Facebook已经过时,蜂巢新网络崛起

简介:

Facebook已经过时,蜂巢新网络崛起

责任编辑:editor007 作者:boxi |  2016-10-12 21:13:54 本文摘自:36kr

 

编者按:Arjun Sethi是SocialCapital合伙人,Yahoo前员工,MessageMe联合创始人兼CEO。他最近与Andy Artz合作写了一篇有关网络未来形态的文章,试图用一个统一的框架来解释各大社交网络以及平台的演进趋势。文章分析了现有网络的弊端,认为未来的网络必须发展为蜂巢的形态,并且组成网络的节点必须具备蜂群思维才能生存。这个对未来的展望是一针见血还是牵强附会呢?

Facebook、Twitter 和Instagram,这三个原来都是把现有现实世界的关系搬到网上的革命性网络。现如今,它们已经成为日渐老化的公用事业,用一个过时的版本支撑着这个社会化互联网。

随着Twitter、Facebook以及Instagram这些社交网络变得越来越大,它们向名人、meme以及企业账号这些超级节点愈发倾斜,比重大得已经不成比例。据估计,约8%的账号都是假冒的垃圾机器人账号。一般Instagram用户平均每天发贴2.69次,而粉丝数超百万的用户的平均发帖数是8.58次。每天在Instagram上发出的照片有8000万张,但是每个帖子的平均互动率仅为1.1%。在Instagram上,50%的帖子一般都是由不到3%的账号生成的。Facebook略稳定一点,因为有个朋友数上限。尽管如此,有机分享(比如给Facebook feed发照片或者更新状态)的复合年增长率也下降了21%。

在今天,光有“连接世界”已经不够了。

想要生存的话,仅仅把网络建起来已经不行了。你得建立一个蜂巢,并且最终建立起蜂群思维。

网络的存在危机

即便一些社交网络已经发展到容纳了数十亿人群,但沟通并没有出现相应成比例的增长。你是添加了朋友或者粉了别人,但是能聊的就那么多。Facebook朋友数超过500的用户活跃的聊天对象就是那10到20号人。类似地,Twitter粉丝数超过1000的用户只跟不到50粉丝建立了强连接。

Myspace用户增长快减少得也快。这是一个警醒,提醒我们网络增长没有带来相应的业务价值提升的话是难以为继的。网络不能仅仅是中立的。还必须有帮助意义。

网络连接不同的人,并且赋予他们许多沟通和交易的接触点。网络是组成系统的复合成分之间如何进行连接的中立表述。随着网络的成熟,我们开始看到全新事物的出现。

说到乘车出行,

Googl Maps告诉我们从A点到B点的距离,但Uber让我们从A点去到B点更快

说到社交,

Facebook给了我们一种连接的方式,但Messenger却帮助我们沟通

说到购物,

eBay让我们可以在网上买到任何东西,但Amazon Prime在我们想要的时候给我们想要的东西

连接的价值并不在于实现联网。而是发表观点,朝着结果采取行动。

蜂巢

一只蜜蜂大约只有1/10克重。把蜂巢所有的蜜蜂加在一起也才有5到8磅重。但是把每一只蜜蜂包括在内的蜂巢却是个80磅的庞然大物,而它还不只有这些。

蜂巢是一个规模大于组成之和(1+1>2)的、演进的、更加智能的网络:

  • 节点间交互频度的增加在蜂巢之内建立起更多的接触点。蜂群就是这样学习不断变化的外部环境并做出知情决策的。

  • 减少节点间的摩擦,在蜂群成员间建立起更高级的同步。这在个体成员间树立起更紧密的联系,使得蜂群可以一致行动。

因为交互频度的增加,蜂群行动可以更加智能,因为节点间摩擦减少,蜂群可以执行除了传输数据以外的事情。它可以基于这样数据做出响应并演进。蜂群不仅仅是联网更紧密。它还是有机的生物成分组成的更加稠密的群体。

尽管表现还不明显,蜂群正在成为我们思考、表现和互动的核心方式。理解逐步浮出水面的人类蜂群的最好方式,是观察蜂群在自然界是如何运作的。

交互频度的增加:蚁群像液体和固体一样移动

蚁群的同步性非常高,高到一大群蚂蚁可以紧密黏在一起,整体形成固态或者融为液体。蚁群的黏度仅靠相互抓住或者放开就可以发生变化。它们之所以可以做到这样,是因为蚁群的蚂蚁之间交互频度很高。

Facebook已经过时,蜂巢新网络崛起

对于蚂蚁来说,沟通是生死攸关的事情。如果你对蚁群形成的球施加压力,最接近顶部的蚂蚁就会马上行动,表现得好像死了一样,从而提高蚁群翻滚的灵动度。往蚁群施加的压力越大,为了吸收压力,蚁群表现出来的流动性就越强。互连在一起的蚂蚁越多,它们共同能够承受的压力就更强。

蚂蚁之可以适应得这么快,原因并不在于传递消息的内容,而在于蚂蚁相互挤压会触发整个蚁群的反应链。蚁群之所以能够组成救生筏避免溺水,用身体搭桥跨越鸿沟正因为此。

蚂蚁的流动性让它们几乎可以在任何环境生存。除了南极洲以外,它们已经在每一个大洲完成殖民,占据了地球陆地生物的15到25%。

企业的消费化:工作场所的大规模协调

像Google Apps for Work、Slack和GitHub这样的工具让我们的行为模式更像蚁群。它们提高了组织内部的交互频度。大家的沟通和任务切换可以更快,基于数据做出更明智的决定,并且使用更智能的工具相互沟通。

