被看见的人

Orbit真正意义上的第一个算法，是周砚深在凌晨两点写出来的。

那天晚上，办公室只剩下他一个人。

窗外的旧金山没有下雨。

街道很安静。

偶尔有汽车经过，车灯从玻璃上掠过去，像一条很短的光。

他已经连续工作了几个小时。

屏幕上是一个简单的关系模型。

用户A。

Creator B。

互动次数。

主动打开。

内容阅读。

回复。

收藏。

取消关注。

再次回来。

这些数据被放进一个模型里。

最后得到一个数字：

**Relationship Strength。**

关系强度。

周砚深盯着这个词看了很久。

然后点击运行。

模型开始计算。

几秒钟以后。

结果出来。

一个用户最重要的十二个关系，被系统自动排了出来。

第一名。

一个播客主持人。

第二名。

一个财经教育Creator。

第三名。

一个曾经关注很久的作家。

第四名。

一个职业导师。

……

周砚深靠在椅子上。

第一次，他觉得这个东西真的可能有用。

如果用户自己要从几百个关注的人里面找出真正重要的关系，需要花时间。

如果系统能够帮忙。

产品就会变得轻很多。

他给顾行舟发消息。

**I think we found something.**

几分钟以后。

顾行舟回复：

**什么？**

周砚深：

**Relationship algorithm.**

过了一会儿。

顾行舟：

**明天说。**

周砚深放下手机。

他不知道的是，这个算法很快会成为Orbit成立以来最重要的一场争论。

---

第二天上午，周砚深把模型展示给团队。

屏幕上只有一个简单页面。

标题：

**People You Actually Care About**

下面是十二个人。

顾行舟看完以后问：

“谁决定的？”

周砚深说：

“模型。”

“依据？”

“用户行为。”

“哪些行为？”

“主动打开。”

“回复。”

“收藏。”

“重复访问。”

“主动搜索。”

“还有关系持续时间。”

顾行舟点头。

“看起来不错。”

Maya也觉得不错。

“用户会喜欢。”

许知微没有说话。

她一直盯着屏幕。

周砚深问：

“你呢？”

“我在想一个问题。”

“什么？”

“为什么系统认为这些人是重要的？”

“因为数据。”

“我知道。”

“那你问什么？”

“数据只能说明一个人做过什么。”

“不能说明他为什么做。”

会议室安静了一下。

周砚深说：

“可以通过更多数据改善。”

“当然可以。”

“那问题解决了。”

许知微摇头。

“没有。”

“为什么？”

“因为你正在假设，人的重要关系可以被系统准确推断。”

周砚深看着她。

“不是准确。”

“只是预测。”

“那有什么问题？”

许知微指向屏幕。

“如果你把预测放在用户面前，它就会开始影响用户。”

周砚深停了一下。

这句话，他知道。

推荐系统一直如此。

它不只是预测。

它会塑造。

你推荐什么。

人就更容易看到什么。

看到什么。

就更容易喜欢什么。

喜欢什么。

又会反馈给算法。

最后形成一个循环。

周砚深说：

“我们可以明确告诉用户，这是系统建议。”

“当然。”

“用户可以关闭。”

“也可以。”

“那不就行了？”

许知微看着他。

“你有没有想过，很多人不会关闭？”

---

这一次，连顾行舟都没有马上说话。

因为他们太了解互联网。

一个按钮存在。

不代表用户真的会使用它。

一个设置可以修改。

不代表用户知道它存在。

所谓用户选择，有时候只是产品设计者给出的幻觉。

如果Orbit告诉用户：

“这些是你最重要的人。”

很多用户不会继续思考。

他们会相信。

然后逐渐按照系统的判断安排注意力。

这就意味着：

Orbit可能从帮助用户选择，

变成替用户选择。

而这恰恰是他们最初反对的平台逻辑。

---

周砚深没有放弃。

他说：

“我们不做推荐。”

“做什么？”

“做提醒。”

“区别？”

“推荐说：你应该关注这个人。”

“提醒说：你最近和这个人有很多互动。”

许知微点头。

“这个区别很重要。”

顾行舟问：

“那为什么不完全让用户自己管理？”

周砚深回答：

“因为人的注意力也有限。”

“如果用户自己管理几百个关系。”

“最终还是会被信息淹没。”

“算法存在的意义，就是减少复杂度。”

这句话让所有人都安静下来。

因为它是对的。

问题不是：

算法好不好。

而是：

算法应该站在哪里。

完全没有算法。

用户面对信息洪水。

完全由算法决定。

用户失去自主权。

真正困难的是：

找到中间位置。

---

他们决定做一个实验。

不告诉用户：

“这些人是你最重要的人。”

