更改
跳到导航
跳到搜索
第42行：
第42行： + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
无编辑摘要
所有这一切看起来很有道理，但这仅仅是一种定性的描述，我们是否可能建立数学模型，对这样一种开放式的计算和生产方式进行刻画呢？我认为答案应该是肯定的，因为有了第四章的图灵机-观察者模型，我们便有可能对开放式的、可交互的计算机程序产品进行建模了。这种模型不仅仅对程序的确定性行为进行描述，而且也包含了用户观察者的不确定性选择行为。从而，我们便可以把互联网最本质的推进因素：开放性归结为量子概率中的交互不确定性。
所有这一切看起来很有道理，但这仅仅是一种定性的描述，我们是否可能建立数学模型，对这样一种开放式的计算和生产方式进行刻画呢？我认为答案应该是肯定的，因为有了第四章的图灵机-观察者模型，我们便有可能对开放式的、可交互的计算机程序产品进行建模了。这种模型不仅仅对程序的确定性行为进行描述，而且也包含了用户观察者的不确定性选择行为。从而，我们便可以把互联网最本质的推进因素：开放性归结为量子概率中的交互不确定性。
===量子力学与互联网===
====用户选择与量子比特====
让我们首先针对Web2.0式页面的设计来回顾一下第四章提出的图灵机-观察者模型。图灵机-观察者模型是描述人-机混合体的数学模型。其中最核心的一点是将观察者的选择看作是量子测量行为。注意,这里的一个反直觉的认识是,这个量子测量行为并不是观察者对计算机系统的测量,而是反过来,一次用户选择相当于是计算机系统对观察者思维状态的测量。站在计算机的角度(而不是用户的角度)来看,那么所有的程序操作都是确定性的行为(当然,如果包括不确定性算法的时候,也可以用经典概率来描述);计算机唯一不能确定的就是用户的输入选择行为,于是在计算机看来,一个等待着用户进行的0或者1的选择就是一个处于叠加态的量子比特,可以写为:
那么,当用户实际做出了选择以后,相当于计算机对人类观察者进行了一次测量,量子比特就会塌缩成确定的0(以概率或者1(以概率)。于是,计算机得到了确定的0或者1的输入之后,就可以按照固定的算法继续演化下去了。
为什么一定要用量子概率来对用户选择进行建模呢?这是因为用户的选择实际上具备一种我称之为“交互不确定性”的行为(参见第2章)。尽管对于一个单一选择来说,使用量子概率和经典概率具有不可区分的相同效果。但是,当我们考察多个测量行为构成的网络,在其中不同的量子比特以这样或者那样的方式相互纠缠,构成相互不兼容的(不对易的)属性对的时候,那么量子概率和经典概率的区别就会显现出来(参见《当概率变成复数》一文)。
所以,图灵机-观察者模型最突出的地方就在于这种由量子概率刻画的交互不确定性。因此,我们不妨进一步猜想,这种交互不确定性也许是构成互联网的开放性的关键因素。
我们知道,在传统的Web1.0网站中,设计者不仅仅设计了网站的结构,而且填充了所有内容。而Web2.0则仅仅制定一个用户交互的框架,所有的内容都交由用户的参与而产生。于是Web2.0的这种开放性和强交互性就构成了它的主要特征,并且由此吸引了大量的用户。
如果套用我们的图灵机-观察者模型,那么传统的Web1.0网站则可以用经典的图灵机进行建摸,因为所有的内容全部是由设计者设计固定死的。而Web2.0的设计所体现的这种交互性则只能用图灵机-观察者模型中的量子概率来体现。
让我们用一个用户贴标签的例子为例来说明。如果设计者允许用户在n个标签中进行选择,那么,这就相当于设计者在他的网站程序中安置了一个量子态:
如果设计者没有为用户准备有限n个备选方案,而是为用户准备了一个文本输入框,也就是允许用户按照自己的方式写下任意的一个标签,那么,这就相当于在网页程序中设置了一个无穷维希尔伯特空间中的向量:
其中表示允许用户输入的合法字符集(通常是26个英文字母加上10个数字),而*则表示由这个字符集所构成的所有可能的字母组合的集合。
