分类： Open Access

Techmeme 是一个颇有意思的科技新闻聚合网站，这家公司成立于遥远的 2005 年。创始人 Gabe Rivera 当时还在英特尔担任工程师，他一开始只想通过开发一套算法，为读者整理每天重要的科技新闻。

然而随着时间的推移，Gabe 开始反思算法的意义，比如是否能够根据读者兴趣进行推送？不过 Gabe 并未走上「今日头条」式的纯算法之路，而是换了一个思路，到 2008 年年底的时候，他开始为 Techememe 配备人工编辑，通过「算法+人工」的方式实现新闻推荐，这个方法很快就获得了巨大收获。如今，Techmeme 成为英文科技媒体人最重要的资讯来源之一，同时其首页的推荐位置也成为独立博主争相努力的方向。

2015 年 9月，在 Techmeme 成立 10 年的时候 ，Gabe 发表了一篇纪念文章，标题就充满了诸多感概：Ten Years Later, This Is How Techmeme Has Avoided Click-Bait, Auto-Play Ads, And More。十年光阴，科技世界早已发生了翻天覆地的变化，人类从 PC 时代跨入智能手机时代，又在可穿戴设备、人工智能、虚拟现实等旗帜的引领下快速向前。与此同时，科技媒体也在进化中退化，The Atlantic 记者 Adrienne LaFrance 曾在一篇长文中详细介绍硅谷如何毁掉了科技新闻。

对此，《纽约时报》资深科技记者 John Markoff 回忆了早年硅谷科技报道的氛围，作为硅谷最资深的记者之一，John Markoff 很早就融入到家酿俱乐部，这个俱乐部不仅有各色极客，也有众多科技公司的创始人，而在当时，这些人还不无法融入主流社会。也正是在家酿俱乐部，苹果公司的另一个「史蒂夫」——沃兹尼亚克在 1976 年展示了苹果历史上的第一个产品——Apple 1。

Markoff 说：「当时最令人激动的事情就是几乎所有电脑公司的人都聚集在家酿俱乐部，这是一个各家公司分享产品秘密的场所，对于年轻的科技记者来说，这样的场合实在是太棒了，而这，构成了硅谷科技报道的起源。」

也因此，硅谷的科技新闻很少能有真正调查性的新闻。LaFrance 提到 Theranos，这家公司当年被几乎所有硅谷科技媒体奉为「人类命运救世主」，没有人去质疑这家公司是否具有真正的技术实力，而最后揭露这个骗局的则是古老的《华尔街日报》；另一个例子，《纽约时报》率先报道了亚马逊公司内部严酷的文化，而《华盛顿邮报》揭露了Google 在华盛顿的政治游说团；同样，LaFrance 也参与了对 FB 的Free Basic 的深度调查，上述所有这些有深度的调查性报道中，硅谷的科技媒体能拿到的，不过是这些大报的二手资料罢了。

科技媒体更恶劣的环境还在于，随着人类进入社交媒体时代，碎片化的传播渠道催生的碎片化阅读氛围，导致大量标题党的出现，由此带来的垃圾内容充斥着互联网。在这样的背景下，Techmeme 历经十年的洗礼而保持新闻推荐品味的高水准，实在令人敬佩。

Techmeme 刚推出时并不叫这个名字，甚至域名也不是 techmeme.com。最初的域名是 tech.memeorandum。而 「memeorandum」其实是 2004 年出现的一家自动化聚合政治新闻的网站，而tech.memeorandum 的意思多少也是理解要以「memeorandum」为模仿对象，而随着「memeorandum」推出了自己的科技频道「tech.memeorandum.com」，也迫使 Gabe 赶快申请自己的域名，并最终确定为 techmeme.com。


尽管目前来看 Techmeme 似乎并没有什么直接竞争对手，然而真实的情况并非如此。在 Techmeme 上线不久，它就被看作博客空间的发现引擎和搜索工具。而且由于 Techmeme 采用了极为简单的算法（第一步，扫描 Rss 的 Feed；第二步将回溯到原文链接），因此这类产品的门槛也很低，随机出现了一大批类似的产品。而且，TechCrunch 也多次在头条新闻上以类似「Techmeme Killer」的标题介绍这些产品，随便举几个例子，ePlatform、TechFuga、Tweetmeme 等等。但如今，这些网站早已不复存在。

如今，越来越少的新产品会被冠上「Techmeme Killer」的头衔，原因有两个方面。其一，如上文所言，Techmeme 已经不再仅仅依靠算法推荐，再加入人类编辑角色以及有针对性修改原文标题的功能后，复制 Techmeme 这个产品已不再是单纯地部署代码那么简单。其二，媒体创业的路线有了更多选择，如果你想要赚大钱，那就走类似 BuzzFeed 那样的路。

事实上，对于 Techmeme 来说，真正的竞争对手其实是社交媒体。在一个注意力稀缺的时代，当一个读者从他朋友的 Facebook 分享中看到了某个科技新闻，或者从几百个朋友的推文中了解到当前最热的科技新闻标题，Techmeme 的重要性也不复存在。另一方面，如果读者能在社交媒体碎片化的阅读中获得他想获得的信息，那么某种程度上也不是 Techmeme 的潜在读者，从这个角度去看，社交媒体的竞争反而让我们的读者群体更具价值。

Techmeme 很长一段时间都只有一个人类编辑。2008 年开始，陆续招募了多位编辑。即便有了多位编辑，但 Techmeme 的内容编辑模式还是遵循过去只有一个编辑时的做法，那就是永远只有一位编辑坐决策，另一个编辑的作用仅仅是辅助。Techmeme 还有一个只关注媒体行业动态的姊妹网站 Mediagazer，也遵循类似的做法。

目前这支高效的分布式的国际化团队保证了 7＊24的新闻更新。尤其是很多员工都是在家工作，这种工作方式相比其他新闻机构，能够创造一种员工创新的资源池——不分年龄、国家的编辑，对于保持 Techmeme 内容多样性非常有帮助。

对 Techmeme 而言，一开始就选择不生产新闻，而以传递新闻为自己的价值所在。Gabe 表示，Techmeme 不存在通过发布过多新闻链接的方式赚取流量，而且，Techmeme 对于原文标题的修改，在 Gabe 看来是非常克制的，并不未获得用户的点击。[1]

《纽约时报》在 2010 年对 Techmeme 的一篇报道中指出，Techmeme 在媒体界扮演了重要角色：

They also play a crucial role in contemporary journalism, as media outlets and amateur reporters churn out an ever-higher quantity of often lower-quality content, said Kristian Hammond, director of the Center for Innovation in Technology, Media and Journalism at Northwestern University.

