智能社交媒体「Ta 在」发布，社交媒体进入2.0时代

社会企业家提供的产品应对时代的情况。做减法而不是加法，是这一代企业家需要思考的问题。社会化再次变得突出，并依赖于更大的声音。这款两年历史的产品不仅支持了Bytdance一半的估值，还直接威胁到Facebook十年来的主导地位。最新数据显示，TikTok9月份美国iOS下载量超过Facebook，位居第一。因此，今年的社交创业公司非常活跃，甚至连企业家也看起来像明星一样闪耀。几年前，社交产品习惯于用“中国Snapchat”提醒公众，而现在它已经成为“XX高级产品总监打造的产品”，DST、经纬度等一线创业公司纷纷投入其中。我想尝试一些新的社交产品。他们在关系发现和联系方面做了很多新的尝试：多个人一起看电影来认识朋友，根据距离认识朋友，还直接使用Snapchat的“阅读后立即烧掉”功能来社交朋友。很明显，每个人都在寻找让他们的产品更“有趣”的方法。但这并不意味着“让社交产品更有趣”。如果我们延长时间维度，我们可以看到TikTok的成功标志着社会创业1.0时代的结束。文本、语音、照片、直播、游戏和视频等媒体都被大公司瓜分。随着社交工具完善了每个人的互联网身份，我们可以预见，“有趣”产品的道路将变得狭窄，因为现有产品已经足够个性化了。即使巨人不能自己做，复制也会更有趣。我是Snap。“击败Gofer”的商业模式已不再具有可持续性。有人问：社会轨道不再有效吗？当然不是，在社会创业1.0时代，企业家习惯于根据媒体类型来分割轨道，成功创造了数十亿甚至数百亿美元的企业。对于下一个媒体完全被控制的时代的伟大企业来说，机会应该在于发现现有巨头的漏洞，重新定义人与人、人与信息之间的互动模式。

社交1.0中最大的“漏洞”互联网是一种自然的社交工具。这是因为社会的本质是以身份为导向的信息传递，而后者则是互联网的优势所在。有趣的是，用户本身并不被允许参与此分发。我们不能将电缆连接到自己的血肉，直接将大脑和网络数据连接起来。因此，我们必须在互联网上复制数字化的分身（肖像），赋予适应性（Adaptive）和可扩展性（Scalability），使其能够访问信息。肖像作为人类和互联网两方面的媒体发挥作用。借用麦克卢汉的“媒体即信息”理论，媒体对人的影响大于信息。换句话说，社交产品的使用不是我们每个人的，而是我们系统的肖像。让一个人的形象更清晰，远比你告诉他们什么更重要。理想情况下，社交产品是一个人在互联网上的完美复制品，包括一个人的兴趣、思维模式、学习能力等。然而，目前的大多数产品仍然是简单的还原爱好。现有的机器学习和模式识别模型使用的是固态神经网络。为了将人与机器连接起来，算法建立了一个标记机制。内容由编辑手册或NLP模型标记，基于协同过滤的算法将用户映射到标签。动物是一维的，而人类是多维的。依靠一维标签来跟踪用户，结果可能是不合理的、扭曲的或扭曲的，往往会放大一个人对特定内容的喜好和厌恶。这个问题反映在社会领域，即算法缩小信息和标记。例如，如果系统检测到用户在短时间内看到了“小妹妹舞”，它就会开始标记用户并推送大量类似的内容。每个用户都充满了无数的标签。这就像麦克的“公民”，生活在印刷文化之下，生活在不同的小网格中，不断看到类似的内容。这显然不是普通人的习惯。除了娱乐之外，每个人都需要学习新的知识。显然，算法使这一点变得困难。人的真实状态是“游牧”，通过自我意识不断地在信息中移动和游荡。当然，像NLP这样的技术可以提高标签更新的效率，但这远远不是“自由行走”。图像不准确的直接后果是信息过载，影响用户与信息的连接效率。信息在时间轴上的位置被转换为租赁空间，由社交产品出售。可以说，目前大多数社交公司的商业模式都是建立在信息过载的基础上的。从这个角度可以看出，平台并没有动力去改变低端内容和推荐垃圾等问题，这些问题都是由流量理论引起的。原因是，大多数公司并不具备将用户与信息精确匹配的能力。即使是这样，信息过载越严重，不相关的信息越多，平台的流量传递价值也越高。受标签系统刚性的制约，大多数个性化产品实际上还是在做大众传播、清洗流程业务。这导致了不民主的发言权分配，信息本身的价值被与之相关的商业价值所取代。与“人人都能发声”的BBS相反，以Facebook、微博为代表的社交网络，通过相关人员和粉丝来限制信息的传播能力，这种传播能力甚至可以通过商业手段进行营销。这使得它不再是一个传播观点和内容的公平平台。更令人担忧的是，由于媒体有能力塑造人，贴标签的做法使人更容易被算法预测。用户被困在一个以标签为边界的城堡里，系统吃什么，很难探索外部知识领域。这就是为什么许多未成年用户“上瘾”的原因。这就是社会1.0的根本问题。算法是由一小群人设置和标记的，并且基于协同过滤，限制了人们自由探索知识边界的能力。换句话说，我们不把用户当作“人”来对待，而是把他们当作一组静态标签。如何改善这一点，是下一代企业家应该思考的问题。