由此,我们看到Web2.0的这种开放性特征就由图灵机-观察者模型中的量子概率进行表示了。所以,从模型的角度来说,之所以互联网的开放性能够如此与众不同,恰恰就是因为在网站上存在着大量的用量子概率表述的叠加态用户选择行为。
====大规模用户行为与量子统计====
然而,上面的模型仅仅适用于一个程序对于一个单一用户的交互情况,对于互联网程序来说(例如一个标签选择),它往往面临成千上万个不同用户。如果我们把互联网程序的每一个本地拷贝与相应的用户进行交互看作一个图灵机-观察者模型的话,那么这些互联网程序的所有本地拷贝的群体就构成了一个统计系综(参见有关量子统计的内容),所以,这群用户与同一个程序的交互行为就可以用量子统计理论来建模。
让我们还是以一个网页中的是否选择按钮(即可看成一个0或1的选择)为例来讨论。假设这个网页被n个用户浏览过了,每个用户都对此选择进行了决策,并提交给了服务器。每个用户在选择之前都处于不同的量子叠加态上面,设有n1个用户处于叠加态,有n2个用户处于叠加态22021,„„,有nm个用户处于叠加态mm0m1。这相当于一个量子混合态:
在量子力学中,对于这样的混合态有一种更加简洁的表示方法,这就是密度矩阵(DensityMatrix)。也就是说,上述量子混合态可用如下的密度矩阵等价地描述:
其中,ii表示由状态矢量i与它自己完成张量基而构成的投影算符。比如,如果ii0i1,那么,在基坐标系(|0>,|1>)下面ii的算符就可以表述成矩阵:
于是混合态也就可以表示成一个2*2的矩阵:
这个矩阵的对角线上的数值恰好就是用户选择0或者1的概率,也就是,用户选择0的概率是:
选择1的概率是:
我们看到,如果每个量子态的分布pi退化到了确定的状态,也就是某个pi=1,其它的pi都是0,那么用户选择0或者1的概率就完全是由量子概率幅i或i给出的,由此我们退回到了只有一个用户进行选择的情况。如果i或i都是纯实数,这就相当于每个用户的选择可以看作一次抛硬币的实验,那么最终计算的p(0)和p(1)的结果就是我们常见的按照经典概率的运算结果。由此,采用量子力学中的密度矩阵,我们就可以对互联网上大量用户的选择行为进行完备的描述了,它不仅可以涵盖经典的情况,而且还包含了更多的量子概率的可能性。
====虚拟世界与量子场论====
Web2.0网络应用程序就好比是程序员搭建的一个空书架,所有书架上的书(网站的内容)全部由用户来填充。沿着开放性的思路走到底,我们自然发现,其实书架本身也完全可以“空掉”,也就是说用户不仅能够创建内容,而且连盛放内容的容器也是由用户来搭建。所以,程序员需要设计一个彻底的“虚拟世界”,所有的规则、内容全部由用户动态地产生。
不要以为我们在进行科学幻想,实际上早在1999年,美国Linden实验室就设计了一款全新的网络游戏:“第二人生(SecondLife)”,部分实现了我们的设想。设计者宁愿称“第二人生”为一个大型虚拟世界而不是一款网络游戏,就是因为用户面对得虚拟世界近似为一张白纸,所有的内容全部由用户搭建,而不仅仅是让它们在有限元素中进行选择。
那么,量子力学是否能对这样的大型虚拟世界建模呢?非常有趣的是,在量子力学中的确有一种非常恰当的模型能够描述这种情形,这就是量子场论中的Foke空间表述方法。在前面的讨论中,我们把用户的0、1选择建模成一种叠加态。那么,在大型虚拟世界中,用户面对的不仅仅是一次0、1的选择,而是整个世界的构建。用户可以在世界中构建出任意多种虚拟物体出来。假设每一件虚拟世界中的物体都可以用一个量子叠加态来表示(也就是说用户可以通过一系列的属性值选择来确定该物体的确切状态)。
在虚拟世界中,用户可能创造出一个物体、两个物体、„„甚至是无穷多种物体,那么这种虚拟物体就处于Foke空间中的叠加态,也就是计算机面对的是一个更大的叠加态:
这里,H是单个物体所处的希尔伯特空间,n表示对这个空间H进行n次直积。则表示用这些直积空间为基张成一个更大的直和空间。所以,允许用户从0搭建的虚拟世界就完全可以用量子场论中的Foke空间来表述了。