而是说：

**“我们发现你最近和这些人有较多主动互动，要不要调整你的关注设置？”**

用户可以：

保留。

静音。

降低频率。

增加频率。

取消。

或者：

什么都不做。

这个设计看起来很笨。

没有“智能”。

没有漂亮的AI标签。

甚至没有“Recommended for you”。

但许知微很喜欢。

“为什么？”

Maya问。

“因为它把解释权还给用户。”

她说。

“算法可以发现。”

“但最终解释应该由人完成。”

---

周砚深开始重新设计模型。

这一次，他们不再计算：

“谁最重要？”

而计算：

“哪些关系正在发生变化？”

这是完全不同的问题。

一个用户已经三个月没有打开某个Creator。

系统不说：

“你不喜欢他了。”

只说：

“你最近三个月没有查看他的更新。”

一个用户突然开始频繁阅读某位作者。

系统不说：

“你最喜欢他。”

只说：

“你最近对这个人的内容参与明显增加。”

一个Creator长期没有回复用户。

系统不说：

“关系质量下降。”

只显示：

“过去三十天互动减少。”

所有判断留给人。

算法只负责：

发现变化。

整理信息。

减少重复。

提醒。

而不是下结论。

---

这件事情看起来很小。

却让周砚深重新理解了自己的职业。

他以前在大平台工作时，常常追求：

预测。

优化。

排序。

最大化。

模型越准确。

系统越强。

现在，他第一次开始追求：

**模型知道什么时候不要说话。**

这对一个工程师来说，是非常奇怪的要求。

因为技术人员天然喜欢增加能力。

模型更聪明。

数据更多。

预测更准。

自动化更强。

可是Orbit需要的技术，恰恰包含另一种能力：

克制。

---

几周以后，他们推出了新版本。

名字叫：

**Relationship Signals。**

不是Relationship Score。

没有分数。

没有排名。

只有信号。

“最近互动增加。”

“最近互动减少。”

“这个Creator发布了你主动选择的重要更新。”

“你已经很久没有查看这个关系。”

“这个人改变了联系方式。”

简单。

安静。

没有任何地方告诉用户：

你应该怎样生活。

---

第一个测试用户是一位做中文教育的Creator。

她有四千多个关注者。

以前每天收到大量通知。

她已经习惯关闭。

使用新版本以后，她每天看到的提醒只有几个。

她给Maya发邮件：

“我第一次觉得系统在帮我节省时间，而不是要求我花时间。”

Maya把邮件转给团队。

周砚深看完以后，只回复：

**Good.**

顾行舟笑。

“你就不能多说两句？”

“代码里已经说够了。”

---

真正的考验发生在一个星期以后。

一个大型Creator希望Orbit增加“智能推荐”。

他们说：

“你们现在的系统太克制。”

“用户想要发现新的人。”

“如果没有推荐，新用户会觉得空。”

这也是事实。

用户不仅需要维护已有关系。

也需要发现新的内容。

于是团队又开始讨论。

如果用户主动选择关系是Orbit的核心。

那么发现新关系是不是也应该由算法帮助？

周砚深认为：

“当然。”

许知微问：

“推荐什么？”

“可能感兴趣的人。”

“依据？”

“共同关注。”

“内容相似。”

“用户行为。”

“朋友关系。”

“社区。”

“那还是推荐系统。”

“对。”

“那和YouTube、Instagram有什么不同？”

周砚深沉默。

顾行舟说：

“也许区别不是有没有推荐。”

“而是推荐的权力有多大。”

这句话让周砚深抬起头。

顾行舟继续：

“我们不能假装用户不需要发现。”

“人也不可能永远只看自己已经知道的人。”

“但我们可以规定。”

“什么？”

“推荐永远是邀请。”

“不是命令。”

---

于是他们设计了一个新的页面。

没有无限滚动。

没有自动播放。

没有“猜你喜欢”。

只有一个标题：

**Explore**

下面每天最多出现十个推荐。

每个推荐必须解释原因。

例如：

**你关注的三位教育Creator都参与了这个人的讨论。**

或者：

**你最近连续阅读关于创业融资的内容，这位作者正在写一个相关系列。**

或者：

**你的一位朋友主动推荐了这个人。**

用户可以：

查看。

忽略。

不再推荐类似内容。

调整兴趣。

甚至关闭Explore。

没有继续下拉。

十个结束。

顾行舟看完以后说：

“很反互联网。”

周砚深笑。

“这是夸奖？”

“我觉得是。”

---

上线以后，数据并不好看。

传统平台喜欢：

点击率。

停留时间。

滚动深度。

这些指标都不高。

用户打开Explore。

看几个。

离开。

很少有人连续刷半小时。

投资人看到以后有些担心。

“你们为什么不增加内容？”