同时报道还援引了一位来自 ReadWriteWeb[2] 的编辑 Marshall Kirkpatrick 的话：

“Techmeme is our go-to primary source,” said Marshall Kirkpatrick, an editor and lead blogger at ReadWriteWeb, a tech blog. He visits Techmeme up to 15 times a day on his computer and phone, and requires his blog’s other writers to track it for breaking news.

令人「震惊」的是，Techmeme 从未有过插页式广告、页面包断的广告、鼠标滑动的广告、自动播放的广告，甚至连条幅广告也没有。Gabe 坦言，Techmeme 的坚持并不容易。由于没有自己的文章，也就无法通过 PV 来包装网站，更甚的一点在于，你可能都无法分享内容到社交媒体[3]。

Techmeme 的坚守使其获得了不少科技公司决策者的注意力，这也意味着其读者群体有着非常高的价值。对科技公司而言，将自己的产品、最新的动态触达到这部分群体非常重要。

目前 Techmeme 有赞助性博客、招聘启事，还有很多最近的会议信息，这也构成了 Techmeme 收入的重要来源。Gabe 透露说，Techmeme 从未从风险资本那里拿到一分钱。Gabe 认为，媒体生意不可能成为风险资本追求的独角兽式的商业模式。过去几年 Gabe 也接触到诸多投资人，Gabe 也没遇到真正了解媒体运作规律的投资人，投资人提出的所谓扩张发展计划几乎都是不可行的。

坦白说，Techmeme 并不具备任何复制的可能性，以此案例来判断当下美国科技媒体创业或者中国内容创业并不客观。但 Techmeme 却用 11 年时间，坚守内容的品质，同时平衡人类与算法之间的微妙关系，最终品牌、广告、用户中找到了一条出路。媒体从来都不应该是一门快生意或者能发大财的生意，媒体赚钱的方式有多种，能力是一回事，价值观则是另一回事。而这，理应成为所有媒体从业者、创业者思考的命题。

根据 Venturebeat 的一份数字对比：

Investors dropped $681 million into A.I.-centric startups in Silicon Valley last year.This year, the number will likely reach $1.2 billion. Five years ago, total A.I. investment spiked at roughly $150 million.

但仔细去看，这些资金基本都流向了机器学习领域：

The truth is — artificial intelligence does not exist yet and every single company pretending to have one is in most cases arrogantly re-selling an old concept of machine learning – a technology first introduced in 1959 that truly started to take off in the 90s. Cloud technology, big data and amazing search algorithms finally became the fuel for this rocket. Systems and services could self-improve thanks to insane amount of statistical data pouring their way. But this has nothing to do with A.I.

这些资金和媒体关注度也让机器学习（Machine Learning）似乎成为新的创业热点，但真实情况则是，机器学习对于人才、数据、计算能力的需求非常高。这几年，计算能力的瓶颈已经在云计算的帮助下逐渐变小，研究者或企业完全可以购买基于云端的计算能力，但人才和数据方面的难题还亟待解决。尤其是数据。

ML@B (Machine Learning @ Berkeley) 的两位创始人 Ted Xiao 和 Gautham Kesineni 介绍了当下数据如何制约机器学习：

随着机器学习受到的关注越来越多，其社区支持也不断壮大。网络上有了大量公开数据，种类也极其丰富；许多大公司也秉着开源精神，释出了许多优质数据库（比如 YouTube 8M）。关于一些具体的研究问题，甚至有标准数据库（如 The MNIST Database）用于研究或测试算法性能。

对于科研人员和学生而言，当下可以称得上是机器学习研究的黄金时代。然而对于真正的企业而言，获取一个具体问题的大量数据仍然是算出好的模型的关键。Gautham 告诉我，就目前而言，数据造成的企业差距还没有那么明显；但是有一天，数据也终将成为一种壁垒；而这一天正在慢慢接近。

区分 AI、DL 与 ML

深度学习作为机器学习的一种算法，目前已经和「人工智能」一词的效用等同。绝大多数媒体即便是科技媒体也都搞不清楚机器学习、深度学习、人工智能三者的区别。计算机科学家 Robby Goetschalckx 在 Quora 上详细分析了这三个概念，并将数据科学（Data Science）也纳入其中做对比：

Artificial Intelligence is the name of a very large research field, with numerous branches. Any approach to make a computer behave in a way which can be called intelligent" falls under this field.

Machine Learning is a particular branch in AI. It focuses on algorithms which construct models based on observed data. An essential part is the learning: given different data, you could get a different model. Again, there are many sub-fields and branches, depending on the methodology used, and the problem specification (for example, do you just want to learn which examples are “good” or “bad”, or do you want the algorithm to learn what actions to take in a specific situation?).

Deep Learning is a particular technique in Machine Learning. It uses an Artificial Neural Network with many layers, using particular clever techniques to learn the optimal model parameters. Every individual node in the network represents some “feature” which helps in representing the input or assigning a class to the input. For example, if all the inputs are faces, a node might be “nose width” or “average skin tone” or something like that. Crucially, the people creating the network do not need to put these features in themselves. The algorithm will automatically decide which features work best to accomplish its task.

Data Science is a different field, related to AI. It looks at how algorithms can help to deal with vast amounts of data. It includes visualization of data (how to make a large dataset more easy to visualize for humans), Data Mining (automatically finding interesting patterns in data sets), or learning models (which leads to Machine Learning).

