现在开始阐述一个更加令人惊讶的定理，也就是多样性优于能力。需要指出的是，这个定理与多样性优于同质性定理相比有一个非常重要的区别。这个定理是在一些不同假设的基础上得出的。多样性优于同质性定理假设所有的问题解决者都拥有相同的能力，而能力则是通过对问题的期望价值来衡量的。多样性优于能力定理则假设，多样性问题解决者的平均能力较低，它同时还允许能力更高的问题解决者之间也存在某种差异。这里并不需要假设在由能力更高的问题解决者组成的集合中，每个人都是同质性的，只需要假设他们的能力是“好”的。
先从潜在问题解决者的初始“池子”开始讨论。先从这个“池子”里“抽出”一些问题解决者，组成两个集合。假设在这个初始“池子”中，有N个问题解决者。N可以是某家公司工作的员工总数，也可以是某所大学的教师总数。然后，将M个表现最好的问题解决者的群体表现与M个从初始“池子”随机选定的问题解决者的群体表现进行比较。多样性优于能力定理的基本内容就是，给出能够保证上述“随机集合”优于“精英集合”的充分条件。
为了便于阐明这个定理的内在逻辑，这里用各个问题解决者找到的局部最优解以及他们获得该局部最优解的概率来呈现。这种方法与直接分析他们的视角和启发式相比，有很大的优势。这样一来，就可以把“精英”问题解决者描述为这样一些问题解决者：他们只会被困在更少的局部最优解上，而且这些局部最优解往往具有更高的价值。而普通的问题解决者则会困在更多的局部最优解上，而且其中许多局部最优解可能只具有较低的价值。
必须记住，多样性优于能力定理并不总是成立，它只在一定的条件下成立。接下来逐一分析这些条件，然后再以一种稍有不同的方式回过头去看看前面的直觉结论。下面这些内容很重要，要完全理解多样性优于能力定理，必须细细品味。
第一个条件考虑的是，如果问题非常容易，以至于某个或几个问题解决者就一定能找到最好的解决方案，那么包含了这个或这几个问题解决者的“精英”问题解决者集合也一定能找到最好的解决方案。相反，随机选定的问题解决者集合却并不一定包含总是能找到最佳解决方案的人。因此，要保证多样性优于能力，要解决的问题必须是困难的问题。例如，要找到一个微积分问题的答案，通常会去请教这个领域的某个专家。专家可以提供正确的答案，而随机选出的一组人则可能不会。但是，如果面对的是一个很困难的、以前从未有人解决过的数学问题，就会想到去咨询很多位不同的数学家。类似地，当面临的问题是设计产品、治疗疾病或者改善教育体系时，多样性的优势就会显现出来。而且，并不需要把这个条件视为一个限制性的假设。
