Um sistema de recompensa simples pode tornar as multidões muito mais sábias

Existe um problema com a sabedoria das multidões.

As economias de mercado e as democracias contam com a ideia de que populações inteiras sabem mais sobre o que é melhor para elas do que um pequeno grupo de elite. Esse conhecimento é potencialmente tão poderoso que pode até prever o futuro por meio dos mercados de ações, bolsas de apostas e veículos de investimento especial chamados mercados de previsão.

Esses mercados permitem que as pessoas negociem "ações" em possíveis resultados futuros, como o vencedor das próximas eleições. Qualquer pessoa com novas informações sobre o futuro tem um incentivo financeiro para divulgá-las comprando essas ações. Os mercados de previsão agora informam rotineiramente as probabilidades das casas de apostas e são citados na cobertura de notícias das eleições ao lado de pesquisas de opinião mais tradicionais.

Mas os mercados de previsão estão tendo uma crise de confiança nas habilidades da multidão. Eles estão sistematicamente errados sobre uma série de decisões políticas importantes, incluindo as eleições gerais do Reino Unido de 2015, o referendo do Brexit e a eleição presidencial dos EUA de 2016.

Não devemos esperar precisão perfeita em todas as ocasiões, assim como sabemos, as pesquisas de opinião costumam apresentar falhas. Mas estar errado de forma tão consistente sobre tais eventos proeminentes aponta para possíveis falhas nas suposições que fazemos sobre a inteligência da multidão. Por exemplo, as pessoas nem sempre agem com base nas informações que possuem e, portanto, isso pode nunca se tornar parte da decisão da multidão. A dinâmica das multidões e dos mercados também pode impedir que as pessoas prestem atenção a algumas fontes de informação.

Contudo, pode haver um caminho a seguir. Meus colegas e eu criamos um modelo que supera esse problema, dando às pessoas um incentivo para buscar novas fontes de informação, e um motivo extra para compartilhá-lo.

Uma questão importante para os mercados é "onde os indivíduos obtêm suas informações?" A pesquisa mostra que nossas opiniões e atividades muitas vezes correspondem às de nossos colegas. Também tendemos a procurar informações nos lugares mais óbvios, em linha com todos os outros.

Para dar um exemplo, se você olhar ao redor em qualquer transporte público na cidade de Londres, provavelmente verá pessoas segurando exemplares do Financial Times. Isso é um problema porque se todos tiverem as mesmas informações, a multidão não é mais inteligente do que um único indivíduo. Estudos mostram que ter uma coleção diversificada de opiniões, especialmente incluindo opiniões minoritárias, é crucial para a criação de um grupo inteligente.

Então, por que tendemos a restringir as fontes de nossas opiniões? Um dos motivos é porque temos um desejo inato de imitar nossos colegas, comportar-se de maneira segura e aceitável em nossa comunidade. Mas também pode ser por causa de um raciocínio, motivação de busca de lucro.

Estudamos como as pessoas motivadas pelo lucro teóricas se comportam quando confrontadas com os tipos de recompensas vistas em situações semelhantes ao mercado. Para fazer isso, criamos uma simulação de computador de um mercado de previsão, onde as pessoas receberam uma recompensa por fazer previsões corretas. As recompensas eram maiores quando menos pessoas achavam a resposta certa, assim como em um mercado de previsão ou bolsa de apostas.

A recompensa que um indivíduo recebia era um valor fixo dividido pelo número de outras pessoas que fizeram uma previsão correta. Isso deveria dar às pessoas um incentivo para procurar as respostas certas que outras pessoas não encontrariam. Mas descobrimos que as pessoas ainda gravitavam em torno de um subconjunto muito pequeno de informações disponíveis - assim como os banqueiros de Londres com seus exemplares do Financial Times.

Quanto mais complexa era a situação, quanto menor a porcentagem de informações disponíveis que as pessoas realmente usaram. O problema é que quanto mais nicho, informações não utilizadas, embora possa ser útil para o grupo, era tão raramente útil para o indivíduo que o possuía que não havia incentivo para eles procurá-lo.

Novo sistema de recompensa

Para combater isso, criamos um novo sistema teórico de previsão de mercado, onde as pessoas só seriam recompensadas se expressassem opiniões precisas, mas também estivessem em minoria. Por exemplo, se alguém previu que Donald Trump venceria as eleições nos Estados Unidos, contra a visão de consenso, eles teriam recebido uma recompensa assim que o resultado fosse conhecido. Por outro lado, se a maioria das pessoas prevêem com precisão que o Partido Conservador vencerá as próximas eleições no Reino Unido, então eles não receberão qualquer recompensa.

Descobrimos que este sistema de "recompensa minoritária", que favorece explicitamente aqueles que vão contra a opinião popular se eles se revelarem corretos, produziu decisões coletivas muito mais precisas. Esse era especialmente o caso quando as situações eram complexas, influenciada por muitos fatores.

Intuitivamente, isso faz sentido. Se sua opinião apoiar a visão popular existente, você não pode alterar se o grupo estará correto ou não. Em nosso modelo, as pessoas têm um incentivo para ir à caça de fontes mais esotéricas de informação sobre possíveis resultados futuros. Por exemplo, em vez de ler o Financial Times, eles podem seguir blogs obscuros, ou leia os jornais locais em busca de informações sobre as empresas da região.

Eles sabem que apenas encontrando informações às quais muito poucos têm acesso, eles terão a chance de ir contra a sabedoria predominante. Isso incentiva todo o grupo a reunir um conjunto muito mais amplo de informações, levando a decisões coletivas mais precisas.

Nossos resultados estão até agora confinados a um modelo teórico, mas eles nos dão uma ideia de por que as formas atuais de mercados de previsão podem estar propensas ao fracasso, e como podemos tentar melhorá-los no futuro. Esperamos que esses insights sejam usados ​​para criar mercados de previsão mais precisos, pois todos nós poderíamos nos beneficiar de uma melhor previsão coletiva.

Melhores previsões e tomada de decisão coletiva podem ajudar a sociedade a decidir quais ideias políticas irão ou não funcionar. Melhorar a capacidade dos mercados de ações de prever quais empresas e ideias terão um bom desempenho pode melhorar o retorno sobre o investimento e gerar maior crescimento econômico. Mesmo a academia é um exercício em larga escala de sabedoria coletiva. Se mudar a forma como os pesquisadores são recompensados ​​pode melhorar a sabedoria dessa multidão, isso poderia levar a descobertas científicas mais importantes.