深度学习带来的产品革命

而针对深度学习，Google Brain 团队工程师 Eric Jang 介绍了哪些产品正在被深度学习改造着（顺序不分先后）：

定制数据压缩、压缩传感、数据驱动型传感器校准、离线人工智能、人机互动、游戏、艺术助理、非结构化数据挖掘、语音合成。

这里特别强调两个：离线人工智能和语音合成，所谓离线人工智能是可以让包括手机在内的设备以不联网的方式实现某种智能的功能，比如 Google 自家的拍照翻译，苹果的 Siri 也有一些功能，在最新 的iOS 10 里，苹果相册推出的人脸识别也是离线人工智能的方式，但就目前而言，离线人工智能还有两大缺陷：其一精确度不够，毕竟智能手机的计算能力有限；其次，智能手机等移动设备的电池容量制约了其进展，如 iOS 10 相册的人脸识别只能在 iOS 设备充电时才运行。

关于语音合成。这项技术事实上已经相当成熟，国内阿里云也曾展示过自家人工智能产品模仿马云说话的样子。但需警惕的一点，随着人工智能的快速发展，新一轮社会工程学攻击将带来巨大破环里，比如基于语音合成技术的电话诈骗….. 在这里推荐《纽约时报》高级科技记者 Markoff 的一篇深度报道。

深度学习让芯片业走入新的十字路口？

当世界开始被深度学习改变的时候，整个科技的产业链条也开始了某种程度的充足。尤其是随着摩尔定律寿命越来越短的大背景下，《连线》杂志 Cade Metz 表示，自己最近几天被来自咨询公司的人「骚扰」——对方表示可以付费让其分析芯片业的走向——这是因为 Metz 早前报道了 Google 如何为人工智能制造芯片的文章，同时《连线》杂志也在上月长文独家披露了微软围绕 FPGA 的研发历程。咨询公司此举多数是由其背后的客户——芯片厂商所驱动，由此可见芯片业对于人工智能的不确定性。

Metz 坦言：

Today, Internet giants like Google, Facebook, Microsoft, Amazon, and China’s Baidu are exploring a wide range of chip technologies that can drive AI forward, and the choices they make will shift the fortunes of chipmakers like Intel and nVidia. But at this point, even the computer scientists within those online giants don’t know what the future holds.

但在可预见的时间表中，人工智能趋势下的芯片业未来一定包含以下两大趋势：

• 转向深度学习；
• 可扩展到智能手机的新一代芯片；

---

本文编译自 Aeon，有删减和编辑。

1970 年 10 月 1 日的早晨，计算机科学家 Viktor Glushkov 前往克林姆林宫与政治局委员开会。他是一个思维敏捷的人，黑色镜框的背后是一双颇具洞察力的眼睛，因此，当他遇到一个问题时，他会得出一套解决所有相似问题的方法。当时苏联遇到一个严重的问题。那一年的早些时候，美国政府推出 ARPANET，这就是现在我们每天习以为常的互联网雏形。这种分布式的网络最早的用途是针对美苏两国关系出现极端变化时，比如核攻击的时候，科学家和政府部门的计算机能够保持正常通信。这是美苏争霸的新战场，而现在，需要苏联做出应对措施了。

Viktor Glushkov 的想法是启动一项电子社会主义的宏伟计划，他为这个项目起了个野心勃勃的名字：全联邦自动化系统（All-State Automated System）。利用这个系统，不仅可以让国家提升经济效率，还可以在技术层面升级整个计划经济。Glushkov 认为，这个系统的经济决策依然要依赖国家计划而非市场，但利用计算机模型，可以加快kuai实现经济均衡的决策过程，该系统能够让经济决策更智能也更快速。Glushkov 甚至还提出了电子货币的想法。但所有这些想法都需要得到政治局的支持。

但是，当 Glushkov 当天早晨走入政治局那个巨大的会议室时，他发现长桌上少了两个人，那可是他最可靠的盟友。现在，他所看到的这一桌人，是一群野心勃勃同时又眼神冰冷的部长们——事实上，他们也都在为自己的项目争取政治局的支持。

1959 到 1989 年之间，苏联国内顶尖的科学家们为了亲民的目的，不断冒险尝试一个全国性的计算机网络。由于深受二战的伤害（事实上，80% 出生在 1923 年的苏联人死于二战），苏联继续推进大规模的国家现代化进程，在两代人的努力下，这些现代化项目将苏联从一个文盲遍地的农业国家转变为世界核大国。

赫鲁晓夫在 1956 年揭露前领导人斯大林的种种罪行之后，苏联国内短暂出现了一股将计算机应用于国民经济的潮流。这期间，一大批类似的项目相继提出。其中便有一个堪称世界首个为公民建造国家级计算机网络的方案。这个想法是苏联军队研究者 Anatoly Ivanovich Kitov 想出来的。

Kitov 是一个身材并不高大，但精通数学的年轻人。二战期间，他在军队的威望不断提高。1952年，他在一个高度机密的军方图书馆拜读了诺伯特·维纳的巨著《控制论》（1948）。在另外两位高级科学家的帮助下，Kitov 将《控制论》翻译成俄语，以了解计算机自我控制和通信系统的发展。「控制论」的理论体系有望在技术层面提供一套理性、科学的马克思主义解决方案，给笼罩在斯大林独裁和暴力阴影下的国家一剂良药。事实上，「控制论」甚至可以杜绝个人独裁，某种程度上可以实现技术管理国家的梦想。

1959年，作为一个当时秘密军方计算机研究中心的负责人，Kitov 专注于将海量而稳定的计算机处理能力运用于国民经济的规划，这是苏联社会主义事业长期面临的信息协调问题。（比如，1959年的人口普查中因人为计算错误使人口预估产生四百万的偏差，这个问题直到1962年才被发现）Kitov 把他的想法以「Red Book letter」的形式寄给了赫鲁晓夫。

他提出，应该允许「民间团体」在晚间大多数士兵睡觉时，使用军方计算机「complexes」来规划经济。他表示，经济规划者可以利用多余的军用计算机实时检查人口普查问题，并根据需要实时调整。他将他的军用兼民用国家计算机网络命名为「经济自动化管理系统」。（Economic Automated Management System）

但是，Kitov 的上级拦截了这封信。他让军方跟平民经济规划者共享资源的提议引发军方高层愤怒，Kitov 在信中还称军方的资源落后于时代。他随后被逮捕，接着一个秘密的军事法庭对其「罪行」进行了审判，最后他被党籍一年，并永远离开军队。就这样，苏联第一次国家级公共计算机网络提案结束了。

