統合 問題 ， 獨立 下 決策 （ 也 就 是 不 考慮 他人 想法 的 決策 ） 就 變 得 沒有 意義 了 ── 因為 我 要 依照 「 我 認為 你 會 怎麼 做 」 ， 來 決定 我 要 怎麼 做 ， 反之亦然 。 這麼一來 ， 將 不能 保證 群眾 一定 能 得出 聰明 的 答案 。 但是 令 人 驚訝 的 是 ， 他們 經常 做 得 到 。 要 約 酒吧 嗎 ？ 首先 ， 我們 來 考慮 下面 這 個 問題 。 假設 你 家 附近 有 間 酒吧 ， 你 很 喜歡 去 。 事實 上 ， 很多 人 都 很 喜歡 去 。 這 間 酒吧 的 問題 是 ， 如果 人 太 滿 ， 大家 都 沒法 享受到 好 時光 。 星期五 晚上 ， 你 打算 上 那兒 去 。 但是 如果 那裡 人 擠 人 ， 你 就 不 想 去 了 。 你 怎麼辦 ？ 要 回答 這 個 問題 ， 你 得 先 假設 （ 就算 只是 為了 討論 ） ， 每 個 人 的 感覺 都 和 你 一樣 。 換句話說 ， 這 家 酒吧 不 太 擁擠 時 才 有 趣味 ， 人 太 滿 ， 就 沒意思 了 。 於是 ， 如果 每 個 人 都 認為 週五 晚上 這 家 酒吧 將 會 有 很多 人 ， 那麼 去 的 人 就 會 變 得 很少 。 結果 這 間 酒吧 反而 會 變 得 空蕩蕩 ， 去 的 人 都 玩 得 很 盡興 。 反觀 ， 如果 每 個 人 都 認為 週五 晚上 酒吧 客人 不會 太多 ， 每 個 人 都 跑去 了 。 於是 ， 酒吧 塞滿 人 ， 沒 人 玩 得 開心 。 當然 ， 這 裡頭 的 重點 就 在於 取得 平衡 ， 好 讓 每 個 星期 都 有 足夠 （ 但 不要 太多 ） 的 客人 前往 。 解決 這 問題 有 一 個 最 簡單 的 辦法 ： 發明 一 個 強有力 的 「 中央 計畫 中心 」 ， 由 它 來 告訴 人們 何時 他們 可以 去 這 間 酒吧 。 每 個 星期 ， 中央 計畫 中心 都 會 發出 命令 ， 拒絕 某些 人 進入 ， 准許 另 一些 人 進入 ， 因此 可以 確保 酒吧 永遠 客滿 ， 但 不 擠 人 。 雖然 這 個 解決 方案 ， 在 理論 上 行得通 ， 實際 上 卻 是 窒礙 難行 。 即使 我們 真的 能 設計出 這樣 的 中央 計畫 中心 ， 它 也 太 干涉 人們 的 選擇 自由 了 。 我們 希望 人們 如果 想要 上 酒吧 就 能 自由 進入 ， 即使 他們 在 那裡 不 覺得 愉快 。 任何 解決 公眾 事務 的 好 方案 ， 都 得 尊重 人們 的 行動 選擇權 ， 而 這 也 意味 著 ， 這 個 答案 的 源頭 必須 來自 每 一 位 潛在 客戶 的 個人 抉擇 。 然後 再 由 這些 抉擇 形成 的 集體 混合物 中 ， 找出 解決之道 。 在 一九九○年代 初 ， 經濟學家 亞瑟 （ Brian Arthur ） 曾 試 著 解決 這 道 問題 ， 他 想 看看 可不可能 得出 令 人 滿意 的 答案 。 他 以 聖塔菲 當地 一 家 酒吧 的 名稱 來 命名 ， 將 這 個 問題 稱為 「 艾法洛 問題 」 ， 這 家 艾法洛 酒吧 每當 該 晚 主打 愛爾蘭 音樂 時 ， 就 會 大爆滿 。 亞瑟 的 解決 方式 如 下 ： 如果 艾法洛 在 晚上 滿座 程度 不 超過 百分之六十 ， 每 個 人 都 會 很 開心 。 反之 ， 要是 超過 百分之六十 ， 將 沒有 人 開心 。 