顾行舟回答：

“因为我们不希望用户一直待着。”

投资人看着他。

“这听起来不像一家社交公司。”

“我们知道。”

“那怎么赚钱？”

“让用户得到价值。”

“用户得到价值以后呢？”

“他们会留下。”

“多久？”

“我们不知道。”

“那怎么证明？”

顾行舟没有立即回答。

因为这就是他们和传统互联网最大的区别。

传统平台常常可以用时间衡量价值。

Orbit不能。

如果一个用户五分钟解决了问题，然后离开。

这可能是成功。

如果一个用户三小时停留，却没有得到任何真正有价值的东西。

这可能是失败。

于是他们开始寻找另一种指标。

不是：

**Time Spent**

而是：

**Value Received**

价值获得。

可这个东西很难测。

最后他们只能通过一些间接行为判断。

用户是否回来。

是否主动连接。

是否推荐给别人。

是否参与真正重要的关系。

是否愿意付费。

是否减少其他噪音。

这不是完美指标。

但至少更接近他们想做的事情。

---

有一天，周砚深突然问顾行舟：

“你觉得AI会改变Orbit吗？”

顾行舟说：

“肯定。”

“怎么改变？”

“我不知道。”

“我也不知道。”

两个人笑了。

这在过去是很少发生的。

周砚深是工程师。

他习惯知道。

但AI发展太快。

模型越来越强。

它可以总结内容。

生成内容。

理解兴趣。

分析关系。

甚至预测一个人可能喜欢谁。

理论上，AI可以成为一个极其强大的关系助手。

但也因此更危险。

因为它知道得越多。

决定得越多。

人的选择空间就可能越小。

---

周砚深后来提出一个新概念：

**AI should explain, not manipulate.**

AI应该解释。

而不是操纵。

它可以告诉你：

“你最近为什么可能对这个人感兴趣。”

但不能悄悄改变你的选择。

它可以总结：

“过去一个月，这个Creator发布了什么。”

但不应该自动替你决定：

“你必须看到什么。”

它可以帮助你整理关系。

但不能替你定义：

“谁对你重要。”

这套原则很快成为Orbit AI产品的基础。

---

一年后，一位记者采访周砚深。

记者问：

“你们为什么不做更强的算法？”

“我们的算法已经很强。”

“那为什么不让它做更多？”

周砚深笑。

“因为技术的能力和产品应该使用的能力，不是一回事。”

记者没有完全理解。

他继续解释：

“汽车可以开到很快。”

“但城市里不能一直开那么快。”

“AI也一样。”

“它可以预测很多东西。”

“但不是所有可以预测的东西，都应该被预测。”

记者问：

“例如？”

周砚深想了一会儿。

“一个人真正爱谁。”

“真正信任谁。”

“真正想成为什么样的人。”

“这些事情，我们宁愿让人自己决定。”

---

那天晚上，四个人在办公室吃饭。

顾行舟突然问：

“我们是不是变得越来越不像一家传统互联网公司？”

Maya说：

“可能。”

许知微说：

“那又怎样？”

顾行舟笑。

“没什么。”

林澄夏看着窗外。

“我反而觉得，这是我们最大的机会。”

“为什么？”

“因为如果所有平台都在努力让算法越来越像人。”

“也许Orbit可以做另一件事。”

“什么？”

“让人重新拥有一些不需要算法决定的东西。”

顾行舟看着她。

这句话让他想起他们最初的Stanford时代。

那时候他们讨论：

Google为什么改变信息。

Facebook为什么改变关系。

YouTube为什么改变内容。

Twitter为什么改变公共表达。

他们曾经以为：

下一代互联网一定会比上一代更智能。

现在他们终于明白：

更智能不一定更自由。

真正成熟的互联网，也许不是让机器替人做更多决定。

而是让机器承担更多琐碎工作以后，

把更重要的决定重新交还给人。

---

晚上十一点。

办公室的人渐渐离开。

周砚深关闭服务器监控。

Maya关灯。

许知微收起电脑。

顾行舟站在白板前。

上面还留着一句话：

**The algorithm can help you see.**

下面是后来林澄夏补上的：

**But you decide what matters.**

算法可以帮助你看见。

但什么重要，由你决定。

顾行舟看了一会儿。

没有擦掉。

他知道这句话不只是关于产品。

也是关于他们四个人。

关于爱情。

关于事业。

关于财富。

关于移民以后重新建立的人生。

这个世界会不断告诉他们：

什么值得追。

谁值得关注。

什么才算成功。

赚多少钱才算有钱。

多少粉丝才算被看见。

多大的公司才算成功。

可是到了最后，

他们仍然必须自己回答：

**什么对我真正重要？**

而这一次，

他们不准备把答案交给算法。