更进一步,我们还观察到了量子场论与人类思维世界中有趣的相似性(参考这篇文章:http://arxiv.org/abs/0705.1740)。例如,量子场论的基本思路是描述对真空态(也就是)的源激发会导致量子场幅值的变化,而从这些幅值中,我们便可以“读出”各种粒子产生、湮灭的图景,这正是Feymann图的作用。
如果我们把人类的思维空间也看作是类似宇宙真空的大容器,思维中的各种念头看作是宇宙中的各种粒子,那么对人类思维空间的一个小刺激就会引起一系列的波动(源激发),表示的是一种真空的状态,即虚拟世界中什么东西都没有。
这些波动就会不断地产生、湮灭各种念头。在量子场论中,真空中的量子涨落最终会沉寂下去。但是,在人类思维世界中,如果人不进行最终的决策(也就是测量行为),那么所有的念头都不会起到任何实际的作用。互联网上的虚拟世界恰恰起到了对人类思维世界的测量作用。把一个全空白的虚拟世界交给用户,就相当于对用户思维世界的一次彻底的测量,把存在于他脑海中的各种念头全部凝结成货真价实的比特。
总之,互联网程序的本质属性在于它的开放性,这种开放性与随机性最大的不同就在于交互不确定性,并且,如果我们假设这种交互不确定性可以用量子概率进行建模,那么,我们就可以把现代物理中很多强有力的分析工具引入进来。本小节就是对这些概念的应用进行一个初步的畅想。
===观察之流——互联网的动力引擎===
我们已经提到如何从计算机程序的视角,将用户做出选择之前的状态用量子概率描述,同时,把用户的每一次选择都看作是一次量子测量。然而,我们并没有花更多的篇幅讨论量子测量之后的事情。
事实上,我们仅仅把量子概率看作数学工具,从而把它用到互联网上面。然而,毕竟互联网应用与量子物理有着本质的不同。在量子物理中,观察者的测量行为往往是所有过程的最后一步,只要观察者得到了可观测量的值,理论的预言就结束了。至于观察者在测量之后如何处理他的测量结果,以及是否继续再次测量则统统不归量子物理管。在互联网的应用中,测量之前的描述并不是重点,更重要的是当测量(用户进行了选择)之后,这样或那样的测量方式或者结果最终会如何影响计算机程序的推进?因此,我们的理论应该更多地关注测量之后,而不是测量之前。
让我们再次把目光集中在互联网的某一个具体应用上:网页浏览行为。我们都知道,互联网上任意一个普通的网页都可能存在着大量的超链接,它们有的连接到本网站的二级页面,有的则连接到其它的网站。针对由大量的网页通过超链接联系到一起的计算机程序集合来说,用户的选择就相当于对一个网页上面的不同连接的点击行为。例如,如果某一个页面上有2个超级链接,则我们便可以用一个量子比特来对点击情况进行建模。而用户的测量结果就体现为沿着某一个超级链接从其中的一个页面跳转到另一个页面的动作。于是,当整个网站存在着多个不同的页面,它们又由多个超级链接相联系的时候,用户的连续的测量行为实际上就体现为一条从不同的页面之间跳转的路径。
在传统的互联网分析行业中,大量用户在不同网页之间的跳转被称为“点击流”(Clickstream)。在本文中,我们已经将用户的跳转选择看作了一种量子测量行为,所以,我们就把用户的点击流称作是观察之流。
例如,图6-2就是某网站不同网页之间的点击流。
在这张图中,节点表示该网站中的网页,连线表示超级链接,连线上的权重数值表示有多少个用户浏览行为从上一个页面跳转到下一个页面。我们看到,对于每个节点来说,它的流入的总数往往大于流出的总数,这是因为有很多的用户在浏览到此网页之后就退出了。通常,每一个节点在往下一个节点走的用户数只占流入的总用户数的一定的比例,这个比例被称为转化率。
现在,很多大公司已经开发了许多成熟的工具来分析这种点击流数据,例如GoogleAnalytics,StatViz,Pathalizer,Visitors等等。而且也有着非常成熟的分析方法。尽管这些强大的分析工具已经注意到了观察者的点击流的潜在商业价值,但是笔者认为这种认识还远远不够,事实上,正如我在第4章中已经提到的,观察者相对于虚拟世界中的计算机程序来说,相当于一种能量流的注入,因此观察者的点击流就是互联网世界中的能量流,它提供了整个互联网上的虚拟世界的演化。