不过，Kitov 的理念成为后人继续探索的火种。60年代早期，另一个科学家继续他的研究理念。几十年后，他们的孩子结婚了，他就是 Viktor Mikhailovich Glushkov。

根据苏联（USSR）官方的解释，Glushkov 这个计划的全称为 「The All-State Automated System for the Gathering and Processing of Information for the Accounting, Planning and Governance of the National Economy」（简称为 OGAS），通过让计算机收集和处理信息，实现国家经济的调控。这套系统最早在1962年被提出，这个国家级的系统基于当时现有的条件以及新的网络部署，旨在打造一个可远程登录的国家级计算机网络。

其最终目标是扩展到欧亚大陆，像神经系统一样分布到计划经济中的每个工厂和企业。这个网络会根据各个州和经济的三级金字塔结构设定分级模型：在莫斯科中心的一台大型主机会连接到重点城市的200个中型电脑，而这些中型电脑同样会连接到分布在国民经济中重点生产场所的2万台终端机。

正如 Glushkov 毕生所追求的，这个网络计划体现的是一种经过深思熟虑的去中心化的设计理念。这意味着，莫斯科当局会决定谁得到怎样的权限，每一个获得权限的用户可以连接到金字塔网络中的每个人，不需要向主机请示。Glushkov深切明白，在网络设计中利用当地人才的好处，因为他的大部分职业生涯都致力于解决数学相关的问题，频繁往返于家和首都。（他笑称基辅和莫斯科间的列车是他的第二个家）

OGAS 计划吸引了很多苏联各州政府以及经济规划者的注意力。尤其在20世纪60年代晚期，整个苏联都需要解决一个长期以来的问题：苏联一致同意共产主义将是未来要走的路，但是自马克思和恩格斯之后没有人知道怎样实现。对于Glushkov来说，基于网络的计算机可以使这个国家走向后来被作家 Francis Spufford 称作「红色富裕」的光明未来。通过这个计划，过去以纸质文件的行政命令来控制经济命脉的方式，将转变依靠高速电网传输的类似于人类大脑神经触发的决策机制。简而言之，这个项目标志着「电子社会主义」的到来。

这样的雄心需要那些聪明又忠诚的党员抛弃抛弃旧式思维。20 世纪 60 年代，基辅就有这样的人，这些人可能就在科幻小说家斯特鲁加茨基兄弟住所外的几个街区。那里是基辅的郊区，从 1962 年开始，Glushkov 在那运营控制论学会达 20 年。他的学会里充满了志向远大的年轻人，研究员的平均年龄 25 岁。Glushkov 和他年轻的成员投身于发展为苏联服务的 OGAS 和其他控制论项目，比如在 20 世纪 60 年代早期，他们研发一个为虚拟货币交易的电子收据进行账目分类的系统。 Glushkov 曾通过引用马克思语录驳斥了共产党激进派对这个系统的指责，并因此闻名。他认为，自己的创新是对马克思主义预言的无货币共产主义社会的探索。但在 1962 年， Glushkov 的无货币的想法被认为没有毫无用处，政治局否决了这个提议。而幸运的是，他对于经济规划的计算机改造则被保留了下来继续研究。

这些控制论专家认为，可以给苏联经济系统设计一个类似智能神经网络的计算机网络。将计算机网络与人类大脑进行类比的理念深深影响了这批人的思考。他们不认同冯·诺伊曼的瓶颈理论（也就是目前还存在的计算机设备中的内存与 CPU 读写速度不均衡的问题）Glushkov 的团队提出了「macro-piping processing」的模型，这非常类似人类大脑内部神经元触发的机制。除了无数的主机项目，其他海包括自动控制理论、无纸办公室和实现人类和电脑语言的沟通的自然语言处理。Glushkov 和他的学生们雄心勃勃地提出了「信息永生」的理论，这个概念后来在科幻小说家阿西莫夫和·克拉克的小说中改成了「意识上传」，并最终被世人接受。而数十年后，当 Glushkov 临终时，他安慰他的妻子：「放轻松，有一天从我们地球发出的光将经过一群星座，在每个星座上我们又会重生。因此我们会在永恒中相伴。」

在结束每天工作之后，控制论学会的成员会钻进一家轻松有趣、恶作剧不断的喜剧社。这不仅仅是他们发泄的地方，他们将它视作独立于莫斯科规则外的虚拟国家。他们在 1960 年的新年聚会上正式将社团名称改为「控制社」，并在基辅和利沃夫定期组织节日舞会、座谈会、会议等社交活动，甚至出版了像《On Wanting to Remain Invisible – At Least to the Authorities》这样类似玩笑的书。他们从不发邀请，而是用带有讽刺意味的假护照、结婚证、信件和穿孔卡货币，甚至还颁发了「控制社宪法」。他们还滑稽地模仿苏联的政府结构，控制社由机器人组成的委员会管理，委员会上面坐着的是吉祥物和最高领导是一个吹萨克斯的机器人。

Glushkov 后来曾将自己的自传命名为《尽管有权》，即使他的官方职位写着「乌克兰科学委员会副主席」，他仍然需要说服政治局拨款。这所有的一切都需要很多钱，尤其是他的 OGAS 计划。

这正是1970年10 月1 日Glushkov 前往克林姆林宫的原因，他希望能继续控制论的工作，并将计算机网络带给千疮百孔的苏联。

有一个人阻挠了 Glushkov 的计划，他就是当时的财政部长 Vasily Garbuzov。Garbuzov 不想要先进并实时优化的计算机网络来管理和记录国家经济，他只需要能控制鸡场光线和音乐从而刺激生蛋的简单电脑，正如他去明斯克拜访时看到的。当然，他的动机并不是来源于简单的实用主义，而是希望为自己的部门获得拨款。早前就有传言称，他已经秘密会见了经济革新派总理 Alexei Kosygin，表示如果他的死对手——苏联中央统计局继续掌管 OGAS 计划， Garbuzov 和财政部将否决未来一切改革措施，就像五年前对待柯西金的渐进自由改革计划一样。

