走近2050：注意力、互联网与人工智能——3.3　占意流

如果你试着集中注意力，就会发现你的意识很难停留在一点上。它仿佛是一匹奔腾的野马，始终在不同的事物上跳来跳去。我们将每一时刻意识中的所思所想的概念看作一个点，那么你的意识就形成了一个在不同点之间跳转的流动。当我们考虑多个人的时候，他们的意识流就形成了概念空间中的占意之流。图3-2 所示为4 个人形成的集体占意流，其中，每个节点表示一个抽象的概念，不同线型和颜色的曲线表示不同的人。其中，每个点都表示你每一刻的所思所想。 图3-2　4 个人形成的集体占意流（另见彩插） 3.3.1　占意流网络 我们可以用一种流网络模型来抽象表示占意流，以便于我们能够揭示占意流的各种特性。为了说明这个模型，让我们先从一个商城中的人流的例子说起。 假设有这么一家商城，里面有多家商店，大量的顾客从入口进来徘徊、游荡于各个商店之间。如图3-3 所示，箭头表示局部的人流，A、B、C、D 是4 个不同大小、形状各异的商店。尽管每个人的行动路径不尽相同，但是他们构成的群体却可以形成一股股人流。这些人流就可以抽象地用一张网络图来表示，如图3-4 所示，其中节点表示商店，连边表示任意两个节点之间的流动，连边上的数字表示不同商店之间的人流量。 与此类似，让我们考虑一群人浏览一个网站（例如淘宝网），他们点击网站中的页面会形成流动，这些流动同样可以用类似的流网络来表示。图3-5 展示的就是这个网站中的大量用户浏览访问所形成的流网络。其中节点表示页面，连边表示跳转，边上的数字表示跳转的流量。源和汇类似于商城的入口与出口。 页面上的人流可以近似代表这群人的占意流，这是因为用户访问的每个页面都会投射到这些人的意识空间中。而用户的点击行为则反映了注意力在意识中页面投射之间的跳转，所以这是概念空间中的流动。 图3-3　一个商城中人流的分布图 图3-4　商城人流对应的流网络 图3-5　一个网站上的占意流 图3-6 展示的是大量用户访问某国内新闻类网站的占意流网络图，其中每个节点都是一个新闻页面，连边的颜色深浅表示流量大小。节点按照从源到达该节点的流距离进行排列，最下面的节点是源。 Digg 是一个新闻类分享、社交的网站，用户自己可以添加新闻，也可以“挖掘”别人的新闻，被“挖”得越多的新闻就会越靠前，获得越多的占意流。图3-7 分别展示了不同时期大量用户访问Digg 形成的占意流网络的情况。其中每个节点表示一个新闻，节点的颜色表示新闻在Digg 中的存活时间，越红表示存活的时间越长。节点离中心的距离就是源到该节点的距离。 图3-6　某新闻类网站（另见彩插） 图3-7　Digg 新闻网站不同日期占意流网络的展示（另见彩插） 与此类似，我们也可以将整个互联网看作一个大的商城，将每个网站看作一个商店，这样大量用户在互联网上的浏览行为就形成了他们浏览整个互联网的占意流网络。我们用美国印第安纳大学师生上网的数据近似绘出了他们浏览各个网站的占意流网络[5][6]，如图3-8 所示。 图3-8　通过流距离得到的互联网地图（另见彩插） 根据图3-8，我们能够观察出如下几个现象。 ● 所有的网站自发地聚成了几大类。在图中，我们根据来自http://sitereview.bluecoat.com/sitereview.jsp 网站的分类标注，用不同的颜色将所有的网站染色。结果发现，有些类别如成人类网站明显地聚集到了整张图的左侧，而绿色的新闻／娱乐类网站则聚到了图的右下侧。 ● 少数几个大型网站聚到了中心位置，尤其是Google 基本位于整张图的正中心。按照我们的算法，对于整个互联网生态越重要的网站就会越靠近中心。我们用圆圈的大小来表示该网站的访问流量。我们看到，虽然Google 的流量相对于Myspace、Facebook 来说并不是很大，但是它的位置却比MySpace 和Facebook 更加靠近中心，这彰显出Google 对于整个互联网的中心作用。 ● 最后，所有的网站的分布基本形成了一个以Google为中心的球形。我们可以按照球的半径大小从里到外把这些网站分成三个不同的层次（两条虚线圆形成了分界线）。我们发现最里面的球包含了仅仅1/5 的网站数量，但是流量却涵盖了整个生态系统的45% ；第二圈则包含了全部网站的40%，而流量却仅仅只有25% ；第三圈则是剩下的小网站。 每一天，印第安纳大学的师生上网浏览就会留下一些上网痕迹，形成占意流网络，那么不同日期就能得到不同的网络，也就会形成不同的互联网地图。于是，我们可以观察这张地图随着时间动态演化的情况。图3-9 分别展示了4 个不同日期（按照左上、右上、左下、右下的顺序）的互联网生态地图。