财新传媒
位置:博客 > 胡泳 > 有智能社交这回事吗?

有智能社交这回事吗?

01
2017年11月,张一鸣提出“智能社交”,它不仅构成今日头条智能推荐发展的下一步,而且据说还代表着“社交媒体的2.0时代”。今日头条为智能社交框定的方向是:通过智能推荐更有效率地获取粉丝。公司还不惜投入,声称要在平台上扶持1000个拥有100万粉丝的账号。
 
 
一年以后的11月,市场上冒出一个新社交应用“Ta在”,将自己定位为“智能社交媒体”。然而此“智能社交”却不同于彼“智能社交”,完全反其道而行之:不要粉丝,不要大V,而是想通过不断演化的算法,越来越精确地提取用户特征,将信息的特征和人的特征予以精准匹配。其路径是从信息到人,而不是从人到信息。
 
“Ta在”也称自己是社交媒体2.0,而把新浪微博和朋友圈看做第一代社交媒体。不管如何分期和定义,大家对现有社交媒体的不满溢于言表。微博做的是流量生意,资源和话语权集中于头部,商业化开采过度;微信则混淆强弱人际关系,混淆公私空间,由熟人社交走向名片化,日益陷入“什么都是,从而什么也不是”的窘境。
 
 
我们的确需要新一代的社交应用,可问题是,存在“智能社交”这回事吗?
 
02
 
社交是人类的天性。通过社交媒体进行的社交,与一般意义上的社交,差异在于“更多”——即社交媒体允许更多的联系,更多的沟通,并且,是以一种更加公开的方式。围绕社交媒体的一个重要问题即是沟通超载——我们需要学习如何处理和理解我们现在所拥有的“更多”信息。
 
我在此使用“沟通超载”一词,而没有用大家惯常熟悉的“信息超载”,原因在于,我们在社交媒体上获得的信息并非单纯的信息,而大多是和发信人有关的信息,或者说,你在社交媒体上获取信息的过程,会天然导致你关注信息源。人和信息在社交媒体上是一体的。钱钟书有句名言,曾广泛传为佳话:“假如你吃了一个鸡蛋觉得很好,何必一定要去找下这只蛋的鸡呢?”对不起,在社交媒体上,我们“吃蛋”,但我们的确不满足于仅仅“吃蛋”,而是非常希望找到“下蛋的鸡”。
 
所以,“沟通超载”的内涵是,我们收到关于更多人的信息,比以往任何时候都要多,我们觉得需要处理它们,甚至希望对所有信息都能做出回应——而回应,显然不只是针对信息,更是针对人的。
 
 
这就导致了一个致命问题:我们要处理的信息以及人的关系,会远远超出我们大脑的处理能力。此种情势逼迫我们掌握信息时代的生存术,也即是如何过滤、筛选,为的是给滔滔的信息之流安上闸门。
 
我们正在实验的技术主要可以分为两类:算法机制和社交机制,尽管大部分我们使用的工具其实是结合了两者。算法技术利用计算机强大的记忆能力和处理能力,从浩瀚星云般的数据中寻找出答案。而社交工具则将我们朋友们的选择,作为指南,帮助我们寻找到感兴趣的东西。这两种新型的过滤机制,解决了我们的苦恼,但各自又带来各自的问题:比如算法过滤存在算法黑箱以及剥夺我们的选择权的问题,而如果我们的社交网络是我们新的过滤器,那信息权威就从遥远的专家那里,转移到了我们所熟悉、所喜欢、所尊重的人所构成的网络上,这同样也会产生一系列意想不到的问题,例如过滤气泡,例如回声室效应——高度同质化的信息流把相异的观点有效地排斥在外。
 
 
然后,我们还会遭遇一个窘境:每次上网都会遇到如此多的信息,这告诉我们,不管再怎么利用社交网络、再运行什么新奇的算法,也没有一个过滤器能够给我们提供恰好是我们需要的全套知识。因为,好东西实在是太多了。而不好的东西也太多了。
 
在一个非常基本的层面上,我怀疑“智能社交”的存在。就是说,我无法想象一个万能过滤器,我不相信有人能够把这样的东西开发出来。
 
03
 
“Ta在”的主创者说,“我们的智能体现在,通过算法和机器帮你识别你的兴趣,帮你筛选内容、传播内容,而不需要通过自己去选、去维护,简言之就是智能化的信息导流和动态关系链。”
 
智能化的信息导流,表面上看,当然不是不可以做到的。但动态关系链是否能因此建立,则完全是另外一个问题。
 
今日头条也可以说自己做的就是智能化的信息导流。算法的一个重要特点,我以为,是见数据而不见人,也因此,被算法训练出来的用户,不会特别在意信息生产者。如果说到信源问题,他们既无力分辨信源,也压根不关心信源。
 
