The Condorcet Jury Theorem: The 240-Year-Old Math Behind Better Decisions

Der Marquis, der Mathematik über Demokratie machte

Marie Jean Antoine Nicolas de Caritat, Marquis de Condorcet (1743–1794), war der engagierteste Gläubige der Aufklärung an die Idee, dass menschliche Angelegenheiten mit der gleichen Strenge wie die Physik durchdacht werden könnten. Ein brillanter Mathematiker, der in seinen Zwanzigern in die Académie des sciences gewählt wurde, war er auch — ungewöhnlich für sein Jahrhundert und seine Klasse — ein früher und lautstarker Befürworter der kostenlosen öffentlichen Bildung, des Frauenwahlrechts und der Abschaffung der Sklaverei. Während seine Zeitgenossen darüber debattierten, ob gewöhnliche Menschen regieren sollten, stellte Condorcet eine fremdere und produktivere Frage: Unter welchen Bedingungen wäre ihr kollektives Urteil tatsächlich richtig?

Seine Antwort erschien 1785 im Essai sur l’application de l’analyse à la probabilité des décisions rendues à la pluralité des voix — dem „Essay über die Anwendung der Analyse auf die Wahrscheinlichkeit von Mehrheitsentscheidungen.“ Vergraben in seinen dichten Wahrscheinlichkeitsberechnungen ist ein Ergebnis von verblüffender Einfachheit und Kraft, das heute als das Condorcet-Jury-Theorem bekannt ist.

Die Geschichte des Mannes endet düster. Condorcet unterstützte die Revolution, entwarf eine Verfassung und fiel dann dem Terror zum Opfer. 1793 verboten, versteckte er sich in einem Pariser Pension und — dem Tod ins Auge sehend — schrieb er sein optimistischstes Werk, den Entwurf für ein historisches Bild des Fortschritts des menschlichen Geistes. Im März 1794, nachdem er aus seinem Versteck geflohen war, wurde er verhaftet und zwei Tage später tot in seiner Zelle in Bourg-la-Reine aufgefunden. Der Mathematiker der kollektiven Weisheit wurde von einer Gruppe getötet, die aufgehört hatte, auf Gründe zu hören — eine Ironie, die kein Historiker dieser Zeit übersieht.

Das Theorem, in einfachen Worten

Entfernen Sie die Notation des 18. Jahrhunderts, und das Theorem sagt Folgendes:

Stellen Sie eine Ja/Nein-Frage, die eine richtige Antwort hat. Wenn jede Person in einer Gruppe wahrscheinlicher als Zufall ist, sie richtig zu beantworten, und jeder unabhängig urteilt, dann wächst die Wahrscheinlichkeit, dass die Mehrheit richtig liegt, mit der Größe der Gruppe — und nähert sich der Gewissheit, wenn die Gruppe groß wird.

Die Intuition ist Fehlerausgleich. Jeder Wähler ist Signal plus Rauschen. Da jeder häufiger richtig als falsch ist, zeigt das Signal für alle in die gleiche Richtung, während das Rauschen zufällig streut. Individuelle Fehler sind unkorrelierte Münzwürfe; das gemeinsame Korn der Wahrheit sammelt sich. Mehrheitsabstimmung ist einfach eine Maschine, die das Rauschen auslöscht und das Signal summiert — die gleiche Arithmetik hinter der Weisheit der Massen, die später 787 Messebesucher kollektiv besser urteilen ließ als Viehexperten in Galtons Ochsenexperiment, angewendet auf Stimmen statt auf Schätzungen.

Die Zahlen: wie schnell Mehrheiten klug werden

Die Kraft des Theorems ist am einfachsten mit konkreten Zahlen zu spüren. Angenommen, jede Person beantwortet eine binäre Frage unabhängig zu 60 % richtig — anständig, aber weit entfernt von Experten. Die Wahrscheinlichkeit, dass eine Mehrheit der Gruppe richtig antwortet:

Lesen Sie die 60 %-Spalte nach unten: drei Personen verbessern sich kaum im Vergleich zu einer; elf Personen sind bedeutend besser; einhundert und eine liegen zu 97,9 % richtig; fünfhundert und eins sind praktisch unfehlbar. Selbst ein Hauch individueller Kompetenz — die 51 %-Spalte — kumuliert unermüdlich mit der Größe: etwa 58 % für eine Gruppe von 101, ungefähr 74 % bei tausend Wählern und etwa 98 % bei zehntausend. Mittelmäßiges individuelles Urteil, korrekt aggregiert, führt zu ausgezeichnetem kollektivem Urteil. Das ist die optimistische Seite des Theorems.

