笔记 · 来源
True Causes 是结构化民主对话（Structured Democratic Dialogue）的在线实现。这个方法源自 John Warfield 的交互式管理（Interactive Management），由 Alexander Christakis 和 Yiannis Laouris 发展而成。它并不新：五十年的同行评审研究，数以百计有记录的对话。Laouris 和 Christakis 称之为驾驭集体智慧，并指出规模是它最难突破的限制；突破这个限制，正是 True Causes 的用途。我们有几处有意的改动。其中之一：原方法自始至终把每个想法和作者的名字绑在一起，其实践者认为匿名会削弱问责。这里在对话中谁都不署名，因为在工作场所或分裂的社区里，正是名字让人不敢写下真实的卡片。我们认为这个取舍是对的；但它未经检验。 查看相关研究。围绕它的机制科学、经过抱团投票检验的规则以及具体实现，是我们补充的部分。
更广泛的文献： 结构化民主对话 · 解释结构模型 · 交互式管理。我们自己的模拟及其结果随软件一起发布，并在随附的笔记中有说明。
还有哪些工具。 Polis 找出一群人已经在哪些方面达成一致，并把各个聚类展示给你。Remesh 以及类似的工具把这种寻找共识的做法扩展到成千上万人。Habermas Machine 写出一份小组里大多数人都能签署的声明。三者都擅长回答同一个问题：我们在什么上达成一致？这里问的是另一个问题——什么导致什么？——逐对确定答案，并保留它无法确定的分歧，而不是把它们抹平。最接近的工具出自这个方法本身：Laouris 团队的 IdeaPrism 以异步方式进行归类和绘图，并把分歧发回去要求说明理由。
这不是群体智慧。 Galton 的公牛以及此后的每一个预测市场，靠的都是对独立的猜测取平均：误差之所以相互抵消，是因为没有人交谈过。这是估计一个数字的正确工具——一个重量、一个日期、一个价格。但它回答不了A 是否导致 B，因为一百个不知情的猜测平均下来，仍是一个不知情的猜测。这里的做法正好相反：人们先被要求交谈，这样他们的判断才是知情的；而他们的判断不取平均，而是对照一个他们必须共同越过的标准来计数。群体需要的是独立；小组需要的是共同的理解。
换成其他领域的说法。在计算机科学看来，这是基于人的计算：人们回答每一对，一个算法，即解释结构模型，把地图拼装起来。在经济学看来，它处理的是哈耶克意义上的分散知识：一个问题所需要的东西分散在许多人那里，没有人掌握全部。在公开的问题上，它是公民智能。它是集体问题解决，而不是集体决策：它为决策提供依据，并把决策留给必须为之负责的人。