Glushkov 需要帮手来解决 Garbuzov，继续苏联的网络计划。但是会上没有人愿意帮忙。有两张空着的位置分别是总理和技术委员会秘书长 Leonid Brezhnev。这是苏联政府最有权力的两个人，并很可能是OGAS计划的支持者。但是很明显，他们选择了缺席来避免这场反叛。

财政部长 Garbuzov 成功地让政治局相信，OGAS 这个计划太过于庞大，不容易实现。政治局最终选择支持财政部长的提议，而将 OGAS计划继续列入高度机密项目，未来 10 年再进行审议。

OGAS 失败的原因跟最后苏联改革失败的原因相似：集体的「非正式」不作为。因为触及到自身利益，心怀鬼胎的高层部长、不思进取的下级官员、神经紧张的工厂管理者们以及困惑的工人甚至其他经济改革者也反对该计划。由于缺乏资金和领导人的远见，苏联 1970 年代到 1980 年代期间启动的电子社会主义项目被分成十几个，然后变成了几百个孤立的、无法协作的工厂局域控制项目。苏联没有建立起自己的网络不是因为太顽固或是自上而下的制度，而是因为其政策变幻无常，无法付诸实施。

这颇具讽刺意义。全球第一个计算机网络在美国诞生的原因要归功于管理良好的国家资金和团结协作的研究环境，而苏联的现代国家级网络计划迟迟没有结果就是因为恶性竞争、机构内部斗争。全球第一个计算机网络的诞生要归功于像共产主义者一样无私的资本家，而不是像野心资本家式的社会主义者。

人类学家和哲学家 Bruno Latour 曾风趣地说，社会使得技术寿命更久。他的意思是技术被赋予了社会价值：比如，Google 的 PageRank 算法被认为是民主的，因为它将点击视为投票。就像政客拥有票数一样，被点击最多的页面排名越靠前。互联网现在似乎变成一个自由、民主和商业的载体，部分原因是因为它不断巩固自己受欢迎的形象，就像西方价值观在冷战中获得胜利。苏联的故事正好与拉图尔的格言相反：就像社会技术成就了现在。

也就是说，随着我们社会价值的改变，技术也会随之改变。苏联曾经在网络里「植入」了集体主义的控制论、中央集权和计划经济。但网络也也在适应和进化，过去的十几年随着万维网的普及，人类看到了网络带来的透明、自由和民主。

苏联互联网的命运，可以让我们瞥见互联网未来发展的警示。如今，越来越少的人把「互联网」理解为一个为促进信息自由、民主和友好往来的单一全球网络。如果猫王和AP写作模式还不能说明问题，那想想为什么那么多公司和国家要「隐藏」他们的在线体验：无处不在的 App 更像是围起来的花园，而不是欢迎参观的公开场所；像Facebook和中国的防火墙那样「吞噬」某些外部链接；法国、印度、俄国以及其他国家的首脑要求互联网公司协助他们监控本国公民，政府部门对于网络的监控达到令人发指的地步。事实上，过去十年来数百个未接入互联网的网络已经在不同公司和国家中运行。未来，不仅仅是只有一个互联网，还会有多个不同的在线生态系统。

Glushkov 网络计划的遭遇告诉我们，技术天才、商业模式前瞻性和政治敏感性并不足以改变世界，只有背后的支持机构才最重要。而苏联的教训还在于，没有人能保证，当下基于个人利益支撑起的互联网，其遭遇会比强权控制（比如苏联）的互联网更好，而这不仅会带来苏联电子社会主义的终结，也可能终结我们现在的互联网时代。

前几天在 Twitter上看到一位朋友的 Tweet：

像伍迪.艾伦在《午夜巴黎》里表达的一样：每个时代的人都会认为自己的时代垃圾，上个时代才是黄金时代，但不得不面对现实，幸福的生活在垃圾里。覃里文在访谈里说，和以前一样，利用自己的视野传递价值观，不取悦读者。在如今这个时代，不取悦读者简直成了原罪。

后面这句话我特意加粗，因为这句话对我的触动很大。这也是我现在正在做的事情，我把「I/O」定位于一个系统输出价值观的平台，我希望能用「自己视野传递价值观，不取悦读者。」

这注定是一个艰难的尝试。我的职业生涯很长一段时间都在和文字打交道，从事与媒体相关的工作。与我而言，我的用户就是读者。我曾一次次地思考我与读者的关系。早年间，我有幸和一群古典媒体精英参与了一本杂志的重生，这个过程无比艰难，即便是有钱（隔壁王家的投资）、有人（几乎中国最好的非虚构商业记者），然而却在一种从来都不取悦读者的尝试中惨败。

我也经历过过去两年所谓的内容创业热潮，但我并没有成为所谓的「弄潮儿」，而是选择了退后一步。我发现自己在某个时刻失去了自我，这种心态出现在我每天沉浸在各色新闻客户端、各种微信公众号、各种刷爆微信朋友圈文章之后。那一刻，我和我的用户——读者之间的关系开始失衡。

也就在这两天，小米副总裁、原新浪网总编辑陈彤陈彤加盟一点资讯，陈彤对媒体表示，自己在一点资讯的角色定位是「内容和产品负责人」，要打造中国最优秀的资讯平台之一。

keso 这样评价陈彤和他即将面对的对手——今日头条的张一鸣：

陈彤加入的一点资讯，也是一个类似今日头条的算法驱动的内容产品，我也用过一阵，跟今日头条low得很难分高下。在被问到怎么跟今日头条竞争时，陈彤说，“在算法的基础上应该加入新闻理念和情怀”。问题在于，谁能把新闻理念和情怀教给机器算法？
更关键的，还有人在意新闻理念和情怀吗？

 

张一鸣同学作为一个软件工程专业的高材生，当他做一个基于算法的资讯产品的时候，他并不需要懂得新闻理念，甚至也完全用不上情怀这种东西，这个产品跟推荐火车票，或者推荐二手房没有本质区别。在一个工科学霸眼中，用户的口味没有高低贵贱之分，媒体给一个用户推荐越来越low的内容，也不代表媒体不正经，服务用户同样没有高低贵贱之分。

