从维基百科、Quora到知乎，下一代知识社交平台如何表现？
硅谷Live / 实地探访 / 热点探秘 / 深度探讨
继用户隐私保护丑闻保受谴责之后，本月初，老牌社交媒体脸书 Facebook再次占领各大媒体的头条。Facebook 发布加密货币 Libra 白皮书，引爆硅谷乃至全球新一轮对区块链落地应用及社交媒体的讨论。
回想小扎在哈佛小试牛刀推出 Facebook，此后经年，社交媒体世界风起云涌，Twitter、Instagram、LinkedIn、Pinterest、Vine、Snapchat、Slack 等等网站相继登场。那么社交媒体的出现，改变了信息沟通传播的方式，使这个更紧密连接的社会变得更高效了吗？
“碎片信息”时代，社交产品依旧有痛点
社交媒体短平快式的传播属性使原有传统的知识体系在传播中变成碎片。用户在网络上看到的世界看似越来越大，接触到的信息越来越多，但这些知识却难自成体系，甚至经常因为只传递了部分信息而导致知识的错误导向。
碎片式的交流方式，过多的信息噪音，让现在的人们虽然有 Google、Yahoo！等高效的搜索引擎，很多时候快速对接到期望信息的机会却不增反降。
由于人类历来沟通的高成本，低效率等特点，社交产品知识平台层出不穷。从开创社交媒体时代的元老 Facebook、Twitter，图片视频类YouTube、Instagram、Pinterest，到工作协同类 Slack、知识共享类Wikipedia、Quora 等等。
老牌社交媒体混战三国，看似格局已定，但仍不断有新产品推出：
国内有罗永浩子弹短信衍生版“聊天宝”、今日头条“多闪”和快播王欣“马桶MT”公开叫嚣挑战微信；海外有最大的区块链公司之一 Block.one 推出Voice 叫板 Twitter，更不用提 Snapchat 变脸滤镜、Instagram 密友圈子等不断推出的各种网红功能……
不论是哪一款软件，总不能完全满足用户的各种需求。顺畅的沟通，有效信息的准确快速对接，是社交产品永远的痛点。
目前不论是Instagram广告位招标，或是Netflix给用户推荐新内容，科技公司大多依靠算法先了解用户喜好，再推荐内容。然而综合全面的内容却有可能因为关键词的不精准难以被系统推送，而信息扁平易于被打标签的内容反而容易被推广。更重要的是，用户极易被算法限制在信息茧房之中。
社交媒体，如何能使用户获得的信息和知识结构最优化？如何去除过多的信息干扰，还给用户一片干净整洁的知识分享成长空间？
小探最近就发现了一个独树一帜的新社交 APP“Ta在”，版面非常干净简洁易于使用，知识内容却是干货满满沉甸甸。“Ta在”推出时间不长，还处于小众高知养成阶段，风格清新温暖。
如何众里寻Ta千百度？
“Ta在”团队经过7年对算法的研究，2018 年底推出了全新的 KNS(Knowledge Network Services，知识关系服务)产品。新产品超越原有SNS（Social Networking Service，社交网络服务）传统社交关系，重新建立人与人以知识关系为架构的社交平台，打造汇集集体智慧的“全球脑”。
“Ta在”打破原有社交媒体基于社会关系进行的信息链接方式，开创ECI算法（Evolutionary Collective Intelligence，演化群体智能算法），基于用户大脑的兴趣和思维想法连接，建立超越个体智慧的群体智能。
ECI 算法可以自我深度学习，灵敏感知知识结构的演化，从而整合优化知识学习。同时，ECI 通过了解知识结构的层次而对用户的内容逻辑衍生上下游信息进行推荐，并不是如传统算法仅仅推荐“相似内容”。
在关键词检索的表现中，ECI不但可以提供与关键词有关联的文章，甚至可以推荐与关键词有关知识架构的文章，照片，或者视频，以此解决内容埋得过深，无法被发现、连接的问题。
同时在KNS 产品中，用户的结识不再靠主动攀谈。AI 算法会识别用户是否有类似的知识结构，是否对同样的话题感兴趣，并以此匹配用户，以减少尬聊。
“Ta在”第一个界面“分享”，有瀑布流分享热门有趣的文章，文章下方不同颜色的小钻石实时显示帖子在平台上的热度。用户在这里找到感兴趣的话题，可以点击小手指“GMM”（Give Me More）或是收藏评论，算法根据这些互动记录可以学习用户的喜好。
瀑布流里找到了感兴趣的几个话题，想深度挖掘一下？在第二个界面“我趣”，“Ta在”可以让你自己组圈子，算法会实时把有圈子基因的内容导入平台。在这里你可以精准的聚焦在自己关心的话题上，在圈子里和算法识别的同兴趣的人产生交集。AI 会根据你设定的条件自动吸收符合圈子基因的内容和成员。
