蓋布精兵于友軍之陣，完其勢以威敵也。
透明
《羅胖做的是知識服務嗎？》一文中，我們分析后得出的結論是羅胖在做知識產品，不是在做知識服務。
很多朋友讀后誤解了，認為我在指責羅胖吹牛和撒謊。我絕沒有那個意思。商場如戰場，沒有哪個軍事家在打仗之前會把自己的全部戰略意圖和戰術動作都通知敵方，讓他們做好準備的。虛虛實實，很正常。
羅胖不正常的地方在于他要倡導透明化。《時間的朋友》跨年演講實際上就是一次戰略展示。如果你記住了那5只黑天鵝的話，若干年后回憶起來，你會覺得羅胖太透明了，把公司要做的東西都說出來了。可是此時此刻，許多人其實并不真正完全理解這5只黑天鵝和羅胖的“得到”之間的關系。這也不奇怪，拆解、包裝、打亂順序、增加噪聲……接收者得到的訊息自然會似是而非，近于混沌。為什么要這么做？
你猜。
《羅胖做的是知識服務嗎？》一文中，我們拆解了“時間戰場”和“服務升級”兩只黑天鵝，確認了它們和“得到”戰略目的之間的關聯。那么“智能革命”、“認知迭代”和“后真相”呢？
聽跨年演講的時候你不覺得很奇怪嗎？羅胖連人工智能的一些基本術語都無法理解。按說應該“不熟不做”啊，為什么要把人工智能的概念勉強拋出來呢？
因為后三只黑天鵝是“得到”從知識產品走向知識服務的步驟。要做到透明，就不得不提。我們來分析一下，只不過順序要變一變。
認知迭代
漢語里面缺乏一樣東西，就是時態。
假設小時候說話遲的愛因斯坦，某天突然冒出來一句“我，世界上最偉大的科學家”，周圍人會怎么看？最友好的反饋也是嘲笑吧？
但是你有什么理由嘲笑他？他說了此時此刻他是科學家了嗎？沒有。站在幾十年后的角度回看這句話，有錯嗎？恐怕還要被傳記作者大書特書，作為“有志者事竟成”的典型范例呢。
同樣，羅胖那張幻燈片上寫的是“得到，中國最好的知識服務商”。誰說他在描述事實來著？
他描述的是未來預期。等著若干年后人們去解讀，甚至是去贊嘆。
可是單單概念上搶占一塊高地真的有用嗎？基礎矛盾怎么解決？
回顧一下知識服務的基礎矛盾：
在今天，你做個性化的知識解決方案，價格不便宜。因為邊際成本難以顯著降低，尤其是難以降到幾近為0的水平。
這個矛盾目前“得到”解決了嗎？沒有。
但是羅胖正在捋起袖子準備解決。方案其實他都已經告訴你了，采用智能革命的成果。
人工智能帶來的個性化，早已不是新聞了吧？
你在亞馬遜上面買了書，亞馬遜會推薦你可能感興趣的書。
你在豆瓣上評價了一部影片，豆瓣會猜出你可能喜歡的其他影片。
你在今日頭條上閱讀并喜歡了一篇文章，羅胖說根據該平臺的“母愛算法”，你就甭想放下手機了。因為符合你口味的文章會源源不斷撲面而來。
獲得這種個性化的服務，從前依靠人力，成本要有多高呢？很高。因為有些問題你得找專家去咨詢。
現在人工智能平臺給你提供個性化推薦，成本如何？
0？你還不夠大膽——成本是負的。
你的行為會給平臺提供新的數據，使得平臺在為其他用戶提供個性化推薦服務的時候更加精準。你的行為數據做的貢獻遠遠大于0。
人工智能不是某一家獨有的買賣。亞馬遜用得，羅胖為何用不得？用了人工智能，個性化知識解決方案的高成本問題便迎刃而解。
算法都是現成的，計算和存儲資源可以用云平臺來提供。用戶多就多租一些，用戶就少租一些。人工智能的應用中，其他的條件都不是問題，那羅胖為什么不一出手就把“得到”弄成個基于人工智能的個性化知識服務應用？
因為沒有數據！巧婦難為無米之炊啊。沒有數據怎么個性化？難道用屬相和星座嗎？
怎么辦？
如果你是個理想完美主義者，你會糾結，那就陷入了“蛋-雞悖論”的旋渦。
但如果你是個行動完美主義者，你就會迭代。
先做產品，以產品聚攏用戶，獲得數據；然后利用數據改善產品，擴大市場份額，獲得更多數據；有了足夠多的數據，再逐漸提供服務……
這些技術的東西，用戶并不關心。在用戶看來，就是“得到”這款“知識服務”應用隨著版本的更新，越來越好用了。
智能革命
剛才說的這些，你可能覺得很虛——羅胖在“得到”能獲得什么數據？能做什么智能應用？
咱們不妨來看看。
“得到”上至少可以獲得以下類別的數據：
- 行為數據；
- 文本數據；
- 關系數據。
行為數據種類很多。例如你關注什么樣的欄目？試讀了沒有？你購買了什么樣的欄目？從你關注到購買之間用了多長時間？注意這是一個很重要的數據，可以判斷你的興趣、財力、性格和決斷力。
此外還包括用戶的閱讀、收聽、打卡、點贊、分享……
有的人花錢訂閱了專欄，卻根本就不打開。有的人打開了，卻根本沒有讀下去。有的人讀了，但不是逐字閱讀。通過你的頁面停留時間、指尖在屏幕上滑動頻率和幅度等，上述數據都可以輕松獲得。