Der dunkle Zwilling: wenn p unter der Hälfte liegt

Jetzt lesen Sie die 45 %-Spalte. Die gleiche Mathematik, die kompetente Menschen nahezu unfehlbar macht, macht inkompetente Menschen nahezu unfehlbar falsch. Wenn jeder Einzelne nur zu 45 % richtig ist — systematisch in Bezug auf diese spezielle Frage fehlgeleitet — liegt eine Mehrheit von 101 nur zu 15,6 % richtig, und eine Mehrheit von 501 etwa zu 1,2 % richtig. Aggregation wäscht schlechtes Urteil nicht; sie konzentriert es. Eine große Gruppe, die ein systematisches Missverständnis teilt, wird selbstbewusster falsch sein als jedes ihrer Mitglieder.

Dies ist die Hälfte des Theorems, die selten in Feiern der Weisheit der Massen vorkommt, und sie hat eine scharfe praktische Kante. Ob die Größe einer Gruppe ein Vorteil oder eine Belastung ist, hängt ganz davon ab, auf welcher Seite der 50 %-Grenze ihre Mitglieder für die jeweilige Frage sitzen — weshalb Fehlinformationen und das Medienumfeld, das die individuelle Genauigkeit prägt, kein Nebenthema für die kollektive Entscheidungsfindung sind, sondern das zentrale. Größe verstärkt, was auch immer Sie ihr zuführen.

Die Annahmen — und was bricht, wenn sie brechen

Das Theorem ist eine Wenn-Dann-Aussage, und alles Interessante an seiner Anwendung liegt im „Wenn.“ Vier Annahmen tragen das Ergebnis:

Zweieinhalb Jahrhunderte der Forschung haben jede Annahme auf die Probe gestellt. Grofman, Owen und Felds „Dreizehn Theoreme auf der Suche nach der Wahrheit“ (Theory and Decision, 1983) zeigten, dass das Ergebnis heterogene Kompetenzen übersteht — Wähler müssen nicht alle die gleiche Genauigkeit haben; unter angemessenen Verteilungsbedingungen reicht eine durchschnittliche Genauigkeit über der Hälfte aus. Krishna Ladha (1992) befasste sich mit Korrelationen und stellte fest, dass korrelierte Stimmen die Garantie schwächen, ohne sie immer zu zerstören: Die effektive Größe einer korrelierten Menge ist kleiner als ihre Kopfzahl, da kopierte Stimmen Rauschverteilung anstelle neuer Informationen hinzufügen.

In der Praxis ist Unabhängigkeit die Annahme, die zuerst und am stärksten versagt. Wenn frühe Meinungen sichtbar sind, werten spätere Wähler ihre eigenen Informationen rational ab und folgen — eine Informationskaskade — und wenn jeder auf die gleichen wenigen Quellen zugreift, korrelieren die Stimmen sogar, ohne dass jemand jemand anderen kopiert. Eine Million Wähler, die denselben Feed lesen, können ungefähr das Informationsgewicht einer Handvoll unabhängiger Wähler tragen. Das Theorem versagt nicht elegant; es versagt still, während die Gruppe sich immer noch wie eine große, selbstbewusste Mehrheit anfühlt.

Zyklen: das Paradoxon, das auch Condorcet fand

Das gleiche 1785 Essai enthält eine zweite, beunruhigende Entdeckung. Mit drei oder mehr Optionen können Mehrheitspräferenzen zyklisch sein: Eine Gruppe kann A gegenüber B, B gegenüber C und dennoch C gegenüber A bevorzugen, obwohl die Präferenzen jedes Einzelnen perfekt konsistent sind. Dieses Condorcet-Paradoxon bedeutet, dass „der Wille der Mehrheit“ möglicherweise einfach nicht als kohärente Rangfolge existiert — welche Option gewinnt, kann von der Reihenfolge abhängen, in der die Stimmen abgegeben werden.