用算法做社交,我一直觉得使力使错了地方。社交是人的一种基本欲望,但不是所有工具都适合社交。社交搜索成立吗?社交商务能走远吗?例如,航旅纵横本就是一款旅行工具,前一阵子却花心思去搞什么“用选座做社交”,不仅无益,反而有害。
 
 
那算法适合做什么呢?算法机制最好的着力点,当然是用于解决信息超载的问题。解决信息超载也有许多路径,其中之一是,把兴趣作为point of control(借用蒂姆·奥莱利的说法)。“Ta 在”公布的产品逻辑便是,在系统里先筛选出用户的兴趣爱好,再把兴趣相同的人聚合起来,由他们来决定内容的价值。其实,这是一种“兴趣图”(interest graph)的逻辑。
 
兴趣图以“人和人的共同兴趣”为线索。在2010 年的 Twitter 开发者大会上,当时的CEO狄克·科斯托罗(Dick Costolo)指出:“如果你看到我在Twitter上关注旧金山巨人队,这并不说明我认识其队员,而只是告诉你我对棒球很感兴趣。”当被问及推特新的“推广推文”(Promoted Tweets)平台将如何确定这些推文与用户推特流的相关性时,狄克首次提到兴趣图:“推特知道你与谁有联系,以及你和他们对什么感兴趣。”
 
 
与谁有联系构成了“社交图”(social graph),对什么感兴趣则构成了兴趣图。用户的关注、点赞、标签、点击、转发,他们做出的评论、购买的产品、创建的评级、运行的搜索,都可以用来拼接他们的兴趣图。这些兴趣有些被很直白地被表现出来,有些则是隐含的,需要从用户的各种活动中去提取。
 
在一款社交应用里,能够完整还原用户的兴趣爱好吗?对此表示存疑,例如我对某类电影有特别偏好,但我与大多数在社交媒体上交往的人可能并不共享同样的品味,我也未见得愿意告诉我的五花八门的好友,我本人喜欢特定类型的电影。只有在一种情况下你会这么做:你知道在某一群体中找到同好的可能性比较高。由此,单用途的兴趣图应当更有效,就像某些利基服务提供者,只致力于圈定一个特定的共同兴趣群体。
 
你认识的人不代表你和他/她拥有共同的品位。这的确是当下社交媒体的一个痛点。“Ta 在”想用算法不断捕捉新的知识点和需求,随即创建分类,从而拓展每个人的知识库,再由兴趣图逐步走到社交图,或者是最终将兴趣图融于社交图。为此,它的设计甚至不惜“反社交”,比如用户只能评论他人的内容,不能关注,也不能私信;不能点开他人的头像看其所发的动态,无法建立粉丝关系,纯粹是先看兴趣,再打标签;用户看到的内容,全部依赖于算法推荐……最终,算法不断学习了用户想要看到的内容之后,基于这些共同的内容,再去帮助用户匹配与其类似的人。
 
可问题是,谁来创造供算法学习的内容呢?由于不知道发布内容给谁看,用户发贴的动机就成了一个问题。另一个问题则是,用户发布的东西很可能不构成知识,或者更准确地说,并非兴趣相关,而只是口水或者流水账。比如,一个动漫爱好者的兴趣,如何才能被调动并予以反映?他能够在一个通用的兴趣图应用中找到相关的信息或用户吗?
 
 
从兴趣图到社交图,需要一个信仰的飞跃(leap of faith)。你替我“计算”信息,我都有意见;你如果替我“计算”人,我是有可能完全不感兴趣、也不信任你的。
 
04
 
社会关系一度是给定的,你通过你的居住地获得,或者从自己的家庭关系继承而来。现在,它们越来越多地成为你要去完成的一项任务(找到共同兴趣,形成共同利益)。
 
我把这叫做“任务导向型”的社会关系构建。没有这种构建,上述“信仰的飞跃”将无法完成。如果真有所谓“社交媒体2.0”,它主要关注的应该是如何完成不同的任务,而不仅仅是为了在一起,也即为社交而社交。在这种社会关系中,如果你愿意付出,长期贡献社区,才会在你归属的群体中获得回报。
 
 
新型的社交媒体设计的出发点应该是,怎样创造出更多强调群体成员体验的产品?例如,和群体在一起时,是一种什么感受?一群人一起读书,一群人一起上课,或者一群人一起去听音乐会,这些活动在现实生活中司空见惯,但至今没有人能够为我们实际体验的这些社交场合来设计数字等价物。
 
没有真正的社交媒介认真地向生活学习。如果真有智能社交,那它应该是对生活的忠实模仿。
 
注:本文载于胡泳的微信公号:beingdigital。
 
推荐 2