從維基百科、Quora到知乎，下一代知識社交平臺如何表現？
繼用戶隱私保護醜聞保受譴責之後，本月初，老牌社交媒體臉書 Facebook再次佔領各大媒體的頭條。Facebook 發佈加密貨幣 Libra 白皮書，引爆硅谷乃至全球新一輪對區塊鏈落地應用及社交媒體的討論。
回想小紮在哈佛小試牛刀推出 Facebook，此後經年，社交媒體世界風起雲湧，Twitter、Instagram、LinkedIn、Pinterest、Vine、Snapchat、Slack 等等網站相繼登場。那麼社交媒體的出現，改變了信息溝通傳播的方式，使這個更緊密連接的社會變得更高效了嗎？
“碎片信息”時代，社交產品依舊有痛點
社交媒體短平快式的傳播屬性使原有傳統的知識體系在傳播中變成碎片。用戶在網絡上看到的世界看似越來越大，接觸到的信息越來越多，但這些知識卻難自成體系，甚至經常因為只傳遞了部分信息而導致知識的錯誤導向。
碎片式的交流方式，過多的信息噪音，讓現在的人們雖然有 Google、Yahoo！等高效的搜索引擎，很多時候快速對接到期望信息的機會卻不增反降。
由於人類歷來溝通的高成本，低效率等特點，社交產品知識平臺層出不窮。從開創社交媒體時代的元老 Facebook、Twitter，圖片視頻類YouTube、Instagram、Pinterest，到工作協同類Slack、知識共享類Wikipedia、Quora 等等。
老牌社交媒體混戰三國，看似格局已定，但仍不斷有新產品推出：
國內有羅永浩子彈短信衍生版“聊天寶”、今日頭條“多閃”和快播王欣“馬桶MT”公開叫囂挑戰微信；海外有最大的區塊鏈公司之一 Block.one 推出Voice 叫板 Twitter，更不用提 Snapchat 變臉濾鏡、Instagram 密友圈子等不斷推出的各種網紅功能……
不論是哪一款軟件，總不能完全滿足用戶的各種需求。順暢的溝通，有效信息的準確快速對接，是社交產品永遠的痛點。
目前不論是Instagram廣告位招標，或是Netflix給用戶推薦新內容，科技公司大多依靠算法先了解用戶喜好，再推薦內容。然而綜合全面的內容卻有可能因為關鍵詞的不精準難以被系統推送，而信息扁平易於被打標籤的內容反而容易被推廣。更重要的是，用戶極易被算法限制在信息繭房之中。
社交媒體，如何能使用戶獲得的信息和知識結構最優化？如何去除過多的信息干擾，還給用戶一片乾淨整潔的知識分享成長空間？
小探最近就發現了一個獨樹一幟的新社交 APP“Ta在”，版面非常乾淨簡潔易於使用，知識內容卻是乾貨滿滿沉甸甸。“Ta在”推出時間不長，還處於小眾高知養成階段，風格清新溫暖。
如何眾裡尋Ta千百度？
“Ta在”團隊經過7年對算法的研究，2018 年底推出了全新的 KNS(Knowledge Network Services，知識關係服務)產品。新產品超越原有SNS（Social Networking Service，社交網絡服務）傳統社交關係，重新建立人與人以知識關係為架構的社交平臺，打造彙集集體智慧的“全球腦”。
“Ta在”打破原有社交媒體基於社會關係進行的信息鏈接方式，開創ECI算法（Evolutionary Collective Intelligence，演化群體智能算法），基於用戶大腦的興趣和思維想法連接，建立超越個體智慧的群體智能。
ECI 算法可以自我深度學習，靈敏感知知識結構的演化，從而整合優化知識學習。同時，ECI 通過了解知識結構的層次而對用戶的內容邏輯衍生上下游信息進行推薦，並不是如傳統算法僅僅推薦“相似內容”。
在關鍵詞檢索的表現中，ECI不但可以提供與關鍵詞有關聯的文章，甚至可以推薦與關鍵詞有關知識架構的文章，照片，或者視頻，以此解決內容埋得過深，無法被發現、連接的問題。
同時在KNS 產品中，用戶的結識不再靠主動攀談。AI 算法會識別用戶是否有類似的知識結構，是否對同樣的話題感興趣，並以此匹配用戶，以減少尬聊。
“Ta在”第一個界面“分享”，有瀑布流分享熱門有趣的文章，文章下方不同顏色的小鑽石實時顯示帖子在平臺上的熱度。用戶在這裡找到感興趣的話題，可以點擊小手指“GMM”（Give Me More）或是收藏評論，算法根據這些互動記錄可以學習用戶的喜好。
瀑布流裡找到了感興趣的幾個話題，想深度挖掘一下？在第二個界面“我趣”，“Ta在”可以讓你自己組圈子，算法會實時把有圈子基因的內容導入平臺。在這裡你可以精準的聚焦在自己關心的話題上，在圈子裡和算法識別的同興趣的人產生交集。AI 會根據你設定的條件自動吸收符合圈子基因的內容和成員。
