我会在每年 1 月 11 日附近撰写一篇和 Aaron Swartz 有关，和互联网与计算机技术有关的文章，以纪念这位互联网英雄。这一篇是该系列的第九篇文章。
在浏览Aaron Swartz过往留下来的影像资料中，给我留下印象最深的莫过于The Network Transformation这支短片，它来自Steal This Film，一个只存在了三年的小团队。在这支短片中，Aaron几乎把当下，我们在2025年，2026年的互联网生活，用2007年的表达方法和措辞完完全全地介绍给了2007年的观众们。
在短片中，他提到了电视节目和电视广告的局限性让所有人只认识到“爆款”，但即将到来的“无线电容量”的巨大拓展，能让整个世界生产出更多“非爆款”的冷门内容，让不同的人了解他们认为更重要的事物。
在Aaron的设想里，未来的计算机“协同过滤系统”会让小众爱好人群进行匹配，但同时也会给这些小众群体推送他们感兴趣但不知道的东西。
紧接着Aaron还提到了这些人怎么获得收益。其一是：在2007年，大型厂商在门户类网站上投放贴条广告已经司空见惯，但对于“精准投放”这个概念应该还知之甚少。Aaron设想：如果上述系统能够推动客户的类聚，那么它就达成了大型企业梦寐以求的“精准触达用户”并向他们推销他们喜欢的产品。
其二则是：如果这个博主（假设他是一位调查记者）想要采访美国某个小州的选举活动并整理成可供读者浏览的内容，这个小众的读者群体可能会自掏腰包，支持博主去做这个事情。
上述的内容在现在都已经成为了现实并且拥有了新的词汇来概括和诠释这些做法。像是“大数据”、“知识付费”、“众筹”什么的，而那个“协同过滤系统”现在一样有了个更时髦也更耸人听闻的名字：算法。
在这些方面，计算机一直朝着像Aaron这样的前辈们设定好的方向发展。互联网带宽的大爆发、算力的大爆发、内容大爆发，以及算法，还有广告投放的方式和新的消费对象。尽管从更多元，和非技术的视角来看，互联网的发展明显没有朝着Aaron和一些互联网前辈们认为的方向进化。
我在过往的《纪念Aaron Swartz》系列文章中反反复复提及获取知识的重要性。这在今天依然重要，甚至变得更加重要。在大语言模型技术实现全民化之前，利用各种各样你能快速上手的方式方法获得知识并取得进步，就有可能将其变成各种各样的财富（或许会有实质上的财富，当然更多地是精神上的）。
就拿Aaron在The Network Transformation中提到的那位博主为例子吧。我们在这里称他为Tom。
Tom以前是一个撰写政治评论类博客的好手，在这个小众领域里拥有一些优质读者。有一天，Tom突发奇想，希望到美国的一个不知名的小州，探访一下当地当地的政治选举状况。他就在博客上发表了这个想法。
他或许并没有非常直白地要求他的忠实读者资助他的这个项目，但或许是因为Tom一直以来都在发布各种精彩的政治评论，使得读者们甘愿自掏腰包，赞助他的这一次旅程。
Tom的这趟旅程可不简单。他已经了解了这个州要怎么走，现在他需要了解自己要了解当地的政治背景，人文地理，甚至可能还要了解一下当地人常吃什么。此外，他可能还需要清楚自己是否需要带上运动相机以及微型麦克风什么的，帮助自己记录各种各样的风土人情，和更多与选举有关的信息。
Tom需要准备很多东西，不仅仅是装备，还有知识。他以前似乎没有调查记者相关的从业经验，只是处于工作原因进行过一些常规的采访工作。那么他也需要掌握调查记者应该掌握的这些技能。最快获得这些知识的方法，自然而然还是互联网。
搜索引擎帮了Tom不少忙。“协同过滤系统”也在其中发挥了重要作用。他找到了一些“怎么当一名合格的调查记者”相关的youtube视频和博客文章，都非常符合他这次的项目需求。他开始通过这些内容快速学习，在非常短的时间内，获得了大量前人可能需要数月甚至数年才能充分了解的知识。