这篇名为《陈彤的时代，张一鸣的时代》的文章题目颇具一个时代终结、另一个时代开启的隐喻。从媒体的运营层面，陈彤的时代里，一条新闻由人类编辑的筛选过滤推荐置顶，是陈彤以及编辑团队的价值观；而到了张一鸣的时代，一条新闻成了读者与机器互动竞赛的战利品——这个战利品同时又是读者内心庸俗、恶俗、低俗趣味的映射，而对此，张一鸣并不需要负责。

Keso 对比两个时代里坦言：

默多克说过：想提高发行量？很简单，降低你的品味。传媒大亨的经验之谈，其实没有多少指导意义，难的不是你不知道这个道理，而是你知道也做不到，你毕竟还保有一点传媒人的尊严和底线。

 

算法就简单了，它不知道什么叫尊严，也不知道什么是品味和格调，它所知道的是，你点了这个low标题，证明你喜欢这种low内容。按照让用户满意的原则，就应该喂给你更多类似的low内容。我已然够low了，还用你帮我更low吗？

很显然，读者在一次次与机器的互动中收获快感、获得喜悦、得到满足。这也早已超出了「新闻茧房」的范畴，而更像是歌德笔下的浮士德与魔鬼的关系。

在歌德的巨著《浮士德》里，浮士德与魔鬼梅菲斯特做了一个赌注：梅菲斯特作为浮士德的仆人，会满足他生前一切愿望，到浮士德死后，梅菲斯特可以得到浮士德的灵魂。浮士德开始了他的世俗追求，人类贪婪、懒惰的本性都有梅菲斯特帮他实现了。随着故事的进展，作为主人的浮士德越来越依赖于「仆人」梅菲斯特，待到最后，主仆关系早已发生颠倒，此时的浮士德已经变成魔鬼的仆人。

这部分解释了今日头条等以算法为代表的新闻客户端快速发展的原因。另一个原因或许是大家都能感觉到却又无法准确描述的事实：中国互联网用户的年龄与学历水准。

8月份 CNNIC 发布了第38次《中国互联网络发展状况统计报告》，其中有几个数据很值得细看，首先，低龄化。从 10 岁到 29 岁的网民群体合计占据了 51.3%，也就是将近 4 亿人，这部分人构成了中国互联网的主体力量，当然你可以说 10 岁以下儿童群体与 40 岁以上中高龄群体也在增长，但整个网民的年龄结构已经非常稳定。

其次，低学历化。中国网民的学历结构如下，简单扫过去，高中及以下的三个学历结构的群体占据了 80%。

细心看下图，社交、信息（包括搜索和新闻）、娱乐（视频、音乐）成为三大最主要的使用场景。也分别对应了当下微信、百度、各色新闻客户端、视频客户端的强势地位。而在金额较大的旅行预定和相对正式的电子邮件方面，使用率不足四成，也足可见当下主流互联网用户的消费能力和交流的行为习惯。

处在中国互联网主体用户的年龄的这批人，他们憎恨深度、力度和难度，也厌恶文化经典世界所散发的神殿气息。「尽管米兰·昆德拉不无忧心地反讽生命中不可承受之轻，但卡尔维诺依然确信无疑地宣称『轻逸』将是未来千年文化的主旋律。然而，『轻逸』流传中很快被『轻松』所取代。」

自 1994 年 4 月 20 日，中国正式接入互联网以来，中国的互联网已经走过了风风雨雨的 22 年。如今，这个 22 岁的「青年」正在享受占据年轻人的年龄红利，今日头条不是个例，直播应用也不是偶然，微博的二次崛起也有迹可循。利用这些年轻人，未来还将有各种爆款应用与产品。

某种意义上，互联网依然是一门屌丝生意，所需要鉴别的，不过是物质屌丝还是精神屌丝罢了。

—

本周推荐阅读（点击书名或文章名可直接访问）：

• 《BuzzFeed 是个什么鬼？》 ：国外的月亮也不圆，互联网几乎让全球受众的口味一致性了，那就是 Low！
• Pound: Process for Optimizing and Understanding Network Diffusion： BuzzFeed 独门技术，如何让一条新闻流行起来！
• 《信息乌托邦》：为什么互联网是一个乌托邦？
• 《技术垄断》：如本书副标题所言，文化是如何向技术投降的？

本周《黑镜》第三季回归，姑且不说这次的剧情如何，这一季的《黑镜》依然以一种「近未来」的视角叙事，所谓「近未来」，可以简单理解为正在或即将发生的未来，比如当下我们与智能手机、社交媒体的关系。在「近未来」里，相比于机器快速进化，不仅包括计算能力也包括智能水平，人类的进化非常缓慢，当越来越多不适应新机器的人成为边缘人物，一如卡夫卡笔下的格里高利，异化、变形或成为新的社会现象，这也是我编辑整理本文的目的所在，在潜在的灾难来临前，认识你所处的世界。

---

人类总有一种错觉，比如我们沉浸在手机里或者被手机分散注意力的时候，我们通常认为这仅仅是一件偶然的事情。但事实并非如此，以相对专业的的术语来解释这一切：这是因为智能手机和移动应用利用人类固有的心理学偏见和内心的脆弱感所造成的结果。

智能手机并非唯一一个利用人类心理偏见「牟利」的行业，还有古老的魔术行业。魔术师们长期以来研究人类的视线的盲点、心理的盲区——这些都是人类长期以来固有的「缺陷」。利用这些「缺陷」，魔术师可以自由掌控观众所见甚至所思所想。如今，类似这样的套路又披上高科技的外衣，成为左右当下人类注意力的「恶魔」。

手机 = 口袋里「老虎机」

每个应用开发者最在意的一个词就是「活跃用户量」，再细化一下就是「日活」（每天的活跃用户）和「月活」（每月的活跃用户），这个数字直接反映了用户对于一款应用的使用频率，或者说上瘾程度。

想要用户频发打开你的应用，其第一件事就是把自己变成一台老虎机。

用户平均每天要检查 150 次自己的手机。为什么要这么做？难道用户每次检查自己手机的行为都是经过深思熟虑吗？显然不是这样，用户之所以频繁检查手机的主要原因和老虎机吸引人的原因类似：提供间歇变化奖励。