为了让我们更清楚地看到点击流和能量流之间的对比关系,让我们来观察图6-3。这是一张海洋生态系统的食物网,每个节点都是一个物种,节点的连线表示捕食关系。虽然这张网络上没有标注每条边的权值大小,但是物种之间存在着能量和物质的流动。当一个物种捕食了另一个物种,那么能量就会从被捕食者流到捕食者。图中箭头的方向就是能量流动的方向。整个生态系统存在着一个能量流的根节点,这就是太阳,它把能量流输入给基本的生产者(Primaryproducers),然后再分发到网络中的各个物种中去。
如果我们将这张图上下颠倒一下,我们会发现它与上面那张点击流的图存在着极大的相似之处。首先,我们可以把每个网页比喻成不同的物种,网页之间的点击流动比喻成生态系统中的能量流。进一步,无论是能量流还是点击流,它们都具有很大的耗散特性。
图6-4是著名生态学家H.T.Odum在早期通过精心设计的实验而获得的一个小型生态系统的能量流分布图。这个简单的食物网只有植物、食草类动物、食肉类动物,顶级消费者、分解者五个物种。不同物种之间(甚至同一个物种内部如基本生产者)都用不同粗细的管道连接着。这些管道的宽度就是能量流的大小。我们看到,太阳将总的能量流注入进来,然而大部分能量在第一级光合作用反应的时候就已经浪费成热了。接下来,从植物到食草类动物,再到食肉类动物,每一步都不可避免地会有大量的能量流耗散成了热量流出了整个生态系统。因此,自然系统中的能量流虽然在每一步转化的过程中都是守恒的,但是这些能量却存在着大量的贬值、耗散的现象,也就是每一步生态系统中的能量转化都伴随着大量的自由能转变成了热量弥散在环境中。
同样的道理,如果我们把某一个时间段上网的总人数看作是一个固定的常数,那么这些人在网站上形成的点击流就同样具备一定的守恒特性:也就是不同时刻访问该网站的总人数是常数,所不同的是这些用户会停留、分布在不同的网页上面。而在每一步从某一个网页到另一个网页的跳转过程中,都存在着大量的用户损失,用户并没有从世界上消失,而是跳离了这个网站,或者是下网做别的事情去了。因此,这是一种与能量流转变为热量等价的耗散特征。
生态系统中的能量流不仅仅沿着物种之间的捕食关系网流动,它还能反过来改造食物网的结构。尤其当我们把研究尺度放大到生物进化的时间上看的时候,那些得不到能量的物种就会慢慢灭绝,而由于变异的作用,新的物种又会发生出来,并且可以更有效地捕获能量流资源,从而发展壮大。同样的道理,大量用户形成的点击流也应该会对网页之间的互联结构造成影响。按理说,那些总是竞争不到观察流的网页就应该逐渐消失,而那些很受欢迎的网页应该进一步生长,甚至分叉形成新的物种(网页)。然而,目前的网络应用程序似乎还没有进化成类似生态系统一样的网络。因为,只有管理员/网站设计者才能对网站的结构进行更改,虽然它们理应根据用户点击流的情况对网站结构进行调整,但是这种调整实际上仍然效率很低、速度很慢,究其原因是,网站结构并不能自动地被用户流调整。
当然,也不是所有的网站都这样无效率,在很多新兴的2.0类网站中,就存在着利用用户的点击流直接更改网络结构的例子。例如,最典型的就是在目前很多社会网络网站(SNS),你经常会看到诸如这样的提示:“察看这篇文章的用户也察看了XX文章”,并给出XX相应的超级链接。这样的提示以及超级链接就是根据大量用户的点击流数据生成的。因此,从本质上讲,网页之间的互联结构正在根据大量用户访问网站的动态情况而发生着改变。
正如大多数SNS网站都有着传统网站不能比拟的用户体验一样,这样一种能够利用用户流本身改变网站链接结构,反过来进一步引导用户流的能力可以使得网站的“粘性”得到提升。从观察者理论的角度来说,这恰恰是因为网站利用了大量观察者的交互不确定性而确立了结构,因此这类结构就会更具有粘性。