这种事情可能还有更多的人感兴趣，不论是政治评论，还是这个项目本身。有人关注长途旅行需要准备什么，如果“协同过滤系统”发现了这个“小众需求”，将Tom进行行前准备的内容推送给了喜欢其他东西（比如摩托车改装）的观众，而TA多多少少愿意看一些政治评论相关的内容，那么Tom就又多了一个新观众。
对Tom而言，新观众可能来之不易。因为不论政治评论、长途旅行抑或是调查记者要做什么，都是比较小众的行为和兴趣领域。所以，某种源自社群（Network，不是Community）的，自下而上的“冷门内容推荐”正在互联网中发挥作用。有的人有点儿兴趣，便点进来看了几眼；有的人不喜欢，直接划走。
但不论如何，这套系统总能为Tom带来几位新读者。虽然不多，但观众们忠诚度很高。如果Tom有了什么新想法，这些观众是他最强大的后援。
当Tom准备好所有他所需要的，不论知识还是装备之后，他便启程了。在完成这个项目之前，在路途之中，他可能闲着，也可能没闲着。读者的注意力也确实因为Tom是否在这段时间撰写了新的博客文章而产生了波动。不过还好，Tom的社区忠诚度确实还不错，即便这段时间他确实流失了几位读者朋友。
Tom在当地了解到更多风土人情，写了几篇游记，甚至拍了一些“视频博客”，发布到了他的网站上。最终，他运用自己获得的各类知识，深入了解了坐落在美国某个不起眼的坐标上，这个小城市的选举状况，并将其整理成报告，回馈给他的读者朋友们。
就这样，一群人获得了他们感兴趣并愿意为此消费的内容，另一些人获得了知识，增长了见识，甚至还有一些真金白银。完美的大结局。
虽然不想在这里展开讨论，但我还是要提一嘴：上述的故事营造了一个相对理想的，让冷门内容拥有一席之地的状态。而现在我们知道，由于商业和技术领域挖掘出来了“注意力”这一指标，并用于市场营销和产品设计，我们终归被各种各样我们可能并不感兴趣的内容吸引。那么，如何找到自己真正感兴趣的内容，就变成了非常关键的课题。
当今，我们已经见识到了，由于有线/无线网络带宽规模的急剧增长，内容创作者成为真正意义上的“工作”（Job and Creear），在Youtube和Patreon上也有着非常多月费订阅用户，他们用真金白银消费内容，消费着能为他们带来经济价值和所谓“实用价值”之外的东西。这其中有非常多并非知识性内容的传播，但创作者们利用了“创作的知识”，来生产内容，生产那些只产生情绪价值的东西，来吸引和维持观众们的注意力。自然地，创作者们还会生产广告，让自己多一份收入来源。
回到正题。我们需要清楚当下的状况：从微观上看，我们现在非常接近，但还未达到最佳状态。尽管冷门的内容和知识已经凭借互联网大大拓展了它们的生存空间，然而在大语言模型落地之前，还是有非常非常多的领域和行业无法被更多的人所接触；以及，由于各种各样的原因，我们依旧活在一个高度中心化的世界。
但幸好，在大语言模型真正得到落地之后，不仅是获取知识，获取冷门领域和相关知识的效率也会更高。
这可能会带来一种情况：每个人获取知识的总量会变得更高。那么，在更多人拥有更多知识的情况下，知识或许不再成为创造财富的核心，利用知识才是。
像是上述的Tom，利用知识获取忠实读者和他们的资助，实现了自己当一次调查记者，研究某地选举活动的项目，就是一次直观的对“如何利用知识”的诠释。
这种做法不仅仅局限于小众领域，不仅仅局限于“一个名不见经传的政治评论作家和他的赛博读者朋友们”这样的小故事中。当我们各自需要面对生活、工作和学习中出现的各种状况时，这些知识不仅仅可以用于解决常规问题，更有可能创造出一些我们以往没见过的东西出来。
新的事物必然会带来新的问题，我们正处于一个熵增的社会，这几乎不可避免。因此，如何创造性地解决新问题，就是我们当下应该思考的下一步。
不是所有的熵增都是坏事。熵增是一个过程，跨过某个门槛之后，一些熵增就会变成熵减。比如当你修理屋子里的排水管道，或者整理家里的服务器机房，或者装一台新电脑，开始给电脑买配件的时候，都是熵增的过程；而当排水管道、家里的服务器机房逐渐管路清晰、变得干净整洁，配件被组装在一起之后，它又变成了一个熵减的过程。