用戶成功創建圈子後，無法主動新增或刪減帖子，同時用戶無法主動加入任何圈子，一切結果由 AI 算法決定。用戶可以在諸多不同緯度不同風格的圈子中找到一個或多個自己喜歡的圈子，進行瀏覽/收藏/評論等操作，多多互動，會被 AI發現加進圈子。
算法通過瀑布流和圈子裡對用戶的瞭解，給每一個用戶個性匹配與自己興趣、知識結構相似的“同好”，提供更深入交流的平臺。“Ta在”的理念是，匹配三觀興趣“同好”的人，能促進對同一知識體系的交流，有效加快知識進化的步伐，從而增加信息庫的群體智慧體量。
不同於傳統的社交媒體，“Ta在”其實不鼓勵陌生人之間建立太容易的聊天。在這裡，社交是半隱形而自由的。除了文章下留言外，唯一能有機會聊天的是第三個界面“同好”。但是“同好”太難求，機器為了確保只推薦對的小夥伴，進行了嚴格的篩選。
從信息的快速瀏覽，到小圈子深度挖掘，再到與三觀相符興趣相投小夥伴才能進行的深層溝通，“Ta在”與眾不同進階式的小眾社交方式能最大化的去除社交媒體無法避免的噪音，加速有效信息點對點碰撞的火花。
集體智慧的第三階段—“全球腦”時代
CI（CollectiveIntelligence，集體智慧）與個體智慧相對，指一個群組共享或是集體進化的思想。CI在商業領域已有不少成熟的應用。
Quora，維基百科等在線知識分享網站就是典型的群體共同進化的集體智慧平臺。目前在北美落地比較成功的 CI 平臺，除了“人人可編輯的百科全書”維基百科，還有給消費者提供商品評論的平臺 Epinions、以提問和解答形式解決企業生化科研問題的 InnoCentive 等。
但不論是維基百科，Quora 或是知乎，都需要用戶搜索或是關注某個信息傳播源。用戶有可能由於沒有主動搜索到而錯過有效信息。且各板塊信息也缺少自我演化篩選的能力，相關聯的信息不能對接成體系，各個知識點也相對分散。
知識共享發展到第二個維度，衍生出許多信息共享的工具，以協同類工具平臺為代表。目前市面上比較成熟的協同類工具除了 Google Docs、Slack 等等，也包括了項目管理團隊溝通類工具，如 Worktile、Trello等。
協同類工具可以允許多名用戶同時編輯，有效提高了工作的討論和效率。但這些工具僅限於小範圍對某一信息的討論，且高度依賴用戶自行整合歸納信息，並不能促進群體智慧對多維度知識的深度學習演化。
如果說CI“集體智慧”應用的第一代第二代仍侷限在用戶自行交流，那麼“Ta在”所代表的第三代知識共享平臺則是使用算法梳理信息，使其自我學習成體系。在這裡碎片式的信息得到合理整合，傳遞給對其關心的用戶，用戶進而互動貢獻更多數據，雙向促進知識的完整和生長。
1981年，彼得羅素在著作 “The Global Brain”《全球腦》中系統闡述了“全球腦”的概念。大體想法為全人類智力創新的智力、發明和創新的總和，而個體智慧成為全球腦的一個腦細胞，不斷為全球腦提供能量。在全球腦的系統下，個體智能大能量地進行碰撞演化，人類智慧爆發空前的集合。
“Ta在”基於對“全球腦”知識共享理念的認可推出群體智能算法全新嘗試。當知識和信息不再依賴於個人編輯和傳播，而是算法自動對接彙總碰撞，意見能得到公平的傳播，知識會對接到與之關聯的群組中並進行進一步演化，問題則會高效率傳遞給有可能解決的人群中。
在這裡沒有標籤沒有人設，只有人和知識的直接對接。“Ta在”打造了全新的人與知識，人與人之間的交流平臺。用戶可以大膽的對知識進行闡述，自由地展現審美，而AI則會進行全球腦智慧的平臺搭建和知識學習演化。
相比起其他不斷做加法的社交媒體，“Ta在”卻是輕裝上陣，免去了花裡胡哨的功能，只保留社交最傳統核心的理念 - 知識的組構與傳播。
從維基百科、Quora、知乎一類的知識共享平臺，到協同類工具，再到“全球腦”，”Ta在”是群體智能算法的又一個進階應用。ECI 算法根據用戶的反饋深度學習，反向整合促進用戶的知識攝取。群體智能算法可以應用在教育、廣告等等不同的領域，未來很有可能成為顛覆行業遊戲規則的新能量。
麻省理工學院定義群體智能：如何使個人和機器能夠鏈接，從而使新的智慧超越以往的任何個人、群體或是機器？而“Ta在”已經朝這個方向又踏實的踏出了落地的一步。期待“Ta在”接下來的表現。
更多精彩，敬請關注硅谷洞察官方網站（http://www.svinsight.com）