可以看到，首先，Google始终位于图形的中心位置。其次，有一些大网站逐渐退出舞台的中心，例如Yahoo、MSN ；而另外一些网站则逐渐从外围占据中心，例如YouTube 就是一个后起之秀。其他方面则没有特别大的变化。 图3-9　印第安纳大学点击流数据所展现出的互联网地图在4 个不同日期的形态 最后，除了用点击动作生成占意流网络以外，我们也可以用用户的其他在线行为来生成类似的网络，但是网络的形态就会因为不同动作消耗注意力的品质不同而不同。 图3-10 分别展示了用户回答问题（stackexchange 网站数据）、图片贴标签（Flickr 社区）和点击行为（百度贴吧）的行为模式。按照一定的算法，我们为每个节点定义了一个二维坐标，从而可以把整个占意流网络可视化。不难看到，不同的用户行为会形成非常不同的图形可视化模式。 图3-10　不同的用户行为形成的占意流网络所展现出的不同模式（另见彩插） 图3-6、图3-7、图3-8、图3-10 网络的展示方法图3-6 中每一个节点的纵坐标是大量用户从源跳转到该节点的平均跳转次数，横坐标则没有特别的含义[3]。 图3-7 中，每个节点到圆中心的距离就是源到该节点的用户平均跳转次数[3]。 图3-8 中，每个节点的坐标是按照如下的方式计算的：要使得任意两个节点在空间中的欧氏距离尽可能地等于这两个节点之间的流距离[3][5]。其中流距离定义为大量用户从这两个节点的任意一个出发沿着占意流网络到达另一个的平均跳转次数。由于我们让节点之间的欧氏距离能够尽量地反映节点对之间的流距离，所以靠得越近的两个节点的联系通常越强。而与所有节点的距离越短的节点就会越靠近整个图形的中心。所以，Google 靠近中心恰恰说明它到所有其他网站的距离很近，这是因为用户都从它进入互联网从而到达其他网站。 在图3-10 中，不同的用户行为形成的占意流网络展现出了不同的模式。其中每个节点的位置的确定要使得该节点到源（(－1,0) 位置）的欧氏距离刚好为源到该节点的流距离， 而该节点到汇（(1,0) 位置）的欧氏距离刚好等于该节点到汇的流距离。从源发出的边被染成了绿色，到汇的边则被染成了红色。 3.3.2　占意流与能量流 在本书第1 章，我们曾将人的注意力比喻为驱动互联网进化的能量。实际上，这不仅仅是一种比喻，如果我们采用占意流网络来描述大量用户的集体占意流，就会发现这种流网络与生态系统中的能量流网络具有极强的相似性。 我们知道，在生态系统中，不同物种之间会因为捕食关系而发生能量流动。例如，羊吃草的时候，储存在草里面的能量就会转移到羊身体里。与此类似，狼再把羊吃掉，羊体内的能量又会转移到狼的体内。而所有这些能量都来源于太阳，植物通过光合作用可以撷取太阳辐射的一部分能量。所有的能量最终又会耗散在环境之中。每当这些生物体呼吸、排泄甚至死掉的时候，它们体内的能量就会耗散掉。 整个能量流动的过程可以用一张流网络来表示，其中每个节点表示一个物种，源表示太阳，汇表示环境。在这样的流网络框架下，我们便可以比较生态系统的能量流和互联网上的占意流。 1. 流动的守恒性 自然界的能量流是守恒的，这体现在能量流网络上就是每个节点的流入能量等于从该节点流出的能量。 与此类似，在占意流网络上，每个节点的入流等于出流，因此，占意流也具有守恒性。事实上，由于每个人在一个时间点只能关注一件事，这体现为他（她）必然停留在占意流网络中的一个节点。所以，占意在网络上的流动不会创生也不会毁灭。 2. 流动的耗散性 生态学家林德曼发现，能量流在沿着食物链流动的时候，有将近90% 的能量会被耗散掉，这些能量会由于呼吸作用而转化成热能辐射出去，或者转化为储存在排泄物中的化学能。 我们知道热能是品质较低的能量，无法再被利用，而化学能尚可以被生态系统中的分解者利用。只有剩下的10% 的能量才能够被捕食者获取。也就是说，能量流在转移的过程中极其没有效率，大部分能量都会被浪费掉。在能量流网络上，这种耗散流刚好是每个物种节点到汇节点的流量。我们将这样一种大量能量被耗散的事实称为能量流的耗散性。事实上，这种耗散流量占每个节点总流量的比例通常可以达到80%~90%[7]。而耗散性恰恰是热力学第二定律在开放能量流网络中的具体体现。 在占意流网络中，这种耗散性也是存在的。我们知道，由于人很难将注意力长时间关注在同一个事物上面，所以无论一个网站或者应用的内容多么吸引人，用户最终会流失，而且比例也是很大的。同样地，我们将每个节点到汇的流量称为该节点的耗散，在通常的占意流网络中，这种耗散流占节点总流量的比例也达到了70%~80%[4]。这种用户流失现象是符合广告学中的金字塔模型的。 3. 