【2021-06-23】 今天我花了几个小时想一个问题，最后得到了一个意外副产品：构思出了一个应用， 用丹内特的话说，人类是一种格列高利造物（Gregorian creature），意思是，我们不仅靠自己的观察和试错来认识世界，而且（经由文化）间接的通过他人的观察和试错来认识世界，实际上，在已变得极其复杂庞大的现代文化环境中，我们从直接经验中活动的认识，在整个认识活动中所占比例已微不足道，若是剥掉所有间接经验，任何个体对世界的认识程度将远远不如一个小型狩猎采集群体中的普通一员， 文化既提升了个体认识世界的能力，也扩展了认识世界的程度，但这也伴随着代价与风险：他人可能误导或欺骗你，传播过程会有失真和扭曲，脱离情境的信息会被误解和误用，抽象化和概念化会带来相应的假象和幻觉，寄生性的meme可能会通过剥夺宿主而完成自身的传播…… 与之相应的，人类也发展出了相应的心理机制来控制上述风险可能带来的损害，比如： 1）我们只在人生的特定阶段打开特定主题的学习窗口，比如有关各类东西可不可以吃的学习，在四五岁之前就结束了，语言学习窗口则在青春期到来之前关闭，学习新技能的兴趣大约在40岁之前就消失了（这是因为个人的生产率高峰一般出现在40多岁，所以35岁之后再学新技能收益不大）……总之，我们对各类事务的好奇心只打开一段时间，然后赶紧关上，以缩短暴露在有害 meme 汤中的时间， 2）我们在挑选认知代理人方面是高度选择性的，有着本能的倾向，知道应该跟谁学，更多留意观察谁的举止，听信谁的言辞，以谁为行为榜样，跟随谁的脚步，接受谁的指导或训诫……在传统小社会，这种选择非常自然而无需操心：在婴儿期，自然是母亲和其他会照顾你的大人，会走路之后，就加上了比你大的大孩子，到青春期，目光开始从家庭投向外部榜样，在家人之外，我们对他人的成就、声望和地位线索都非常敏感，一眼就能看出谁是这群人里的出类拨萃者， …… 现代传媒让文化雪球滚的更大，我们从中获取认识收益的潜力也极大提升，可同时，暴露于这锅大meme汤里，受其损害的风险也增多了，而我们挑选认知代理人、筛选信息、为自己构造恰当信息环境的那些心理机制和认知工具，是在旧环境中塑造的，它可能无法在新环境中为我们最大化认知收益，最小化损害， 现在让我收窄这个话题，具体到消费活动上，是否存在某种机会，可以帮助人们挑选认知代理人，以便在当代信息条件下，最大程度增进认知收益？ 不妨把消费品分作两类，一类是你已经大略知道自己想要的是什么东西，比如一台电视机，你寻求的信息只是用来帮你决定挑选哪个型号或牌子，对此类需求，已经存在各种信息供给方案：购物网站上的买家评论和排行，产品测评机构，品牌信誉机制…… 问题更大的是另一类，你对自己的消费需求只有一点模糊的倾向，比如想找几本书读读，大概愿意花多少时间和金钱，但你说不出自己想读的是什么书，所以也就无法针对性的寻找评价信息，类似情况同样存在于音乐，电影，旅游，餐馆，酒…… 这种时候你需要的是推荐而不是评论，市场上似乎也有不少针对这一需求的产品，随便举几个例子： 1）纽约时报书评版， 2）比尔盖茨的年度书目， 3）许多博客作者时不时开的书单， 4）教授给学生列的参考书目， 5）各种年度评奖， 6）明星直播带货， …… 依我看，这些供给方案都还非常原始粗陋，远未挖掘出当前产业与技术条件所提供的潜力，我设想的应用是这样的： 核心要点是让接受某一推荐的用户对该推荐给出反馈，并基于这些反馈而建立推荐者的声誉， 比如一位博客作者A，想给他的读者开份书单，原先他会直接在自己的帖子里编辑这份书单，现在他跑到 r.com 上编辑一份推荐列表，然后用一段 javascript 