用户成功创建圈子后，无法主动新增或删减帖子，同时用户无法主动加入任何圈子，一切结果由 AI 算法决定。用户可以在诸多不同纬度不同风格的圈子中找到一个或多个自己喜欢的圈子，进行浏览/收藏/评论等操作，多多互动，会被 AI发现加进圈子。
算法通过瀑布流和圈子里对用户的了解，给每一个用户个性匹配与自己兴趣、知识结构相似的“同好”，提供更深入交流的平台。“Ta在”的理念是，匹配三观兴趣“同好”的人，能促进对同一知识体系的交流，有效加快知识进化的步伐，从而增加信息库的群体智慧体量。
不同于传统的社交媒体，“Ta在”其实不鼓励陌生人之间建立太容易的聊天。在这里，社交是半隐形而自由的。除了文章下留言外，唯一能有机会聊天的是第三个界面“同好”。但是“同好”太难求，机器为了确保只推荐对的小伙伴，进行了严格的筛选。
从信息的快速浏览，到小圈子深度挖掘，再到与三观相符兴趣相投小伙伴才能进行的深层沟通，“Ta在”与众不同进阶式的小众社交方式能最大化的去除社交媒体无法避免的噪音，加速有效信息点对点碰撞的火花。
集体智慧的第三阶段—“全球脑”时代
CI（CollectiveIntelligence，集体智慧）与个体智慧相对，指一个群组共享或是集体进化的思想。CI在商业领域已有不少成熟的应用。
Quora，维基百科等在线知识分享网站就是典型的群体共同进化的集体智慧平台。目前在北美落地比较成功的 CI 平台，除了“人人可编辑的百科全书”维基百科，还有给消费者提供商品评论的平台 Epinions、以提问和解答形式解决企业生化科研问题的 InnoCentive 等。
但不论是维基百科，Quora 或是知乎，都需要用户搜索或是关注某个信息传播源。用户有可能由于没有主动搜索到而错过有效信息。且各板块信息也缺少自我演化筛选的能力，相关联的信息不能对接成体系，各个知识点也相对分散。
知识共享发展到第二个维度，衍生出许多信息共享的工具，以协同类工具平台为代表。目前市面上比较成熟的协同类工具除了 Google Docs、Slack 等等，也包括了项目管理团队沟通类工具，如 Worktile、Trello等。
协同类工具可以允许多名用户同时编辑，有效提高了工作的讨论和效率。但这些工具仅限于小范围对某一信息的讨论，且高度依赖用户自行整合归纳信息，并不能促进群体智慧对多维度知识的深度学习演化。
如果说CI“集体智慧”应用的第一代第二代仍局限在用户自行交流，那么“Ta在”所代表的第三代知识共享平台则是使用算法梳理信息，使其自我学习成体系。在这里碎片式的信息得到合理整合，传递给对其关心的用户，用户进而互动贡献更多数据，双向促进知识的完整和生长。
1981年，彼得罗素在著作 “The Global Brain”《全球脑》中系统阐述了“全球脑”的概念。大体想法为全人类智力创新的智力、发明和创新的总和，而个体智慧成为全球脑的一个脑细胞，不断为全球脑提供能量。在全球脑的系统下，个体智能大能量地进行碰撞演化，人类智慧爆发空前的集合。
“Ta在”基于对“全球脑”知识共享理念的认可推出群体智能算法全新尝试。当知识和信息不再依赖于个人编辑和传播，而是算法自动对接汇总碰撞，意见能得到公平的传播，知识会对接到与之关联的群组中并进行进一步演化，问题则会高效率传递给有可能解决的人群中。
在这里没有标签没有人设，只有人和知识的直接对接。“Ta在”打造了全新的人与知识，人与人之间的交流平台。用户可以大胆的对知识进行阐述，自由地展现审美，而AI则会进行全球脑智慧的平台搭建和知识学习演化。
相比起其他不断做加法的社交媒体，“Ta在”却是轻装上阵，免去了花里胡哨的功能，只保留社交最传统核心的理念 - 知识的组构与传播。
从维基百科、Quora、知乎一类的知识共享平台，到协同类工具，再到“全球脑”，”Ta在”是群体智能算法的又一个进阶应用。ECI 算法根据用户的反馈深度学习，反向整合促进用户的知识摄取。群体智能算法可以应用在教育、广告等等不同的领域，未来很有可能成为颠覆行业游戏规则的新能量。
麻省理工学院定义群体智能：如何使个人和机器能够链接，从而使新的智慧超越以往的任何个人、群体或是机器？而“Ta在”已经朝这个方向又踏实的踏出了落地的一步。期待“Ta在”接下来的表现。
你觉得下一代的知识社交平台该如何发展？欢迎留言讨论。
推荐阅读
区块链报告 | 脑机接口报告
硅谷人工智能 | 斯坦福校长
卫哲 | 姚劲波 | 胡海泉
垂直种植 | 无人车
王者荣耀 | 返老还童
