9/12/2021: Mode
本周的主题是 Mode 模式。
Forewords
模式转换并不常见。因为模式注定是一种常态，一旦发生转化，就会引发很多牵连的变化。
每一年，在世界的每一面，都会有人说，这一次不一样，新模式出现了，新常态将会改变世界。听多了，肯定会觉得是在喊「狼来了」，继而麻木的当作什么都没有发生，继续按照原来的方法，做原来的事情。
在电视上偶然看到一个植入的点读机广告。一只比圆珠笔略大一点的设备，可以读出书上的文字。我不由得想起小时候，妈妈就是用手指着故事书上的文字来教我认字。那个时候，最大的瓶颈在于她的时间和耐心总是有限，每次讲一个故事，就要去做别的事情了。而这个机器却绝不会有这样的限制，也不会有一下子读不出来的生字。现在的小孩子很容易就有这样的工具来学习语言——当然，绝不止于这样的工具。
这或许是机器算法所有的应用中最渺小的那一类，你甚至叫不出这个东西的有什么牌子，也谈不上谁的质量比谁的好一点。文字识别加上语音合成，就是那几家的技术，外面包一个壳子，找到流量渠道，就可以赚钱。而就是这样微不足道的一些生意让实验室里的研究成果变成了常态。
模式发生转换一定是以廉价的方式进行的。因为只有这种方式才能让它在所有政治和经济体制中畅通无阻，形成它所需要的规模补偿。
新的模式转化往往是以旧的模式转换为前提而形成的，背后的本质是技术的组合进化。每一代模式都意味着某种垄断的形成，而垄断者的利润又往往成为下一代模式的发端。技术为先，商业放大，最后是政治把这一切吸纳进来。
新一代势必要比我们这一代更聪明，更健康，正如我们的上一代也曾用忧虑的眼光看待我们一样，他们也被我们过分担忧了。这种担忧正验证了我们对模式转换的麻木，以及正在擦身而过的时代。
Links + Notes
21 Experts on the Future of Expertise via Future
本文由多位各个领域专家的观点综合而成，试图回答一个问题：专业性（expertise）在现代需要被如何重新定义？
这个问题从何而来呢？本文开头用了 Richard Feynman 的一句话：
Science is the belief in the ignorance of experts. 科学就是相信专家是无知的。
初读这句话，可能会把它理解成是对权威的挑战。而再想一下，可能就会想到科学超越了任何单一专家的知识、经验和见解。解决问题的方法可能是多维度的，从棱镜的另一侧看过去，问题就会发生翻天覆地的转变。原有的专业性消失了，新的角度可能带来新的解答。科学，作为一个抽象的综合，却能够在任何角度都带来洞见。
Auren Hoffman 认为：专家一般只擅长少数领域，人们不应该超出这些领域而全然相信他们的意见。
The hard thing is figuring out who those real experts are. Here’s something I wish I had learned in my 20s: The “experts” that most people agree on are usually only experts on a very narrow subject. We should listen to them on that one subject, then, and disregard almost everything else they say.
困难的是要弄清楚谁是真正的专家。我希望我在 20 多岁时就能学到的是：大多数人认同的「专家」通常只是一个非常狭窄的主题的专家。那么，我们应该在这一问题上听取他们的意见，而不考虑他们说的其他几乎所有事情。
换句话说，就是 what you know 比 who you know 更重要。社交媒体上的意见领袖出现问题，往往是因为他们超出了自己擅长的领域。然而，心理学家 Jean Piaget 的研究表明，能够在一个领域掌握专业性的人往往也同时学会了让自己的大脑高效学习和组织知识的能力。这就让甄别的难度进一步提升了：我们相信的是是一个人的领域知识，还是他的认知能力？
Richard Feynman 是一名物理学家，但比起他在物理领域上的学术贡献，他更为大众（比如我）所知的是他的学习方法。这是一种综合多学科的方法，面对问题，他会请教多个领域的专家，而不局限于「拿着锤子找钉子」。他不会在专家的复杂讲述面前停住，而是会追问更具体的例子，然后从实例再次抽象，寻找理论和现实之间的差距。
Whenever an expert was describing a complex idea, Feynman asked for a concrete example. Then he followed the example along in his mind as they built back up to the idea itself. Not infrequently, the example would reveal obvious flaws or gaps in the idea, and he would interrupt. Even if the idea was sound, the example clarified it. By moving from the concrete to the abstract instead of the other way around, Feynman excised insight from unnecessary complexity. He unlocked the value expertise was supposed to offer, even when it didn’t.