有的人喜歡閱讀，有的人喜歡聽音頻。有的人一次讀完或者聽完，有的人用零碎時間多次才完成。你的偏好、你的可自由支配時間長度，乃至于你每天不同時段的作息規律都可以被應用掌握。
連續幾天打卡可以獲得勛章和獎勵。有的人天天打卡、有的人隔三差五打卡，也有的人從不打卡。打卡這事兒看似很小，卻足以判斷一個人在沒有外部約束的條件下，對于激勵的反應。這比老師上課點名有效多了，至少沒人替你喊到。 :-P
文本數據包括文章評論和小組討論等。專欄作者只能夠精選少部分評論放到文章后面，但那只是冰山一角。文本挖掘可以獲取人們對于文章的綜合評價、痛點與需求，甚至是熱點話題趨勢等。
人們在“得到”平臺上可以建立關系。例如通過訂閱形成興趣小組、相互加好友、點贊爭論等各種互動。這種關系數據重要嗎？看看你的芝麻信用雷達圖就知道了，你的社交網絡甚至會影響自己的信用分數哦。
“得到”不僅對自己平臺上面的關系數據了如指掌，還把手伸到了微信平臺。你付費訂閱了專欄，在微信上分享文章有名額限制，你會怎么使用？有人會直接扔到朋友圈，但許多人會定向發送。你了解某個朋友的口味和喜好，那么“得到”也就順便掌握了相關數據。別忘了每一次朋友獲得分享的時候都需要用微信登錄一下才能看哦。
你在“得到”上面留下的痕跡越多，它對你就越了解。有的時候甚至你都不用提問，它就可以判斷甚至預測你的需求，直接把一篇最為相關的文章推給你。“得到”內部的文章當然沒有問題，將來甚至有可能利用外部資源，例如給你一篇微信公眾號文章。當然這些都是要付費的，因為信息檢索和篩選過程人家替你做了，你節省的不僅是時間、精力，還有好心情。你付費解決了問題，平臺收了信息費，其余的錢可以直接作為贊賞打給微信公眾號作者。多方共贏的事兒，我想公眾號作者們也不會反對吧？
知識的生產也會從現在的“摸著石頭過河”變成有的放矢。平臺會自動匹配相關話題給最擅長該話題的作者，按需訂制。再也不會有作者因為找不到話題而苦惱。因為大數據的透視功能直接抓到了特定信息用戶群體的痛點。作者沒有了尋找話題的壓力會更加輕松，且因為目標受眾足夠多而獲得更多的成就感。
讀者之間的關聯也會變得更加緊密。根據收入、興趣愛好和認知水平，“得到”可以給你推薦適合在一起討論特定問題的朋友，甚至是把潛在的合作伙伴推薦給你。人與知識的鏈接固然有用，但是人與人的合理匹配鏈接對于解決某些實際問題是不是更有益處呢？你也許聽出來了，這跟相親網站有點兒類似。 :-P
后真相
誰說“得到”只能服務內部了？為什么不能服務第三方呢？
例如招聘。
中國最靠譜的學習者、高水平勞動者和知識精英如果被一網打盡，那還有比“得到”更好的人力資源庫嗎？
行為數據的記錄遠比一個人的GPA靠譜，遠比輔導員的推薦意見靠譜，簡歷……那破玩意兒還有什么用？！
你是個大學生，省吃儉用在“得到”上訂閱若干專欄。逐字閱讀、每日打卡、積極互動、樂于分享……結果人工智能判斷你差不多該找實習工作了，直接給你發了消息，讓你不必出門東奔西跑發簡歷求職，直接到XX地址去上班就好。
畢業包分配啊！聽起來比上大學都有用！
這就是“父愛算法”。
一切看上去都是那么美好，不是嗎？
不一定。
注意“父愛算法”和“后真相”是相互關聯的。因為有的時候，這種關聯經不起推敲琢磨，尤其是經不起抬杠。
沒錯，我減少了選擇的難度，節省了時間，不必糾結。可是……
你怎么證明你給我的那篇文章是我最需要讀的？
你怎么證明你推薦給我的新朋友最為靠譜？
你怎么證明你推薦我去上班的地方對我最合適？
你怎么證明你給我推薦的員工最適合我的公司？
……
還有你怎么證明你讓我去的餐館就一定適合我？
對人工智能來說，這些都不重要。研究因果，是科學家的事兒；研究關聯，應用的效果卻能立竿見影。
可能正像高曉松說的那樣，每個人的人生都是一座獨木橋，廣闊大地不是為你準備的，也不是為我準備的。
人工智能覺得這樣是為你好，就讓你去做。它給你提供的未必是最優解，但是確實降低了你搜尋答案的成本，給了你一個至少也算過得去的解法，善莫大焉。
“得到”今天是不是“中國最好的知識服務商”？
在認知迭代者眼里，這個事兒的現實真相也不重要。向著目標日拱一卒，就可以了。
可是我們不得不問一句——真的嗎？
真相就那么不重要了嗎？今天我們全部的探討都建立在理想化的前提下。好像這場偉大博弈的參與者只有“得到”、用戶、專欄作者和一些受益的第三方……
你試試看跟航空公司商量：你把頭等艙乘客的錢和信息都給我，讓我為他們提供服務，剩下的乘客還是你來吧。好不好呀？
航空公司會怎么做？
討論
你覺得羅胖的“得到”將來真的會成為“中國最好的知識服務商”嗎？為什么？如果你創立一家企業與之競爭，你會做出哪些不同的舉動呢？歡迎留言，咱們一起討論。