把它嵌到自己的帖子里，他的读者B看到这个帖子后，很感兴趣，于是在帖子内所嵌的那个推荐列表上点了*收藏*，列表便收藏到了B的 r.com 账户里，后来B读了其中某本书，并（也在 r.com 上）打了星， 这里的关键是，B这个打星动作产生了两个效果： 1）他对此书做出了评论， 2）他对A的推荐给出了反馈，这一反馈粗略可以这么理解：如果他打了四星或五星，这将被视为一次积极反馈，一星或二星则是消极反馈，（当然，还可以做的更精致，比如A开的也可以是一份负面书单，这样B打四星五星就变成消极反馈了，） 这样的反馈至少有三方面利用价值： 1）一次积极反馈提升了B对A的认可度，因而提升了未来A的推荐被B看到的机会，消极反馈同理， 2）一次积极反馈提升了A在推荐市场上的声誉，因而提升了他的推荐被其他人看到的机会，特别是被其他和B有着类似兴趣的人看到的机会，消极反馈同理， 3）基于海量此类反馈的统计结果，可以生成各种推荐榜，包括 r.com 的首页， 我觉得这至少比直播带货靠谱多了， 【2021-06-24】 @科学懒人无痛苦吃饭减肥法:ab认知如果不在大致相同的水准（a高b低），b的反馈价值应该是相反的。 @whigzhou: 确实，好的圈内推荐者，未必是好的大众推荐者，此类问题算法都可以处理 @tertio:需要参与者主动操作的话，很难普及，甚至有被刷数据的漏洞。电商行业的推荐算法是依赖点击和购买行为来判断，可以做得越来越精确 @whigzhou: 被刷榜是肯定的，但我相信有办法控制在可接受程度，豆瓣和烂番茄的评论也没有以购买为前提，但它们还是被很多人在乎，刷榜行为有其模式可供辨认 @whigzhou: 在我所分的第二类消费活动中，参与者按其参与深度可大致分为三类：1）专业级的鉴赏家，2）热衷探索尝试并积极评论的，3）消极参与的，大概每类的规模比前一类大两个数量级，我的方案重点在于让第2类的反馈改进第1类的表现，最终惠及第3类 【2021-07-07】 @whigzhou: 不少人说，像搜索引擎依据用户点击行为这一反馈来改进pagerank的方法，也可以满足我说的这种需求，差得太远了：1）搜索引擎的反馈非常浅，因为它无法跟踪更长的行为链，2）它需要用户事先有一个相当明确的需求意向，才会发起搜索，而我们需要推荐的理由常常正是缺乏意向，3）它的供方是单一的，缺乏竞争，而供方竞争是最重要的改善机制 @tertio:以后就靠搜索引擎+AI吧，不需要什么预设的用户操作，因为预设操作这个门槛对于互联网应用来说，实在是太高了。 @whigzhou: 操作负担多大程度上构成障碍，要看（1）这些负担在各类参与者中是怎么分配的（2）承受这些负担的参与者有没有足够激励 @whigzhou: 写维基词条肯定算得上很重的操作负担了，但并未妨碍它流行，因为负担分配不是均匀的，十亿计的阅读者，大部分是点链接来的，可能几千万是在搜索框里主动输入词条的，几十万编辑，但其中一千多位编辑贡献了3/4的词条，对于最后这批人，操作负担根本不是问题，关键是分配和激励是否相称 @whigzhou: 所以在我的构想里，推荐者的负担无须顾虑，他们本来就是会写帖子推荐东西的人，不会介意这点小麻烦（其实可能更方便了），关键是，那些记下别人的推荐并事后做出评价的人，需要新增多少操作负担才能让系统记录下这些行为链条，依我看，适当设计下，该负担不会比在豆瓣上点*想看*和*看过*更重 @whigzhou: 重复性消费行为的满意度容易从行为留下的痕迹中得到识别，比如一周内买了三瓶一样的酒，一次性的就很难了，除非你让用户直接佩戴几种传感器，从他在别处留下的痕迹是无法识别的