每当一个专家在描述一个复杂的想法时，费曼都会要求提供一个具体的例子。然后他在脑海中跟着这个例子走，再回到这个想法本身。很多时候，这个例子会揭示出这个想法的明显缺陷或差距，他就会打断。即使这个想法是合理的，例子也能澄清它。通过从具体到抽象而不是相反的方式，费曼从不必要的复杂性中提炼了洞察。他释放了专业知识应该提供的价值，即使它最初没能提供。
数位受访专家提到，互联网让 Feynman 方法变得更加可行，对更多人开放和友好。Feynman 方法实施的关键在于能够获得和多个领域专家进行直接对话的能力。而在互联网上，这一切变得更加可行。科幻作家 Eliot Peper 讲到他从一条 tweet 开始，找到相关的 newsletter、YouTube 或者 podcast，最终通过私信和 Zoom 直接对话。Cybernaut newsletter 的作者 Fadeke Adegbuyi 认为：
It’s a change not just in medium, but in mode.
互联网不仅仅是一种媒介变迁，更是一种模式转换。
之前读过 Wisdom of the Crowds 一书已经完整的讲述了互联网带来的可能性。其开放性创造了前所未有的公共讨论空间，可以让不同的观点汇聚。它正像 Feynman 口中的 Science，能够超越任何单一专家的狭隘。在互联网越来越多的演化成新的「模式」的时候，社会必然需要对其施加更多的价值规范和引导。否则，它只可能成为另一个深渊。
在达成价值共识的过程中，人们将持续看到它作为开放媒介而带来的负面影响。无论是学者还是科技从业者，都需要更好的叙事能力，来让公众正确理解他们所面对的复杂性。专家此时实际上是复杂性的代言人，他们需要承担起沟通和解释的职责。一定程度上，他们将利用人们无法正确甄别专业性的天然缺陷，以他们在特定领域的专业人设来讲述更宏大的叙事。这是一种技术手段，只要它的目的是正当的。
Low-Level Vitalist Memeing by Venkatesh Rao
Rao 本周带来了一篇解析语言层级的文章。他一向擅长使用物理或计算机科学中的概念来分析社会文化现象，这一次，他把人类的自然语言和计算机语言做了一个对比。
在计算机语言中，语言是层次分明的。低级语言更容易被机器理解，而高级语言更容易被人类理解。这个概念并不陌生，Rao 就此提出一个问题：
Given a piece of natural language text, it is always interesting to ask — what level of abstraction in a computing stack is it analogous to?
给出一段自然语言文本，问一问总是很有趣的——它类似于计算堆栈中的哪一层次的抽象？
他举了两个例子：
- A PowerPoint-based speech is perhaps like Javascript and CSS. It belongs in the public presentation layer of the stack. 基于 PowerPoint 的演示也许就像 Javascript 和 CSS 一样。它属于堆栈中的公共演示层。
- A legal contract is perhaps at the C level. A to-do list is perhaps at the bytecode level. 一个法律合同也许是在 C 级别。一个待办事项清单也许是在字节码级别。
PPT 演示中的语言和法律合同中的语言可以被认为是自然语言中的两个极端情况：一种充满了冗余信息，甚至不惜损失准确度，而带来受众体验和接受度的提升；而另一种则尽量简洁、准确、精炼，但可能只有少部分经过专业训练的人才能读懂。
大部分情况下，自然语言并不像上面这个例子这么容易分清层次。Rao 提出的分层框架至少提供了一种判断依据，帮助我们理解语言在沟通信息的过程中可以有怎样的分别。
这个概念并不新鲜。如果读过《理解媒介》，那么就会自然联想起冷热媒介的概念，和上述语言分级的概念是一致的。实际上，语言分级也被广泛运用在语言学习方法上。在任何一种语言中，都有一些词汇传递了更复杂的意思，它们往往植根于历史传统文化之中，并不能以字面意思进行理解。
Rao 随即把这个现象带到了大众媒体中。他认为，Twitter、Reddit 和即时通信软件上使用的语言，多半都是层次较低的，少数人能理解的语言。它们往往更适合在小圈子中进行高效的信息传递。这和我之前讲过的「梗」有关，但又限定了它们的传播广度。这些语言，更像是直接写给机器执行的代码，更容易引发直接行动。与此相对的，就是 TED 演讲、纽约时报的专栏、Substack newsletter，这些内容往往篇幅更长，充满了解释性和煽动性的修饰，进而能够被更多人接受。但也正是由于它们的广泛传播，在引发直接行动上的能量密度被摊薄了。
Rao 在文中写道：
So to explain my answer, the future of words, at least in the medium term, lies at a very low level in the abstraction hierarchy spanned by any natural language. You can still use words at any level, but the most powerful level is the lowest one.