於是 ， 人們 只有 在 他 認為 酒吧 客人 不 超過 百分之六十 的 情況 下 ， 才 會 前往 該 酒吧 ； 否則 ， 他們 便 待在 家 裡 。 那麼 每 週五 晚上 ， 這些 人 該 怎麼辦 呢 ？ 亞瑟 先 假定 ， 既然 沒有 明顯 的 答案 ， 沒法 用 數學 方式 解決 ， 不同 的 人 將 會 依賴 不同 的 策略 。 有 些 人 就 只 簡單 假設 ， 本 週五 艾法洛 的 客人 數目 大概 和 上 週五 晚上 差不多 。 有些 人 則 回想 上 次 他們 去 那兒時 ， 酒吧 裡 大約 有 多少 人 。 （ 不過 在 亞瑟 的 模型 中 ， 即使 你 本人 沒有 去 ， 你 還是 能 弄清楚 酒吧 的 客人數 。 ） 有些 人 則 採用 平均法 ， 抓出 前 幾 個 週末 的 平均客 人數 。 另外 還 有 些 人 則 猜測 ， 本 週 人數 會 與 上 週 相反 （ 也就是說 ， 如果 上 週 客人 少 ， 本 週 客人 就 會 多 ） 。 接下來 ， 亞瑟 設計 了 一 系列 以 艾法洛 客滿 程度 為 主題 的 電腦 模擬 實驗 ， 連續 跑 它 個 一百 週 。 （ 基本 上 ， 他 是 創造 了 一 群 電腦 模擬人 ， 讓 他們 各自 採取 不同 策略 ， 然後 由 他們 自行 運作 。 ） 由於 這些 電腦 模擬 人員 依循 的 策略 不同 ， 亞瑟 發現 ， 結果 使得 酒吧 人數 每 週 波動 得 很 厲害 。 但是 這些 波動 並 沒有 變 得 規律化 ， 而是 隨機 變化 ， 也 沒有 出現 特定 的 模式 。 有時候 ， 酒吧 會 一連 三 或 四週 ， 週週 客人 超過 六成 ， 但是 也 有 些 時候 ， 酒吧會 五 週 內 ， 有 四 週 客人 不滿 六成 。 結果 沒有 任何 策略 可 供 個人 遵循 ， 以 確保 選擇 正確 。 相反地 ， 所有 策略 大概 都 只 能 用 一下下 就 失靈 了 。 客人 數目 的 波動 ， 代表 某些 週五 晚上 艾法洛 會 擠 得 讓 每 個 人 都 受不了 ， 但 在 其他 週五 晚上 ， 那些 選擇 留在 家 的 人 ， 如果 去 酒吧 將 會 有 段 好 時光 。 不過 ， 這 個 實驗 最 引人 注意 的 是 ： 在 這 一百 週 內 ， 該 酒吧 的 平均 人數 剛剛好 落在 六成 滿 ， 等於 群眾 整體 希望 的 客滿 程度 。 （ 也就是說 ， 六成 客滿 時 ， 最多 客人 覺得 愉快 ， 沒有 人 不 開心 。 ） 換句話說 ， 即使 個人 採用 的 策略 都 是 要 視 其他 人 的 行為 而 定 ， 團體 得到 的 集體 判斷 ， 仍然 可以 非常 理想 。 在 亞瑟 率先 設計出 艾法洛 實驗 之後 幾 年 ， 工程師 貝兒 （ Ann M .
 
Bell ） 和 希瑟思 （ William A . Sethares ） 沿用 艾法洛 的 主軸 ， 但是 改採 不同 的 解決 方法 。 亞瑟 當初 假設 ： 所有 想 去 該 酒吧 的 人 ， 在 試 著 預測 酒吧 人數 時 ， 採用 的 是 不同 策略 。 但是 貝兒 與 希瑟思 所 設計 的 電腦 模擬人 ， 卻 全 都 遵循 同樣 策略 ： 如果 上 次 他們 去 那兒 的 經驗 很 不錯 ， 他們 就 會 再 去 。 如果 上 次 去 的 經驗 不 愉快 ， 他們 就 不 去 。 因此 ， 貝兒 和 希瑟思 的 電腦 模擬 人 ， 智慧 顯然 低於 亞瑟 的 模擬人 。 他們 不 太 在乎 其他 人 怎麼 想 ， 而且 他們 也 不 知道 （ 亞瑟 的 模擬人 知道 ）