如前所述，社交产品的最终目的是在互联网上完美复制一个人，包括一个人的兴趣、思维模式、学习能力等。现在，机器可以使用标签来理解人类的兴趣，但不能抽象其余的东西。我有两个原因。首先，用户肖像的抽象概念很难解释自己。用户只被要求填写兴趣问卷，不能用一句话概括自己的思维模式、学习方法，开发人员将其输入数据库供机器参考就更加困难了，因为用户自己无法理解。从另一个角度来看，谁先让用户填写调查问卷，用户的理解很可能停留在兴趣层面。第二，与被动消费爱好的内容相比，思考和学习是人类的主动行为。算法应该做的不再是通过碎片化的标签向用户“喂”内容，而是像爬虫一样取代用户，耙着互联网，拥有自己的“意识”，理解自我成长。这与基于协同过滤的静态标记系统完全不同。后者最大的问题是，它把人分割得太多，试图通过碎片将整个人拼凑在一起。这可能会产生两个严重的后果。首先，用户图像包含自然增长和进化行为，而不是标签的线性叠加。其次，这个体系没有相关性，只会把莫奈的作品强加给“印象派绘画爱好者”，而不是“德彪西的粉丝”。由于“碎片到整体”模型存在许多问题，为什么不改变视角，提取整体价值，获得统计上显著的样本，然后逐步完善用户特征？人类之所以能够做到这一点，是因为个体价值观在人类的大样本中并不是独一无二的，而是必须存在于群体中。个体的判断是随机的，受主观、情感和知识的影响。也就是说，群体的判断在统计学上是稳定的，并且在具有相同价值观的群体中比个体更好。智能社交媒体产品“Ta in”就是基于这种底层算法。2011年底，一个来自中国科学院的指南和一个来自微软、Facebook、LinkedIn和华为背景的三人工程师团队在2015年的实验室中展示了该算法的潜力。一个技术团队开发了一种新的算法，可以捕捉用户的行为并挖掘他们的潜意识。通过算法的不断演进，我们可以更准确地提取用户的特征，使信息特征和人的特征相互迭代进化，使两个特征都更加精确。今年6月，开发团队在上海成立了公司，并开始开发首款ToC社交应用“Ta in”。简而言之，该应用程序使用算法和机器来识别用户的兴趣，并帮助他们过滤和交付内容。所有这些都不需要用户自己的操作和维护，是智能信息转换和动态关系链。对于用户来说，最大的优势在于算法不断地捕捉新的知识点和需求，并创建分类，这样每个人都可以扩展自己的知识库，并跟上时代的变化。通过使关系链动态化，这个新的社交平台变得发散和探索性。在朋友圈、微博等传统社交媒体上，用户对发布后的反馈有一定的预测。你有什么评论吗？Ta In算法会根据用户分享的歌曲推荐他们感兴趣的电影、文章和艺术作品。基于这种非常先进的算法，Ta in的某些产品看起来有点“反社会”。虽然主界面有一个Feed流，但用户只能对他人的内容进行评论。用户看到的一切都取决于算法的推荐。这样的“佛教”功能设计有可能吗？Ta in团队的逻辑是，作为一个社交媒体，算法使我们能够最大限度地扩大知识和内容的传播，并将信息传递给每个想看到它的人。在解释这一设计时，创始团队提出了一个想法，即有限的社会性对社会性本身也有好处。“Ta in”避免了深厚的社会联系，建立了一个纯粹的社交网络，用户可以同时实现社交和知识。使用微信或微博，因为它们有很强的联系，很难同时考虑社交和沟通。社会轨道的创新者仍在探索新的模式。为了让人们在互联网上的存在不再是一个严格的“标签”，而是能够理解学习、发展思维、自主地扩展知识领域，这种思维是否代表了下一个社会形态？