这是利用一种心理学原理：在同样的输入下，输出的是一个变化的量。相比于准确的「If This Then That」的因果关系，变化的输入输出关系更能使人着迷。

这真的管用吗？

事实上，老虎机在全美的收入已经超过篮球、电影以及主题公园收入的总和！而根据纽约大学教授 Natasha Dow Schüll 在《Addiction by Design.》一书里的介绍，相比于其他类型的赌博，人们几乎会病态地陷入老虎机的游戏中，其速度其他游戏的三到四倍。

利用该原理的移动应用非常多，比如近几年很多新闻客户端提供的「下滑更新」的功能，当用户每次向下滑动都能看到不同的新闻更新时，也在不断塑造用户与该应用之间的关系。再比如类似 Pinterest 的瀑布流设计，你永远不知道页面底部会产生怎样的「惊喜」。

社会归属感

智能手机的应用里，社交媒体应用占据了相当一部分。而通过创造一种社交归属感，则能创造一种令人欲罢不能的「瘾」。

比如有的社交媒体应用中会发布推送一条消息说：「你的朋友 Marc 在一张照片里标记了你。」类似这样消息会让用户感觉到某种社交归属。而社交媒体们，包括 Facebook、Instagram、SnapChat 则更进一步地要操作用户的行为。这些社交媒体会不断向用户，比如 Marc，推荐他朋友 Jim 的照片，暗示 Marc 可以在照片里做标记，而当 Marc 回应这个程序发来的「请求」时，事实上形成的结果则是：Jim 看到了 Marc 为自己照片做了标记，Jim 和 Marc 的关系似乎更近了！

想象一下，当 FB 这样的社交媒体可以操纵数以亿计的用户此类行为时，其产生的影响有多大。的确，每个用户似乎都找到了某种社会认同感和归属感，但却又造成了用户在虚拟环境里不切实际的自我认知，尤其是对于那些在现实社会不如意的人，社交网络里错误的自我认知只会让这些人的现实生活更加艰难。

还有一个特别的场景。在社交媒体上，用户更换头像看似是一件小事，但却是一个非常重要的用户场景。从用户的角度而言，更换社交媒体头像的时候是其内心最脆弱的时刻——有没人注意到我换了头像？有没有人会喜欢这个头像？谁会第一个点赞？诸如此类的内心独白也被 FB 满足了。在 FB 的 News Feed 中，用户更换头像的消息等级会非常高，这意味着当 Marc 更换头像之后，他的朋友们会第一时间看到，同时如果这些朋友主动或被动（比如上文提到的情形）回应了这条消息，毫无疑问，Marc 的社会归属感会得到充分满足。

「自由意志的终结」

LinkedIn 是另一个深谙心理学的社交媒体。在 LinkedIn 上，用户常常会收到类似下图的邮件：

一个正常人看到上面这封邮件都会以为是这些人主动加了你，而且在常识中，利用 LinkedIn 加好友是一件经过深思熟虑的事情，毕竟这是一个职场社交应用，每个人都会考虑添加一个好友后的影响。但真实情况并非如此，LinkeddIn 通过某种算法，几乎同时向这些人推送类似这样的邮件，换句话说，LinkedIn 让所有可能有关系的用户以为是对方添加了自己作为好友。

西方文化长期以来由「自由意志」作为支撑，在理性的选择中，每个人都有选择的权利。但 LinkedIn 则是在公然挑战这一原则，通过所谓「巧妙」的设计，让用户在看似自由选择的情形里，做出了一个最不自由的选择。

类似的案例还发生在当你使用 Yelp、大众点评的时候。周末，你计划约朋友见面吃饭，同时还想深入聊聊天，你一般会打开 Yelp 或大众点评搜索餐厅。此时，你看到手机屏幕上周围餐厅的列表，这个列表被切割成多个要素，包括价格、环境、服务态度等等，当然免不了各种各样的照片比较。而当你用手滑来滑去，在不同的餐厅之间对比比较细节时，你的操作事实上已经转变为餐厅比较，而不再是一开始的哪个目标：「我要和朋友安静地吃个饭，聊聊天。」

更进一步来看，我们现实生活的中的诸多选择都在无形中被操纵。看起来，你的每一个需求都有一个所谓的目录来满足——就像饭店里的菜单，但这些个菜单的选择权并不在你，而在与制造菜单的那些人。

• 「我想找个单身的人来约会」转变为你在 Tinder 的「菜单」里浏览一张张陌生的照片；
• 「今晚和谁出去吃饭？」转变为你在消息应用的最近聊天的「菜单」里搜索每个人的状态；
• 「世界现在发生了什么？」转变为你在新闻客户端的「菜单」里各种实时更新的消息。

创造饥饿感

康奈尔大学教授 Brian Wansink 做过一个有趣的研究。他发现，当参与研究的志愿者们开始使用无底碗之后，其摄入卡路里的数量比使用普通碗摄入卡路里多 73%。

移动应用开发者们也在有意无意通过使用「无敌碗」的方式来增加用户使用 App 时的时间。实现这个方式其实很简单，设计一系列用户交互时呈现的海量流动信息的错觉，让用户的每一次完成交互都变为新交互的开始。上文提到的「下滑刷新」和瀑布流，以及最近几年出现的基于兴趣推荐的新闻客户端都是这类理念的实践者。

另一种制造无敌碗的方式则是视频网站的「自动播放下一个视频」，在 YouTube、Netflix 以及 Facebook 上，用户完全可以一直观看视频，直到用户主动选择停止。

创造打扰

社交媒体应用挂在嘴边的一句话就是「提升用户体验」。但对这些公司来说，重要的并非用户在其平台上收获了什么，而是要加速这些用户在平台的流动。这也就不难理解为何越来越多的社交应用或消息应用会提供了快速回复的功能[1]。

另一个打扰机制则是「万恶」的阅读回执功能，Facebook 会自动标记用户是否阅读了消息，并将其自动发送给消息发布者，这也逼迫用户有了必须回复信息的义务。

如果以全球的视野来看，每天全球移动互联网用户都在一声声的打扰中醒来，又在一次次的消息 Push 里结束。在社交媒体等应用开发者的精心谋划下，时间被分割成了诸多细小块，像是无敌的黑洞，吞噬了你我的注意力。