因此，为了解释我的答案，文字的未来，至少在中期内，在于任何自然语言所跨越的抽象层次中的一个非常低的水平。你仍然可以在任何层次上使用词语，但最强大的层次是最低层次的那些。
我认为，他并没有完全理解高阶语言的能量。在小范围内促使直接行动固然重要，但这并不构成语言能量的全部。能够广泛传播，即便最终能量密度稍低，本身也具有巨大的价值。这一点并不应该被忽略。但无论如何，Rao 提出的框架是充满启发的。
Tech Epochs and the App Store Trap by Ben Thompson
Ben Thompson 本周发布了一篇新文章，以 App Store 最近宣布的分成政策为切口，对未来科技行业的发展趋势做出了新的世代划定。
App Store 的 30% 分成模式建立在 Apple 对 iOS 的垄断式掌控上。虽然它提供了更加安全便捷的支付环境，但同时也提高了应用开发者的进入门槛，甚至在一定程度上限制了创造的可能性。30% 分成的前提是特定的毛利结构。在 iOS 上无法直接在 Kindle 应用内部购买电子书，背后的原因就是电子书的定价无法支撑 30% 的平台分成。
无论是早先 Epic vs. Apple 的大战，或是 Twitter 推出的 Super Follow 功能，还是最近在日本裁定的允许阅读类应用提供跳转到网页付费的链接，App Store 的经济模式出现了越来越多的问题。超级应用的崛起，已经在 App 内部创造了体量不亚于 App Store 的生态体系。Creator Economy 实际上是对价值链的重新分工：应用功能经过多年的市场竞争，已经逐渐固化，真正产生变化的是内容创作者。很显然，大部分 App 都是稍加改良的浏览器或播放器，唯一不同的是其中被浏览和播放的内容。
正如 Chrome 让电脑操作系统变得无关紧要，内容平台让手机应用商店也变得无关紧要了。Windows 和 MacOS 都已经免费了。App Store 为什么还能收 30% 的分成呢？Thompson 随即提出了科技行业的下一个世代：PC → Internet → Mobile → Apps。
Apps 的叙事感不足够强大。这个词已经被讲了太多年，无法让听众提起更多的兴趣。实际上，它意味着价值分配的权重正在技术栈中向上层迁移。越是表层的变化越快，长期投资机会虽然稀缺了，但对个人不失为是好的生意机会。
这也是为什么「去中心化」的声音又一次变得响亮。上一次唱得最响的，其实就是 Apple 自己：there is an app for it - 成千上万的年轻人怀着在 App Store 日入斗金的梦想。开始学习晦涩的 Objective C——早年开发一个手电筒 app 都能分到百万美金入账。而现在，魔戒还是戴在一个人手上。
我没有任何反讽的意思。「去中心化」的结果是创意的繁荣，而其二阶效应是中心化平台的崛起。人们从来都不擅长处理大规模并行的信息量。面对多样性，我们需要设计优美的界面，逻辑清晰的分类和排序。无论是搜索引擎、应用商店还是 Newsfeed，一代又一代，它们都是新的「视窗」。
Our First Big M&A Deal (Beating Netscape) by Steven Sinofsky
本文讲述互联网早期，微软如何通过收购 Vermeer FrontPage 方式，解决 Office 的 HTML 编辑器短板的问题。
其中引用了一封内部邮件，神奇的预测了互联网的「未来」。
开头那句 Truth is stranger than fiction 很神。
微软的 Office 部门发现自己的办公套件并不具备以所见即所得的方式制作网页的能力。而当时一家名为 Vermeer 的公司开发了 FrontPage 是当时最优秀的此类软件。于是，当时负责 Office 的副总裁向这家公司的 CEO 打去了电话，并且表达了合作意愿。很快，团队也向 Bill Gates 演示了这款软件，并成功说服了 Gates 微软应该收购这家公司。同时，Netscape 的 Marc Andreessen 也计划拜访这家公司。收购 Vermeer 正是当年微软大战网景的缩影。
