知乎上有个问题：有什么事让你觉得科技远没有我们想象的发达？
这个问题目前已经有1600个左右回答，高票答案大多从宇宙、科学、生死等大的方面谈。这些答案很有意思，可于我而言它们都太远。私以为，阅读效率低下才是这个时代最大的难题。
我们已经有非常多媒介：报纸、广播、电视和网络。我们已经可以大谈特谈数据挖掘、机器学习和协同过滤。可我们每天依然会看到很多垃圾信息，这包括本身就毫无营养的和对我无用的。当我们想找资料时，我们的第一反应是打开Google，输入关键词，在浩瀚的信息海洋中寻找。有价值的信息，并不会自动蹦到我们面前。
可以说，现在市面上出现的所有资讯、阅读、甚至部分社交软件，都在解决信息分拣的问题。目前也已有不少有价值的探索。对此，我有三个思考：
机器推荐的困惑
首次提出「个性化推荐」的今日头条，被认为是「颠覆了传统的内容分发模式」。媒体人和互联网人都知道，这不是一个新闻资讯软件，而是一个搜索引擎。此后，不仅出现天天快报、一点资讯等完全依靠机器算法的资讯软件，传统的门户客户端也出现「喜欢」和「不感兴趣」按钮，向个性化推荐进军。
在鼓吹机器学习之前，需要弄清楚一个问题：智能推荐是否真的提高了阅读效率？
我们常说的「阅读效率」，一般与阅读速度和理解程度有关。而我这里的定义很简单，即：单位时间内获取的有效信息量。它就是一个除法，分子是有效信息，分母是所有信息。范围是你所看到的。
机器根据你的搜索、浏览、点赞和评论记录，推算你的喜好，并且推送相应类目的内容。这听起来很美好，可它忽略了一个维度——质量。评价一篇文章的好坏，这件事对大多数有思想的成年人来说，都没那么容易。所以有个感觉是：微信订阅号推送的内容，我可能没那么喜欢，但绝大多数是有价值的。今日头条机器推荐的内容，都让人有点进去的欲望，但往往没办法读完。
换句话说，机器推荐解决了「客制化」问题，却没解决「克制化」问题。每秒钟刷新一次，都有不同的新内容产生。很多人沉迷于今日头条的刷新按钮，就像沉迷于微信朋友圈的小红点一样。浏览过量无价值却感兴趣的文章，无异于吸食鸦片。
所以，人们应该去找感兴趣的内容，但不是从未经筛选的信息海洋中去找。我觉得微信订阅号上的内容质量高，是因为这些号是我一个个筛选出来的，对我而言是可靠的信源。如果有一款软件，能从我订阅的这些信息中，筛选出我感兴趣的内容，那就好了。
然而现在并没有这样的软件。因为这相当于让人自己建立信息库，它有两个问题。
一是门槛高。虽然我们一直在说信息过载，但真正订阅几百个微信公众号的人并没那么多。互联网提供海量的信息，同时也赋予人自由和选择权。很多人被动接受了前者，却自动忽略了后者。正因为大部分人习惯于「喂食」，所以Google Reader 必须宣布死亡。
二是信息茧房。如果说今日头条精确的推荐算法会带来这个问题，那么从自建信息库中筛选内容，会让这个问题更明显。信息茧房让人们只看见想看到的，听见想听到的。阅读效率（以兴趣为维度）提升的代价是整个社会沟通效率的降低。
发现兴趣的清单式阅读
我们正迎来一个清单式阅读的时代。解决机器推荐质量低、内容局限的方法，目前只能靠人工干预，即手动建立清单。
抛开机器和人工，排除中国历史上某些特殊年代，我们粗略梳理一下自古以来信息呈现的方式：
古代：信息零散地分布在各处，案头上的书简，情人间的信件，街头巷尾的广告，杂七杂八的没有分类。
近代到互联网早期：先是报刊杂志成为人们接收信息的主要来源，内容被贴上时政、娱乐等标签，聚合在固定位置。接着出现的电视机、收音机，也有类似的频道划分。Web1.0时代的雅虎导航，也是将信息人工分成若干部分，聚合在一个网页中。
最后是我们现在所处的时代：信息筛选与分类成为当今社会最大的问题。传统媒体信息冗杂且同质化严重，自媒体某种程度上代替受众进行了一次信息筛选。如今声音很响的「付费阅读」，本质上也是种筛选机制。
有两个趋势：
