队绍姆堡飞人队（Schaumburg Flyers）的惨痛经历就是一个失败的典型。2006年，当赛季过半时，球队老板让球迷来管理球队：由球迷们投票来决定击球员的出场顺序以及如何投球等。这种尝试得到失败的结局其实丝毫不足为奇。首先，球迷虽多，但是没有什么人真正了解球队中的每一名球员；其次，球队老板也没有设置一个“过滤器”，将没有认真对待这项任务的人排除在外；最后，反馈速度很慢，同时信息又非常“嘈杂”，这样的球队不能取得好成绩可以说是必然的。
不过，即便是在分布式问题求解方式和分权型创新取得了成功的时候，我们仍然应该追问一下这是不是多样性的“功劳”。在一些情况下，可以观察改进的顺序、观察多样性的观点和试探摸索启发式留下的痕迹，从而在一定程度上确认成功是否应该归因于多样性。MATLAB编程竞赛就是这样一个例子。在竞赛中，参赛者要解决由主办方设定的一个计算问题，这个问题可能是基因测序、旅行商问题，也可能是一个数独游戏。参赛者要用MATLAB编写出计算机代码，以最高的效率在最短的时间内解决问题。解决方案必须既快速又正确。MATLAB工程师会测试代码并发布结果和源代码，使其他参赛者能够在现有代码的基础上编程。
这种极高的透明度使参赛者可以充分发挥各自的“独门绝技”，从而带来了大量改进。对竞赛结果的分析表明，不同的参赛者在编程时有不同的思路和各自的“启发式”——当然，这也正常。有一位参赛者使用了一个更快的方法来生成斐波那契数列，这是一个更好的启发式方法，应用这种启发式可以节约计算时间。在另外一个例子中，有一位参赛者甚至提出了一种全新的方法，一种“解决问题的新思想”，从而大大提高了效率。
分权型组织能否取得成功，关键因素是文化。文化有数百个定义，在这里，我所说的“文化”的含义是规范和行为模式。从文化的角度来看，对于分布式问题求解方法在开源软件和ATLAS项目中所取得的成功，实在不值得惊讶。它们都形成了社区，且建立了分享和协作的规范。分布式认知在未来的成功，部分取决于分享产生“正和”这种思维方式的广泛传播。我们必须做到，不要把分享看作付出和放弃，而要把分享想象成一起打造撬动整个世界的杠杆。
