一个大V(意见领袖)表面光鲜亮丽，私底下却时常发布垃圾信息，大概是当下最糟糕的社交体验。
不只是大V，从社交圈被垃圾信息淹没开始，人们已经与高效、体面的网络社交生活失之交臂。深夜毒鸡汤散布者、刷屏微商、晒娃宝妈等各路角色齐上阵，几乎“侵占”了你的社交圈。
传统基于人际关系的SNS体系(社交网络服务)，正在成为低效社交的“帮凶”。不过最近有一款社会化媒体应用独树一帜——「Ta在」通过打造知识共享平台，正在重新为普通人的社交网络注入活力。
从人的社交到知识社交
在SNS时代，社交媒体的底层逻辑还是打通网络空间的人际关系。这种模式信息传播范围广、影响力大，但知识属性不免被边缘化。
传播和社交的这一矛盾，在知识共享的时代，虽显得不合时宜，却无力从根本上进行改变。
一方面，并非社交圈内的每个人都有义务传播“干货”，供圈内好友品评;另一方面，让社交圈内的所有发言都符合某个人的兴趣偏好，也太过强人所难。
因此长期以来，SNS社交媒体大行其道，而个体分享知识和智慧的需求却一直被忽略——当社交应用纷纷陷入争夺用户时间的混战中时，基于共同兴趣的知识社交领域尚存在大片空白，发现这一生存空隙的企业或能后来居上。
值得一提的是，“社交+”这一概念风头正盛。QuestMobile最新发布的报告显示，截止2019年4月，我国移动社交行业用户规模突破11亿，已然是用户刚需。
除垂直社交媒体外，“社交+”也成为综合性平台实现场景落地、竞相追逐的风口。
凭借知识共享落地社交功能，「Ta在」也是这一趋势的弄潮儿。由演化群体智能算法(ECI算法)驱动，「Ta在」以KNS(知识关系服务)为架构，试图打造一个高度智能化的知识共享平台，一改过去物理社交的概念，让用户可以借助知识寻找“圈内人”。
这一知识共享概念，与百年前尼古拉·特斯拉关于人类群体智能的畅想不谋而合。在他的构想中，人类可以和动物发挥群体智能效应一样，将全人类的头脑连接，使地球组成一个大脑。
1982年，彼得·罗素将这一构想完善，将其描绘为一个连接全人类大脑的智能系统，并命名为“全球脑”。如今这一宏伟概念的落地，自然也离不开「Ta在」这样的知识共享平台。
在微观层面，「Ta在」对个体用户也颇为友好——既是知识分享平台，又能凭借智能算法筛选出志趣相投的朋友，摆脱低效社交。
打破信息茧房
当下已是信息爆炸、知识冗余的时代，在摆脱低效社交之余，如何在固定时间里最大程度获取有效信息，既是个人必备能力，也是时下知识共享平台竞争的关键。
以获取信息途径的不同，可以将知识共享平台分为知识系统型、搜索系统型和推荐系统型。
知识系统型多为知识百科，如维基百科等，通常利用条目式系统来创建和维护词条;搜索系统更多时候表现为搜索引擎，如必应搜索，用户通过搜索关键词和内容进行匹配;推荐系统则是当下最常见的内容分发平台，如今日头条、一点资讯等，依靠智能算法、根据用户兴趣爱好进行内容推荐。
然而，这些常见平台都存在致命缺陷。比如知识系统平台条目维护工作繁琐，且有限词条无法覆盖无限的知识点;搜索系统若关键词和内容匹配程度不够，则直接会影响搜索结果的准确性;推荐系统虽然基于用户兴趣，但缺乏完整的知识体系，因此推荐内容质量普遍不高。
更重要的是，在这三种系统中，人和知识都是单向联系，缺乏互动和对知识的有机连接，难以形成势能。
「Ta在」则打破了这一瓶颈。平台的ECI算法通过用户行为抓取兴趣爱好，既将每个用户发布的内容精准传送给感兴趣的其他用户，也能根据用户提出的问题，连接统一属性的内容进行推送，建立人和知识、知识和知识以及人与人之间的亲密联系。
当平台用户达到一定量级后，沉淀下来的知识也并非机械排列，而是可以通过知识点之间的有机结合，实现智能演化，形成能够自换血的智能知识共享体系。
值得注意的是，传统算法智能化水平有限，只会根据用户已发布和浏览过的内容进行推荐，重复且低效，更容易导致信息茧房——即习惯性被兴趣引导，被迫将信息生活禁锢在“茧房”内。
相比之下，基于ECI算法框架的知识共享平台，以群体智能为核心、机器学习为辅助，融合了群体性评价体系和机器算法推荐的优势。
简而言之，ECI算法会不断重复“用户反馈-平台调整”这一过程，且在功能反馈过程中，它并非通过个别用户行为，而是基于群体判断和用户反馈来矫正系统，不断迭代推送内容。随着系统不断演化，用户会持续收到更加精准的内容推荐。
而这一推荐经过智能演化，将从根本上拒绝信息茧房。
“百科全书”的应用前景
信息茧房无处不在。曾经，知识分享平台多是大V的天下，他们是目光和流量的聚焦之处。
但流量过于集中，也会对沟通造成阻碍。一个普通人和大V对某一话题存在共鸣，往往会因为大V更有话语权，而丧失了双方平等对话的机会。
「Ta在」则希望通过弱化流量中心概念填平这道鸿沟。
「Ta在」产品中并未设置“关注”“查阅个人主页”“给内容加标签”等强社交属性的功能。在这里，用户基于共同兴趣产生联系，而每个人都隐藏在内容之后，因此能同时满足兴趣知识共享与个人隐私保护的需求。这无疑是当下知识共享领域的新尝试。
这种尝试对提高知识搜索效率也颇有益处。「Ta在」的ECI算法会不断捕捉、分类用户的互动行为信息，有序化人与知识，定位知识的复杂属性，以此提高搜索定位的效率效能。
ECI算法还将在B端市场上大有作为。比如「Ta在」可以将智能算法接入规模化的内容平台，演化出智能的KNS知识网络，帮助提高此类平台内容的精准传播;还可以将智能算法接入电商平台，通过预测消费趋势和消费心理，促进潜意识消费，提高平台产品转化;在教育领域，ECI算法可以打造定制化教学方案，拒绝千篇一律的学习模式，提升学习效率。
过硬技术再搭配上基于兴趣的庞大流量，显然是其他平台求而不得的变现实力。
一百年前，“全球脑”或许还是痴心妄想，现如今，「Ta在」正让这一理想照进现实。