2016 年上半年，硅谷科技巨头们都盯着一个领域：Chatbot。比如 Facebook，通过开放基于聊天产品 Messenger 上的 Chatbot 平台，希望开发者能在社交、聊天的场景下创造更多的可能性，此举也被看作 FB 利用移动端的聊天工具重新塑造移动互联网的新尝试。

不过 FB 的 Chatbot 平台缺乏一个特性，那就是如何让 Chatbot 加入到一个人类群组对话中。由于 FB 力主让更多用户——请注意这里的用户是人类用户，加入到聊天中，从而进一步提升用户的粘性，因此 FB 目前没有这个功能并不奇怪。

但 Google Assistant 却在这样做。

在 Google 10 月份罕见的产品发布会，Google CEO Sundar PIchai 以官方的名义重申了 Google 如何转型，也就是从移动优先到人工智能优先：

当我去思考未来的方向时，我清晰地看到一点：我们应该从移动优先转向人工智能优先。

Google 的发布会发布了两款 Google 牌的手机—— Google Pixel，这也成为过去半个多月科技圈子都在讨论的话题，以至于一个更重要的事实被忽略了，那就是 Google 对于 Google Assistant 的开放，现在，Google 允许第三方开发者自我定制动作和命令。

而 Google 发布会上另一个关于 VR 的产品也被其他新闻所淹没，对 VR 行业来说，这款 Google Day Dream 意义重大。这是一款能将 VR 带入大众市场的重要设备，比如它基于手机，而非 PC；比如它价格便宜；再比如其大大降低了开发者开发应用的难度。

Google 发布会之后不久，扎克伯格站到了 Oculus 大会的舞台，在他令人激动的「未来场景」演示中，扎克伯格传达出了这样一个信息：对于 VR、AR 来说，其未来真正的使用场景是社交（演示视频请点击这里）。

现在，当我列举完 Google 和 FB 近期在 Chatbot、VR 的一系列新产品和新动向之后，问题就出来了：Chatbot+ VR，会产生怎样的物理化学商业技术反应？

Chatbot 的进化是 VR 吗？

就像上面演示的那样，想象一下，如果你在 VR 交互中不再仅仅你朋友的头像，还是人工智能驱动的头像会是怎样？

这也是当下 Chatbots 与 VR 所缺失的一点：目前的 Chatbos，无论是 Siri、Alexa 还是 Google Assistan、Cortana，缺乏人类的形体、外表、声音，这些要素从某种程度上制约了 Chatbots 与人类的深度交互，比如在人类与人类的交流中，「身体语言」和「情感表达」都非常重要。但如果将你的想法通过文本发送给机器，或者用语音告诉你家里的某台机器，不管这些交互界面多么唯美，人类依然感受不到像人那样的自然交互。

而另一方面，VR 还缺乏一些有用的应用场景，对一项新兴技术而言，需要大规模用户场景的支持，才能推动整个技术生态的演进。从这个角度出发，聊天——这个人类社会长盛不衰的社交需求也就成为 VR 最有可能突破的方向。

下面这张图来自扎克伯格演示里的一张截图：

如果这张图里的 Michael 不是一个真实的人，而是某个可以和你玩游戏的 Bot，这就是 Chatbot 的 2.0 。

更进一步，当我们通过 Uber、滴滴预约一辆汽车的时候，你可以通过和这个 Chatbot 直接交谈，确定时间地点，此时，这个 Chatbot 还可以把司机加入群聊。

或者，你可以通过这个 Chatbot 预定一家 Airbnb 的房间，接下来，这个 Chatbot 可能把房东也拉入群聊中。

过去很长一段时间，我们对 VR 的想象空间局限在本地体验，比如可以通过 VR 设备体验到百货商店的衣服、或者体验到世界很多名胜古迹，再或者就是演唱会，但这种想象本质上是对一个个行业的彻底颠覆，短期内，甚至还会被这些「古老」行业杯葛。而换一种思路，将 VR 作为 Chatbots 具象化、人性化的体验，不仅能够为传统行业创造全新的交互，还会推动这些行业的发展。

这种全新的交互也会对应用开发产生深刻影响。传统意义上，开发者通过在一款 App 中集成多个功能，以手机 、平板作为载体，呈现在用户面前。而接下来，开发者要做则是深度定制一款 Chatbot，不断优化对话体验，载体也变成了各种 VR、AR 设备。

苹果为何缺席？

Facebook 、Google 上述举措展现了两家公司对于 Chatbot、VR 和人工智能的重视。

但有个问题是：苹果在哪里？

事实上，苹果在过去一年也有诸多举措：

* Siri 不断成长，并向开发者开放；

* iMessage 拥有了自己的应用商店；

* VR／AR 设备会成为 iPhone 8 的某个特性；

为何苹果对这些领域如此「迟钝」？

这或许就是苹果的风格，本质上说，苹果有太多硬件公司的基因，这也意味着苹果公司不会在相关技术没有成熟时贸然推出产品，毕竟，每一代 iPhone 的销量如此之大，而 iPhone 又长期以来是苹果财报的支柱产品，苹果公司绝对不敢用一些未成熟的技术影响到 iPhone的销量。

目前来看，VR/AR、Chatbot以及人工智能还处在技术发展的早期阶段，其进步空间还很大。相对而言，作为 Facebook、Google 这样的互联网公司，更愿意提前布局，并通过软件层面的优化不断提升用户体验和产品性能。

更重要的一点，当下 VR 设备与 PC 之间剪不断理还乱的关系也是苹果不会轻易涉足的原因。苹果这几年努力推动的就是无线化，无论是 MacBook 还是蓝牙耳机，都秉承了这个理念，因此，倘若 VR 设备无法摆脱 PC 、无法离开有线，从技术层面上看当然是技术不成熟，而从苹果产品设计语言上说，则充满了两个字「丑陋」。

前几天我在一家互联网公司分享时被问及一个问题：「如今内容呈现形式多种多样，从文字到音频、视频、直播等等，你如何看？」这当然是一个好问题，但却缺乏必要的想象力，而我也给出了一个很直接的答案：「只有 VR/AR 才是真正革命性的内容平台变革，其他都是过渡。」深层次来说，当 VR/AR 与人工智能或 Chatbot 有了更多交互和融合，内容生产、品牌传播以及客户服务，都将迎来质的改变。