昨天讲了调动集体智慧的前两种方法：
简单平均，将所有人的意见得分平均。
贝叶斯推理，首先有一个既有判断，其次获得新信息，将原有信息不断调整。
今天分享后面的两种方法，依然来自得到专栏，王烁老师的《30天认知训练营》。
第三种方法：动态加权。
对每次评分的人赋予“话份”也就是权重，在计算最后评分的时候，将每个人的评分乘以他的权重，最后加起来得出动态加权得分。
这个计算方法，难度不大，说到底还是贝叶斯推理，不过，要想实施起来，需要很大的系统支持。美国预测选举结果的希弗和对冲基金的达里奥都做到了。
第四种方法：极化。
在通过加权平均法得到加权平均值之后，将结果再推进一步，让正向的结果更正向，负向的结果更负向。
比如，美国大选，特朗普下一届连任的可能性，如果加权平均值是70，那极化之后，就变成了85。相反，如果得分是30，则再下调至15。
这几个方法，都来自泰特罗克的《超预测》。