一是信息呈现的方式发生倒转，经历「点—面—点」的过程。第一个「点」的意思是「不多的信息四处分布」，第二个「点」的意思是「精筛的信息有规律地分布」。
二是人们的自由度越来越高，我们不再被动接受频道划分，而是主动寻找喜欢的内容。
「贴标签」的划分，不符合精筛的要求，所以有了「清单式」的划分。「清单」顾名思义就是推荐的信息列表，它也可以是贴标签的，但更多的是对订阅号的二次整理，是细分的主题阅读。
比如下图分别为读读日报、即刻和简书的清单：
最初的时政、科技、情感等板块正在被「选·美 | 每天一点大选」、「Netfix进入中国进展」、「我想到的爱情是什么样子？」这些板块替代。如果说这是「内容颗粒度变细」的体现，未免有些不准确。因为诸如「一觉醒来世界发生了什么」这种话题，显然比任何一个频道的范围都广。
如果把所有信息比作一个大蛋糕，「贴标签」就像一横一竖的规则切法，「清单」就像从内部划出多条纹路的，不规则切法。这种切法目前只能靠人工，因为它需要感情注入，需要分析和挖掘人的需求。准确说来，它更大的价值在于「预测需求」。
现在的机器算法，是基于用户的使用数据，从已有的信息池中翻找相似的内容，推荐给用户。而列清单，则是人先从多个维度考虑，给用户喜欢的某类信息建一个新池，以后再通过机器向里面注水。我们发现其中起关键作用的还是分类的人。这会比较麻烦，但信噪比也会相应提高。
而且，一个别出新意的清单，会让用户产生「原来我爱的是这种」的惊喜感。「满足兴趣」和「发现兴趣」是两个级别。
机器猫的万能口袋
有人会说：这和杂志专栏、早期的RSS订阅也没太大不同，就是栏目多了，信息更新快了。的确如此，但最大的不同是：「信息」的含义更丰富了。
「清单」有多少含义，「信息」就有多少含义。我们发现越来越多平台在做清单，不只是内容聚合应用。网易云音乐最让用户激动的两个功能是歌单和推荐，有些歌单非常神奇地能适应你某一刻的心情。
酷安的应用集
「清单」是用来省时间的，所以人们很希望这种东西能再多一些。最好每个领域都有，等需要用的时候不用费力找。几乎每款非工具应用都必备一个「收藏」功能，为什么不能把这些内容汇聚到一起？印象笔记、Pocket、360doc等这类专门保存网页信息的工具，在帮我们完成这个任务。但还有个烦心之处是：为什么我要手动更新？
「即刻」正在解决这个问题。事实上它的卖点就在一个「杂」字，很多非资讯的内容都会以清单的形式呈现。比如「最新低价二手耳机卖贴」、「上海餐馆与美食推荐」、「这些微博的评论更好看」等。类似ifttt的提醒类清单也成为一个大类。
这些让人眼前一亮的清单，全部由人手动建立，内容更新也有很多人工干预。而Google兴起，雅虎衰落表明，机器战胜人工是必然。所以UGC清单不是重点，重点是让机器聪明到可以个性化生成清单。
不过生成再多牛逼清单，它们也只能解决「每天看到很多垃圾信息」的问题，依然无法让「有用的信息立刻出现在眼前」。
阅读目的不同，导致现在「浏览信息」和「搜集信息」两个工作是分开的。机器可以推算我平时的阅读兴趣，为什么不能感知到我此刻在想什么，需要什么信息呢？也许有一天，每个人都有一个机器猫的万能口袋，随手一掏就正好是自己需要的资料。筛选信息这些繁琐的工作都交给机器，人类可以省下大把时间去做有创造力的事。
社会会因此大踏步前进吗？或许会。但事情没那么简单。一部分信息，如火车时刻表、录取分数线等是确定的，唯一的。这部分信息即时获取是没问题的。另一部分信息，你需要用它来了解一件事的全貌，去做决策。这部分信息的筛选权如果完全给机器，可能出现两个结果：一是漏斗孔很大，你还得再筛一遍；二是漏斗孔很小，你只见树木不见森林，相当于机器代替你思考。
这就陷入了KK所说的「满意悖论」：没有一种筛选和推荐系统让我们绝对满意，因为它减少了我们选择的力量和意义。
信息分发还有很长的路要走，机器将以何种姿势战胜人工，我很期待。
王雅文，-1岁的互联网人，目前在今日头条创作空间打工。个人微信：wywhbs，伪公号：ToutiaoSpace