目前,如何根据具体的用户访问路径而给出相应的推荐连接结构的问题是一大类称为“推荐算法”的问题,也就是说我们应该设计什么样的算法,把用户可能想要的感兴趣的信息较快地推给用户,以使得用户可以更高效地使用网站。换做观察者理论的语言来说,推荐算法实际上解决的就是一个利用了交互不确定性的测量网络(参见第4章)的最优结构的问题,这种最优性当然是希望用户有最好的应用体验,或者说是能够提升测量网络的粘性问题。在第4章中,我们已经指出了,实际上这种粘性问题的度量与物理学中的熵这一概念相关。所以,我们可以反过来说,目前所谓的“推荐算法”实际上就是设计了一种更有效率地产生信息(负熵)的技术。因此,从观察者理论的角度看来,一方面观察者为互联网程序提供了能量流,另一方面程序则为观察者提供了信息(负熵)。可以用下图来总结观察者与互联网程序之间的关系:
===点击改变世界===
正如我们在前言中指出的,观察者理论从本质上说就是一种看问题的视角,它希望从问题的背景而不是前景出发提出对世界的新认识。在大多数的互联网以及社会科学的研究中,人们通常把信息流看作是一种显式的流动,它在不同的人际之间传播、扩散。虽然这个观点没错,但是它却是一种盯住前景看的方式。我们知道,当信息流相对于人进行运动的时候,人也相对于信息流动。于是,从背景出发,我们看到的不再是信息的流动,而是观察者的点击流在不同信息结构之间的流动。
事实上,我们并不是第一个看到这种背景模式的人,著名的系统科学专家,诺贝尔经济学奖得主:HerbertSimon早在1971年的著作《DesigningOrganizationsforanInformation-RichWorld》中就已经提到了注意力经济这个概念:“在一个富含信息的社会中,信息的富有意味着某种其它东西的缺乏:也就是信息所消费的东西。那么什么是信息所消费的呢?这就是信息接受者的注意力。因此,信息的富足导致了注意力的不足,以及我们如何有效地在那些过量的信息资源之间分配注意力的需求。(”Simon1971,pp.40-41)。
Simon所说的消耗信息的注意力,就是我们这里所说的观察者的观察。而大量观察者的集体观察可以客观地反映在外在事物的观察之流中。注意,我这里所说的观察流与上一节讨论的点击流概念已经略有不同,这里的观察流是一种广义的概念,也就是观察者对外在事物分配的注意力、观察以及测量。
所以,在现代社会中起到主导作用的因素不是信息流,而是观察流。广义地看,这种观察流就等价于观察者在某事物上所消耗的注意力大小。正是因为这种注意力,才使得观察者和被观察事物深刻地联系到了一起。让我们以个人电脑中的计算机程序为例来说明究竟观察之流是如何与个人电脑中的程序发生相互作用的。
从软件的角度看,操作系统就像一个大的虚拟宇宙,其中CPU相当于是虚拟宇宙中的时间,内存就是它的虚拟空间。在这个宇宙中存活的是各式各样的计算机程序,它们只有获得充分的CPU计算时间才能真正被激活,并产生新陈代谢:改变自身的结构、产生出新的数据和代码。然而,是什么因素决定了CPU时间的分配呢?从本质上讲,恰恰是观察者决定了CPU该运行哪一道程序。因此,如果观察者对某一个程序更感兴趣,它就会以更多的机会把更多的CPU时间分配给该程序。相对于计算机程序来说,观察者的观察之流就好像是太阳的能量流一样为整个虚拟世界提供源源不断的能量输入。
在图中,蓝色的箭头就表示观察之流,它仿佛是生态系统中的能量流一样为整个计算机程序生态系统提供了运作的本原动力。因此,观察者就像上帝之光投射给计算机虚拟世界,他“看”到了哪里,哪里就被照亮了。
同样的道理,观察之流还能改造计算机程序,以及程序之间的相互作用。我们知道,唯一能修改程序结构的因素就是设计程序的程序员了。但是,程序员不是别人,正是一个屏幕前的观察者。正如我们在第4章已经指出的,其实无论是程序员还是普通的玩家用户,他们都可以统一成观察者,而他们的观察作用(体现为点击流或者是玩的操作)都是为计算机程序世界注入了能量流。这种能量流当然包括了程序员更新程序代码的交互,所以,从本质上讲,是观察之流正在创造着虚拟世界中的虚拟结构。
===观察流与货币流===