所以，如何看到新需求，看到新问题，如何创造性的解决新问题，它都是这样的过程。它是个熵增的过程，但这是我们必须要做的事情。随着技术迭代速度越来越快，我们必须要踏出去这一步。这就是将“知识”变成“见识”的过程。
“见识”在商业世界里往往被叫做“Know-How”，直接翻译的话就是“知道该怎么做”。新人进入公司实习期的时候，学的东西主要就是Know-How。当然，现在可不只是入职之后才要学习Know-How，而是在找工作的时候就要明确你所应聘的单位有什么Know-How——尽管世界上很多地方正在蓬勃发展欣欣向荣，但也有一些地区还在“稳中求进”，对于新雇员的要求自然就会高非常多。（笑）
但需要说明的是，在未来，不仅仅是“稳中求进”的地区才会需要在入职之前就懂得Know-How的员工，而是几乎所有领域的所有岗位都需要在入职之前就了解Know-How的人。但这个Know-How倒也不是上文提及的，企业和单位内部的Know-How，而是企业和单位不具备的“见识”和工具。
我们未来面对的，极大概率都将是非常复合的问题，这需要的是对各个领域更深刻的洞见和相关领域的真实操作技术。
先举个不那么恰当的例子：如果你经常出入中高端餐厅，或者经常看餐饮类的纪实短片，一定能看到这些后厨总是在10点开始上班，先准备各种各样的基料，比如面团、肉类的预处理、提前备好腌渍物等，接着验收供应商那里来的香肠或者熟成猪肉牛肉等食材。基础工作完成之后，主厨会开始准备下一个季度下一份菜单里的各种新奇菜式。他们会对一些已经验证过的菜谱进行修改，或者根据时令重新构想前菜和冷盘，并让整个后厨团队进行评估，探讨新菜品的可执行度以及对风味的调整。尽管这不是中高端餐厅的所有工作，但设计创意性菜品确实是每一家中高端餐厅的必修课。
尽管人不可能离开一日三餐，但中高端餐饮行业竞争的惨烈程度或许并不比游戏行业低太多。除了保证菜品口味，能够进行创新设计，并将其完整执行，是中高端餐厅能够留住老顾客，吸引新客源非常重要的手段。商业世界更是如此。
比如这个更恰当的例子：硅谷前段时间热捧的FDE (Forward Deployed Engineer，前沿部署工程师) 。FDE的主要目标就是带着全栈开发能力、对大语言模型的熟练掌握以及一些他还没有实现的新奇点子，去到他感兴趣的领域，利用自己的聪明才智，提供行业和组织无法解决的棘手需求，甚至还要创造一些尚未发现的新需求的解决方案出来。
就像Aaron Swartz已经在2007年展现出来的那样，他了解内容会被网络带宽所限制，他了解广告能够带来收益，他了解小众内容在未来可能拥有更大的市场，他直到计算机能够生产一种“协同过滤系统”来匹配爱好相近的人……在当时，他能够做的是：构建Markdown来提高在计算机上写文章的效率；开发Wiki页面和维基百科让更多的知识获得更公平的分发；共同建设Reddit使网友们有共同交流的平台……当一个人拥有足够多的知识，他就有能力通过更具创造性的方法，尝试解决他希望解决的问题。
但这有一个前提，即：这些身怀绝技之人的安身之所，通常都是更加扁平化，更加松散的组织架构，而非传统意义上等级森严的大型企业。大型企业往往带有僵化的管理结构，想要通过某种手段击穿整个组织，让技术和创意的混合型人才直接向C-suite高管汇报，在现代企业中基本不存在。所以这就意味着：像是Aaron Swartz这样的顶尖人才能够有一席之地，就需要企业的组织架构也发生非常深刻的变化才行。
从非常多的角度来说，从今往后，人类所消费的东西，或者免费得到的东西都会是一种服务，而非纯粹意义的，一锤子买卖的商品。所以，Aaron Swartz对广大网友而言，其实也是个服务提供商。
Aaron利用他的“见识”，他的“Know-How”，创造出了一项又一项将惠及人类数十年甚至可能数百年的服务——起码在今天，除了维基百科的大量读者和贡献着之外，相当数量的大语言模型也把维基百科用作训练语料。
这也是我为Aarom Swartz无数次感到惋惜的原因。