Dieser Riss in der Mehrheitsregel wurde zur Grundlage eines ganzen Feldes. 1951 verallgemeinerte Kenneth Arrow es in sein Unmöglichkeitstheorem: Kein rangbasiertes Abstimmungssystem kann gleichzeitig eine kurze Liste von angemessenen Fairnessbedingungen erfüllen. Die Theorie der sozialen Wahl — wie Abstimmungssysteme Präferenzen aggregieren, im Gegensatz dazu, wie Jurys Urteile und Märkte Überzeugungen aggregieren — ist ein Thema, dem wir uns später noch einmal widmen werden. Für jetzt die praktische Moral: Das Jury-Theorem glänzt bei sachlichen Fragen mit richtigen Antworten; in dem Moment, in dem eine Entscheidung um konkurrierende Werte und nicht um konkurrierende Fakten geht, gelten andere Mechanismen (und andere Mathematik).

240 Jahre Anwendungen

Für ein Stück Wahrscheinlichkeit des 18. Jahrhunderts hat das Theorem bemerkenswert gut gealtert:

Die Anwendung im maschinellen Lernen verdient einen zweiten Blick, da sie zeigt, wie das Theorem als Ingenieurentwurf und nicht als Metapher funktioniert. Ein Random Forest trainiert absichtlich jeden Baum auf einer zufälligen Teilmenge von Daten und Merkmalen — nicht um einen einzelnen Baum besser zu machen (das macht sie schlechter), sondern um ihre Fehler weniger korreliert zu machen. Schwächere Individuen zu akzeptieren, um Unabhängigkeit zu kaufen, ist genau der Handel, den das Jury-Theorem empfiehlt, und die Genauigkeit des Ensembles ist die Belohnung. Teams, die DAO-Governance-Mechanismen entwerfen, stehen vor dem gleichen Designproblem in umgekehrter Richtung: Token-gewichtete Abstimmungen konzentrieren den Einfluss, und öffentlich sichtbare laufende Zählungen laden zum Herdentrieb ein — beides verringert die effektive Jury.

Was das Theorem nicht tun kann — und was geschehen muss, bevor die Abstimmung

Das Jury-Theorem regelt einen Moment im Leben einer Entscheidung: den Aggregationsschritt, wenn individuelle Urteile zu einem kollektiven Urteil werden. Es ist still über alles, was vorher geschah — wie die Frage formuliert wurde, welche Optionen auf den Stimmzettel kamen, welche Informationen die Wähler sahen — und alles, was danach kommt. Eine perfekt aggregierte Stimme zu einer schlecht formulierten Frage ergibt eine ausgezeichnete Antwort auf das falsche Problem.

Es verwirft auch absichtlich die Gründe. Eine Stimme zeichnet auf, dass vierzig Personen Option A bevorzugten, niemals warum — sodass der stärkste Einwand der Minderheit verschwindet, die Argumentation der Mehrheit später nicht überprüft werden kann und die Gruppe nichts Übertragbares für die nächste Entscheidung lernt. Hier ergänzt strukturierte Überlegung die Aggregation, anstatt mit ihr zu konkurrieren. In gut gemachter kollaborativer Entscheidungsfindung bringt die Gruppe zunächst Argumente unabhängig ans Licht — bewahrt die Unabhängigkeit, die das Theorem benötigt — bewertet sie dann offen und konvergiert erst dann.

Argumentree ist genau um diese Abfolge herum aufgebaut. Teilnehmer tragen pro und contra Argumente unabhängig und asynchron bei, bevor jemand den Raum verankert — schützt die tragende Annahme des Theorems. Jedes Argument wird dann auf expliziten Dimensionen (Hilfreichheit, Klarheit, Genauigkeit, Vollständigkeit) bewertet, und die Bewertungen aggregieren sich zu Konsenswerten: Condorcets fehlerausgleichende Arithmetik, angewendet auf die Qualität von Gründen statt nur auf die Anzahl von Stimmen. Und im Gegensatz zu einer Wahlurne bewahrt der vollständige Argumentbaum und die Prüfspur, warum die Gruppe entschieden hat — sodass die Entscheidung erklärt, überdacht und daraus gelernt werden kann. Der Marquis lieferte die Mathematik für das Vertrauen in eine Mehrheit; zweihundertvierzig Jahre später besteht die verbleibende Arbeit darin, sicherzustellen, dass das Urteil der Mehrheit unabhängig, informiert und dokumentiert ist.