当大多数人都从信息流的角度来考察互联网的时候,我们从观察之流这个背景出发却能获得关于互联网及其演化的全新图景。如果把互联网上的所有网站看作是节点,网站之间的超级链接看作连线,那么我们可以把互联网抽象成一个名副其实的网络。进一步,假设大多数的用户点击流都会按照超级链接的结构在网页之间跳转,成千上万的用户的点击行为就形成了贯穿于这些网站之间的观察之流。我们可以用如下的示意图表示:
如图所示,节点为网站,它的大小表示该网站平均所吸纳的观察流(点击率)大小,节点之间黑色的连线表示用户的点击流量,粗细表示流量的大小。每个节点周围都有很多虚线剪头表示那些不是通过其它网站跳转过来,而是直接登录该网站的用户。
我们通常认为信息会在互联网上流动,然而从这张图来看,信息不可能在两个站点之间跳转,而只能是用户沿着此网络流动。事实上,如果我们考察Internet网,也就是由路由器、交换机等硬件构成的网络,那么在多个节点(路由器)之间跳转的的确是信息流(比特流)。但那是互联网的硬件世界,当我们真正跳入互联网海洋的时候,硬件之间的连接对于用户来说是透明的,于是人们只能看见一个WWW网络世界。所以,在这个WWW虚拟世界中流淌的不是信息流而是用户的观察流。
另外,我们在图中画出了几条红色的箭头,它表示WWW世界中的另外一种流动:货币流。我们知道,在互联网世界里面,点击率是一种宝贵的资源,这种资源甚至可以换取真实的货币,这就是互联网广告。在很多互联网公司中,广告收入都是一笔不小的经济来源。将某些广告投放到自己的网页上,吸引用户点击进去,这样一部分观察之流就可以顺着广告的指引方向跳转到相应的页面。这就达到了广告的目的,于是被点击的公司就会为投放广告的公司支付一笔广告费,这就形成了图中的红色箭头:即货币流。然而,在现在的互联网中这种货币流并没有形成规模,只有少部分的网站之间会有实质性的货币流动。
有趣的是,我们观察到了两股相互反向、对冲的流动,即观察之流与货币之流。广告投放会吸引观察之流过来,与此同时,货币却会朝着反方向流动。这样两种相互反向、对冲的流动模式让我们想起来了现实社会中的另外一种司空见惯的现象:货币流与商品流之间相互反响、对冲的运动。
在进行商品买卖的时候,我们实质上在人际关系网络上实现了商品流与货币流的反向运动,即商品从A转移到了B,同时货币从B转移到了A。这两种流动始终相伴而行。当然也有例外的情况,例如当A赠与B某种商品的时候,货币流并没有发生。但是,在如今这个商品社会,这是很少发生的情况。
与此相对应,我们可以把发生在互联网上面的两种流动:观察之流和货币流分别类比为人际关系网络之上的货币流与商品流。有趣的是,上图中的观察流(黑色)对应了下图中的货币流,而上图中的红色货币流则对应了下图中红色的商品流。之所以这样对应是想说明在上图和下图中,观察流和货币流分别起到了主导货币流和商品流的作用。在商业世界中,某人要购买某物是原因,这样一种货币流会造成商品流动的结果。
在互联网上,一个拥有了庞大点击量的网站就仿佛是拥有一大笔资产的百万富翁,它可以随时选择将这样庞大的点击流量引导到他希望它们流到的地方上去。当网站需要用货币的时候,它就可以通过广告来引导观察流来换取货币流。因此,在这种情况下,观察之流形成了主动的流动。
你也许会反对说,现实情况并不是这样,这个世界仍然是资本主导的世界,尽管有很多网站已经聚集了相当多的观察之流,但是它仍然不能养活自己,于是还要让货币流来主导观察之流。
我想说的是,虽然这是一个不争的事实,但它并不能简单的否定我们的结论。让我们考察一下人类历史,早在封建社会早期,货币作为一种一般等价物刚刚出现的时候也并不被大多数人认可。人们需求的是实实在在的商品,而货币仅仅是这些商品中的一种。例如,来到集市上生产羊的A真正需要的是斧头,而生产斧头的B需要的是羊,于是只要A和B相遇,交易就能发生,人们根本不需要货币。因为货币并不能当斧头用也不能当羊肉来吃。但是在更一般的情况下,A很难遇到需要羊同时又生产斧头的B,所以A就会先把自己的羊卖给任何一个需要羊的人,换回来等价的货币。然后等待时机,当找到了可以卖斧头的人,再用货币换到斧头。这样,利用货币,A就解决了交易发生的时间和空间复杂性的问题。总结来看,A这种模式可以概括为:
其中G为商品,M为货币,表示交易链条。也就是A先持有商品,交换得到货币,再由货币交换商品,最终的目的是持有商品。
然而,随着时间的推移,人类生产和消费的产品多样性进一步增长,一类特殊的称为资本家的人出现了,他们追求的目标不再是某一种单一的商品,而是货币本身。他们利用商品与货币的交换来实现资本的增殖,我们可以概括为如下的链条:
这个M’就是增殖的货币,资本家就是通过这种方式赚取更多的货币的。这正是马克思《资本论》中的内容。一个商品社会发展到这个阶段,我们才说货币起到了主导的作用。由此可见,货币本身也不是一生下来就起到主导作用的,只有当商品世界足够丰富,资本变得相对稀缺的时候,货币才会起到主导作用。
与此相对应,我们现在的互联网也是仅仅处于初级阶段。可以说现在人类社会的主流仍然处于资本主义社会,货币是人们的必须品,占到了主导的地位。因此,所有的互联网公司都好比是那个拿着羊去换斧头的人,他遵循这样的交换模式:
这里M是货币,O是观察之流。也就是说该网站需要具备一笔启动基金,建设网站,然后才能吸引观察流量过来。但是网站吸引观察流量的最终目的仍然要落回到货币上面。所以,此时的互联网就像是商品社会的初级阶段。然而,有理由相信,当资本世界进一步地发展以至于货币不再成为一种稀缺资源的时候,我们也许会看到一种新的阶层出现:“观察流资本家”,他们遵循如下的交换模式:
也就是说这些人会有意识地赚取流量,并且把观察流量的增殖作为他最终的追求目标。而货币资本对于“观察流资本家”来说则成为了名副其实的过渡阶段。
当我们畅想未来的时候,如果真的把观察之流看作一种虚拟世界之中的货币流,那么我们可以向现实资本社会的运转模式中借鉴很多宝贵的经验。例如,人类发明了银行来储存货币流。那么,在互联网上,我们是否可以发明一种程序来储存用户的观察之流呢?再例如,商业社会中的股份制公司,脱离实体商品的虚拟货币等等这些模式是否都可以借鉴到观察之流上来呢?
然而,当我们回到现实世界,我们却看到了与我们这里描绘的场景截然相反的情况。一个最明显的反驳就是观察之流并不与货币流反向。例如,我们上网将我们的观察之流投放给互联网,电信部门却要向我们收取费用。在这里,观察之流与货币流发生了同方向的运动。再例如,我们在网站上购物的时候,我们会同时把观察流和货币流投向给同一个网站,这也恰恰是同方向的运动。
我想,导致这种情况发生的罪魁祸首就是人们并没有认识到观察之流可以形成虚拟世界中的能量流这样一种事实。当我们观察者操作电脑,开始网上冲浪的时候,我们实际上是把自己的观察之流的“能量”投射到了虚拟世界之中。正如我们在第4章中介绍的Castranova的研究所指出的,玩家玩游戏的过程其实可以等价地看作一种生产而不是一种消费,这就是因为,玩家的观察之流会为虚拟世界提供进化的力量。当然,与此同时,作为现实世界中的存在体,人的存在本身就要消耗各种物质资源、能量资源,这些资源的消耗的确需要消耗成本。所以,现实的情况是,观察者的观察本身就同时具备了消费和生产的特性。所以,电信收取我们上网的费用,向电子商务网站投入的货币流都是观察者消费方面的产物。但是,我们却忽略了观察者作为生产者一方面的力量,当我们登录搜索引擎网站进行搜索的时候,实际上我们已经将观察之流注入给它,搜索引擎公司可以从其他的公司那里挣取广告费,它也理应将这笔广告费返还给大量的用户观察者。因为正是这成千上万个用户的观察行为才导致了搜索引擎页面排序的进化。同样的道理,电子商务网站也应向用户反馈一定的费用来支付他们观察之流的推进网站进化的作用。
当我们深入研究观察之流与货币流之间的相互作用关系的时候,就会发现,这里面牵扯了相当多的社会学的问题。一个最明显的特征就是,一个社会的物质越发达,这里的注意力资源观察之流就会变得越稀缺。于是,一些反资本主义特征的现象就会自然浮现。例如,很多经济发达地区都会有免费提供的报纸、电视服务;很多大公司、超市都会为路人免费的发放广告,甚至还会有人倒贴钱这样去做。其本质原因就是,在物质资源丰富的社会中,观察注意力变成了一种严重的稀缺。
[[category:旧网站]]
[[category:旧网站]]