营养级 在生态系统中，另外一个有趣的事实是，所有的物种会形成一个金字塔结构。处于食物链底端的物种虽然个头通常比较小，但是它们的数量却异常庞大；而处于食物链顶端的物种则拥有大个头，但是数量却比较少。 营养级 在生态学中，一个物种的营养级是该物种的重要属性。营养级的计算依赖于整个生态系统的食物网结构。人们一般将物种i 的营养级定义为从源到i 的所有可能网络路径中最短的一条路径所对应的长度。 图3-11 所示是一个简单的食物网，从源（太阳）到1 的路径有3 条，其中最短的一条是从源直接到1，所以1 号节点的营养级就是1。 图3-11　一个简单的示例食物网 如果我们按照每个物种的营养级（即从能量源——太阳沿着各种可能的食物链到达该物种的最短距离）把生态系统中的生物进行排列，就会得到一座漂亮的金字塔[7]，如图3-12 所示。 可以看到，从下往上，物种的数量越来越少，物种的营养级却越来越高。这是非常有趣的生态学规律。 图3-12　真实生态系统中的食物链金字塔A 如果将占意流比喻成能量流，将虚拟世界中的网站比喻成物种，那么整个互联网世界就是一个生态系统。而占意流网络则构成了一个“食物网”：每个网站都以争夺用户的占意为最根本的生存法则——只有获得占意流的网站才能存活下去。占意流的不断冲刷还会催生出新的网站，甚至新的局部生态系统。 我们用印第安纳大学师生的上网数据绘制了互联网网站的营养级，看到了同样的金字塔结构，如图3-13 所示，其中，连边表示跳转关系，节点大小表示该网站流量的大小。 A　图片来自http://www.ipm.ucdavis.edu/WATER/U/foodweb.html。 图3-13　利用印第安纳大学的流量数据绘制的网站形成的占意流金字塔（另见彩插） 占意流和能量流的相似性不仅仅体现在这些定性方面，定量研究指出，占意流在网络论坛中的流动也服从与能量流在生物体中的流动相类似的克雷伯定律。详细内容请参见附录A。 3.3.3　占意流的优化 前面我们已经提到，占意流表达了用户注意力在不同概念、观点上面的转移，因此也就是用户体验。如果我们能够获得用户在概念、心理状态上的占意流数据，那么这些流也就可以传达给我们关于用户体验的信息。当然，目前的技术手段尚无法打开人的脑袋探测心理，但是我们可以近似地用网站上的占意流来建模用户体验。 因此，占意流网络的一个潜在应用就是帮助我们进行用户体验的优化。假设我们考虑一个网站、一个社区或者一款游戏、一个App，大量用户使用这种产品的体验被编码到了用户的一系列动作之中，这种动作又可以被占意流网络来建模；于是，不同的用户体验 就对应了不同结构的占意流网络。对网络结构的优化也就是对用户体验的优化。 1. 流畅感 我们都有过这样的经历：无论是苹果电脑、苹果手机还是微信，都会给我们带来一种使用爽快的体验。这种体验虽然难以名状，但是它们大多会与用户在使用过程中所体会到的流畅感有关。用户操作流程越流畅，用户觉得越舒服。 当用户带着某种目的使用软件的时候，流畅性就是一个关键的指标，它可以用占意流网络的结构特征来刻画。我们知道，占意流网络表达的是大量用户进入系统后的行走轨迹。所谓的流畅感就是指用户为达到某个目的（让系统进入某一个状态）所经历的平均最短时间。这个时间越短，用户感觉就越爽。 比如我们拿网上购物的体验来说。当用户选择完商品之后，要去结账的页面交钱付款。那么用户显然希望中间的点击次数越少越好。但是由于用户在使用过程中要不可避免地进行一些操作，而且不同用户面临的情况又会不尽相同。所有用户从出发到终点的路径就不止一条。于是，流畅度就应该定义为从起始到目标的平均路径长度。它应该越小越好。于是，我们便可以从优化流网络结构的方面来优化用户体验了。 2. 黏性 在游戏、娱乐类网站中，用户操作软件不具有特别明确的目的，而仅仅是为了娱乐或社交，则黏性是另外一个重要的指标。由于用户是种宝贵的资源，无论是网站、App 还是游戏，都希望将用户留住。人们可以把用户停留在系统之中的平均时间作为黏性的度量。从流网络的角度来说，黏性也可以用用户从源到汇的平均路径长度来定义，这样用户在系统中停留的时间越长，游走的节点越多，系统对用户越有黏性。 3. 沉浸感 对于网站、社区、游戏来说，好的设计不仅仅能黏住用户，更重要的则是让用户在其中产生沉浸感。正如前面所述，当用户产生沉浸的时候，他们的占意流效率就会更高。 尽管目前我们尚未找到刻画沉浸体验的定量指标，但是我们很可能也可以用占意流网络的结构加以刻画。比如占意流中的环路大小和比例就有可能和沉浸的产生有密切的关系。当然，也可能完整地刻画沉浸需要用到更多的信息和工具，而不仅仅是占意流网络。