日本北海道大學的Tero和Takagi等人，利用一團黏菌（俗稱鼻涕蟲）設計了一個連通東京及其附近城市的鐵路網！黏菌是一群裸露的、無細胞壁、多核的原生質團，它們可以透過連續的形變而緩慢移動。當這團裸露的細胞在空間上遇到分散的食物源的時候，就會構建起一些疏運營養的通道。Tero和Takagi等人正是利用了黏菌的這種天性，讓這群簡單的原生質團形成疏運營養的網路。

開始，讓黏菌集中在地圖上的東京點，並將其他幾個附近的城市放上黏菌喜歡吃的食物，然後就讓這群黏菌在實驗地圖上緩慢變形、遊走，經過一天多的時間，它們最終演化出了一條條營養疏運通道。

最終，試驗人員將黏菌構建的食物疏運網路與現實的東京附近的地鐵網路進行對比，發現這兩種網路非常的相似！

對比的結果向我們展示，兩個網路無論從結構還是形狀上看都非常相似。也就是這群看起來笨拙無比，沒有任何智力可言的黏菌的確完成了可觀的計算任務：修築軌道網路。更有趣的是，為了修建這樣一套有效率的網路疏運系統，被稱為靈長類動物之首、號稱具有超凡智力的人類設計師也要花費數年時間。

這個試驗充分證明：單個神經元很愚鈍，就像一隻蜜蜂很笨，沒有多少智商；一隻螞蟻也很笨，也沒有多少智商。但是當他們聚集到一起，群體智慧就出現了。人的大腦之所以聰明的最根本的原因在於，我們的一百億神經元產生了聯網效應。

因此，在網際網路時代，地球上目前能夠聯網的人有40億人，那麼40億人的聯網效應其實已經足夠產生群體效應了，因為他的數量足夠大了。最終我們人類聯網可能還要達到一百億，因為現在人類人口是70多億，以後會達到一百億。當一百億人全部上網之後，所產生群體智慧就不言而喻了。

舉個例子，1968年5月，美國潛艇“天蠍號”（Scorpion）在北大西洋完成例行出海執勤任務返回紐澤西新港的途中失蹤了。儘管海軍清楚該潛艇最後一次報告的方位，可是對“天蠍號”究竟發生了什麼事情一無所知，對於最後一次無線電聯絡後它又航行了多遠也僅有模糊的判斷。

首先，克拉文編造了一系列劇情指令碼——對於“天蠍號”可能發生的事情提出了所有可供選擇的解釋。然後，他召集起一組具有不同背景知識的專業人士，包括數學家、潛艇專家和搜救人員。他並沒有要求他們彼此互相商量，以便就潛艇失蹤想出解決辦法，而是要求他們就每一段劇情可能向哪方面發展向其提出最貼切的猜測。為了使整個過程顯得有趣，這些猜測都以投注的方式體現出來，獎品是若干瓶芝華士威士忌。於是，克拉文召集的這些人就潛艇為什麼會遇到麻煩，以及潛艇撞向海床時可能的速度和傾斜角來下注。

毋庸贅言，這些資訊沒有一條能告訴克拉文“天蠍號”到底在什麼地方。但是克拉文認為，如果他講所有答案串聯起來的話，那就能對“天蠍號”到底在哪兒有一個明確的概念。這就是他所作所為的真正意圖。他將所有猜測彙總起來，運用被稱為“貝葉斯定理”的公式估算出“天蠍號”最後的位置。克拉文透過運用“貝葉斯定理”得出了他想得到的結果，也就是對潛艇所處位置進行了集體評估。

在“天蠍號”消失5個月之後，一艘海軍軍艦發現了它的蹤跡，與克拉文所估算的失事地點僅相距220碼。

這個故事的令人震驚之處在於，在這個事件中該團體所依賴的證據幾乎不存在，實際上也只不過是些零碎的資料而已。沒有人知道潛艇為什麼沉沒，更沒有誰對這艘潛艇以多快的速度下沉或者墜到多深的海底有任何概念。儘管這個團體中沒有誰清楚這些，可是作為整體的團體卻清楚一切。

類似的例子不勝列舉：有試驗曾讓很多人來猜一頭牛的體重，試驗結果是人們猜到的值中位數（即將資料按大小順序排列起來，形成一個數列，居於數列中間位置的那個資料）是一千二百零七磅，而這個牛的實際重量是一千一百九十八磅，只相差一點點。

人就有一種群體無意識的智慧，但在猜的時候也要注意，猜的順序特別重要。如果你是讓一個人猜完後，別人跟著猜，可能產生從眾，別人可能會模仿前面的行為。如果在大家同時猜的時候，反而能產生比較好的群體智慧。

這種群體智慧在很多公司都會用，比如在西門子、谷歌、雅虎、惠普、微軟等經常這樣做，把對手的資訊全部彙總在一起，讓所有的員工來下賭注，這個資訊能給我們帶來什麼？用這種方法發現預測的準確率非常高。這都是群體智慧。

由此可見，群體智慧的關鍵在於智慧疊加的集體決策機制。

我的觀點，科學家的責任，除了探索領域內的未知以外，就是要向大眾進行科學普及，普及知識，普及科學精神。所以，一些大眾可以參與的事情，我個人覺得，如果能夠參與進來，當然更好。科學家不應該孤軍奮戰。

不過有時候，確實要分事情來說。

有些事情，大家可以幫得上忙，特別是統計類的事情，比如之前有研究，對貓和狗的行為進行調查，就徵集了不少貓狗的主人來幫忙記錄自家寵物的行為。一些熱情的寵物主人提供了遠超科學家預期的資料。這都是相當好的事情。

但不是所有的事情大眾都能夠參與，畢竟科學研究是有門檻的。換言之，需要基礎，需要專業知識和操作技能。比如現代生命科學研究中最基本的技術門檻，無菌操作，就能難倒不少人。再比如物理和數學研究，真的需要一點天賦，再加上足夠的訓練。雖然說起來很打擊人，有些時候，是在幫倒忙。一些人，沒有經過嚴格訓練，拿著自己的“成果”千里迢迢來機構裡找科學家帶來自己的計算成果，但是其實在專業人士眼裡，裡面的錯誤多到無法卒讀……不接待不是，接待了，真是沒法改、沒法說……而且還佔用了科學家很多時間來閱讀、判斷這些東西。

所以，參與研究沒問題，但一些門檻較高的研究專案，至少需要具備專業素養和足夠的責任心。否則，即使讓某些人承擔一些任務，反而會由於他的資料不可靠、結果不可靠，或者工作拖延，導致整個專案被拖延甚至誤導。

所以，大眾可以參與的，是那些門檻較低，並且能對科學家進行支援的工作，比如幫助收集樣品資料，提供研究資訊等等。甚至，給予他們充分的理解與支援，都是在為研究工作提供幫助。