微软团队经过了精心的准备，谈判中可能出现的问题被「105% 的准备」过，最终成功击败了 Netscape，以 1.3 亿美元等值微软股票的方式完成了收购。FrontPage 在被收购前，售价 695 美元，1.1 版本仅销售了 275 份。在被微软收购后，迅速销售了 15 万份，之后被捆绑到 Office 套件中出售。
文章还讲到 PowerPoint 当年是以 1400 万美元收购的，当年微软的年收入是 3.45 亿美元。而 Hotmail 在 1997 年则花费了 5 亿美元。
Others
- How James Clear is Writing His Next Book by Dan Shipper and Kieran O'Hare: 介绍了畅销书作家 James Clear 如何写作他的下一本书。文中提到了不少生产力工具的用法，比如：用 Asana 来管理写作灵感等。对希望在知识管理和创作方面精进的朋友或许有一些启发。
- Algorithms and Hairdressers by Azeem Azhar: 讲述了法国大革命期间的总工程师德普罗尼如何通过分解复杂问题并分工协作的方式，完成了一张高精度的对数表。在没有计算机的年代，这个故事如同慢镜头一般演示了算法如何工作。
Tweets
@jamesjyu:
用 Paced Layering 解读 NFT。
Books
本周在读《国家的视角》。这本书的作者 James C. Scott 是耶鲁大学的政治学和人类学教授。他写作本书的方式并非如同常见的畅销书一般，以大量堆叠的案例和故事来延长篇幅，而是有层次叠进的逻辑主线。
本书的副标题是：那些试图改善人类状况的项目是如何失败的。而我读完了将近一半，没有明显的感觉到，作者是在列举一大堆失败的项目作为案例。相反，他是从政府是如何通过人口普查、地图测绘、城市规划等方式，简化现实中的细节，从而带来宏观治理意义上的清晰度。在微观意义上，这些做法自然难以照顾到每个人的感受。任何程度的简化，都对信息量的压缩，特别是自上而下的视角，更可能忽略掉个体的特性和关联。
比如第四章中讲到巴西利亚的城市规划：
许多从其他城市搬到巴西利亚的居民都惊奇地发现，“这是一个没有拥挤人群的城市”。人们抱怨巴西利亚缺少街道生活的匆忙，没有繁忙的街角和路两边使人行道充满生气的延伸出去的长长店铺。对于他们来说，巴西利亚的建造者实际上计划阻碍一个城市的建成，而不是规划了一个城市。他们对巴西利亚最多的说法是“缺少街角”，意思是说缺少复杂的、有很多邻里的交叉路口，这些路口由包括娱乐、工作和购物场所的住房、咖啡馆和餐馆组成。当巴西利亚很好地满足了一部分人类需求的同时，它的工作与居住、商业与娱乐的功能分区，方形居住区之间巨大的空地，只为机械化交通工具设计的道路系统都使热闹街角的消失成为必然。规划的确消除了交通阻塞，但也失去了受欢迎的人们熟悉的行人交通拥挤，霍尔斯顿的被调查人之一称失去了“社会欢聚之点”。
可以说它和简-雅各布斯倡导的那种自然的、非正式的城市生活截然相反，但这正是所谓自上而下的视角所必然引致的结果。自下而上的可能是舒适的，但也同时是混乱的，缺乏统一秩序和宏观理解的。巴西利亚是一种失败吗？我暂时还未从书中得到答案，但它提供了从国家的视角进行观察的方式，远不同于在日常生活中更多听到的抱怨和吐槽，它具有自己的合理性。
下周是中秋节，周六也要倒休。我计划下周休刊一期，好好休息和整理一下，也陪陪父母。再下一周恢复正常发布节奏。国庆期间计划出游，发布可能会暂停或简短一些。请各位读者朋友们见谅！
预祝中秋节日快乐！
Neo