有了这些人人可以访问的共享工具后,我们就可以像蚁群一样相互依赖,到处走动,而不是被一个个小隔间隔离起来。

Facebook已经过时,蜂巢新网络崛起

上左这幅图显示了惠普研究实验室按照组织层级的电子邮件沟通模式。Youtube显示的是开发者通过聊天进行协作的沟通模式。像电子邮件这样的网络模型,你得从一个人跳到另一个人才能获得所需的信息。在蜂群中,大家之间的实时沟通都是无缝进行的。

高频度交互让每个人都能达成共识并且同步工作:

  • 人与人的交互:更高频率的互动意味着工作可以靠Slack这样的实时聊天工具进行实时分配。大家可以根据蜂群的需要更快切换工作。一项研究表明,顶级的20%的开发者也是聊得最多的人。

  • 人与数据的交互:一度通过技术接口才能访问的专业知识,现在已经通过会话式接口作为常识展现出来了。比如说Looker就提供了用于分析和内部公司数据查询的Slack机器人。

  • 数据与数据的交互:工作场所蜂巢让我们获得了一度只能通过汇报才能获得的洞察。公司人人都使用的工具创造了大规模的数据,这反过来又帮助大家更有效地使用工具。这一工作流数据往往只有作为记录系统才有用。今天,它生产了实际的商业智能。

这样的网络使得组织的智能化程度显著提高,并且大家都围绕着一个共同目标展开协调。随着员工和工具之间的交互增加,企业可以根据蜂巢的需要从固态转换成液态。

减少沟通摩擦:蜂群运作像神经网络

行动中的蜂群跟人类大脑神经元的活动很像。所以它们才能够在离开老巢数小时之内开辟出新巢来。

这不是通过集中式智能,靠蜂后扯开嗓子下命令来实现。相反,它是通过底层侦查蜂的沟通来做到的,这种方式减少了整个蜂群的摩擦,使得快速集体决策成为可能。

Facebook已经过时,蜂巢新网络崛起

蜂群在旧巢废掉之前有3天的时间去找新巢址。找到合适的家意味着要在以蜂后为中心的半径1英里范围内探查可能的地点。蜂后是不能自己出去选址的,而且也没有足够的带宽去处理侦查蜂找到的每一个可能巢位,并且迅速做出好的决策。

相反,新址选定是由占整个蜂群3%的侦查蜂来负责的。蜂群要搬家时,大概50只侦查蜂就会被派遣出去寻找可能的新家。当一只侦查蜂找到自己喜欢的巢址时,它就会跳起“摇摆舞”告诉其他侦查蜂具体位置在哪里。侦查蜂会考察各种巢址,然后围绕着它们认为有助于蜂群生存的那个地方跳舞。

当大概有30只左右的侦查蜂聚集到新巢址时,蜂群的其他人已经开始赶过来了。

在独立个体的大规模协作方面,蜜蜂的决策流程减少了摩擦,能够迅速且明智地对各种输入进行评估。最终,30只蜜蜂决定了另外10000只的命运

移动消息传递:微信蜂巢的形成

尽管像Instagram和Twitter这样的网络在逐渐消失,像微信这样的聊天app却是活力四射的蜂群,正在焕发经济的力量。就像蜜蜂的侦查蜂一样,聊天app也通过个体节点1对1的沟通减少了中心化节点的摩擦,并且允许突现行为的发生。

Facebook已经过时,蜂巢新网络崛起

图1:网络——信号传播由集中化的Fb算法控制,这降低了用户对1:1沟通的本地控制;

图2:蜂巢——Messenger支持节点间1:1沟通,允许“突现”行为,让每个节点可以运行自己的算法进行信号传播

微信5年前是从聊天服务起家的。现在你要通过它预定大排档的饺子,打车、读新闻,甚至还可以买房。

通过微信,我们看到了一款消费者产品从想要(want)、需要(need)、公用设施(utility)三阶段演进到蜂巢的过程。在每个阶段里,微信都聚焦于通过为用户提供基础设施而减少摩擦。在微信上,它只需要让大量用户接受新行为,并把它转化为受益于整个蜂群的公用设施就行了。

  • 想要——2011:微信刚推出时,用户可以做的只有发送消息、视频剪辑和照片。次年,随着中国从2G升级到3G,微信又赋予了用户语音和视频通话的能力。为了节省无线数据流量,微信自动对大家上传的视频进行压缩。大家想用微信,是因为它让你可以方便地跟别人通话,而且价格很便宜。

  • 需要——2012:因为高额数据成本,中国的微信用户往往拒绝下载独立app。因此在这些约束下,“公众号”或者聊天机器人应运而生。大家通过给公众号发短消息即可看新闻或者查银行账单。他们的需求在微信平台上完全就得到满足了。

  • 公用设施——2013:移动支付和微信钱包的引入,为用户又提供了一个新的公用设施层,从而推动了平台大规模商业行为的采用。因为校园里面卖的水果又贵品质又差而且不方便购买,一群中国学生在微信上做起了水果速递的生意。在一次接受采访中,一位学生指出“微信比淘宝要更灵活一点。因为小小的个体仍然可以拥有自己的品牌。”

随着微信的发展,新的公用设施开始在平台出现。每一种新的公用设施都增加了用户在微信平台消磨的时间,这样又导致了用户之间摩擦的减少。微信的最新进展是小应用的推出,这使得开发者可以在微信平台上开发出完整的HTML5应用。

微信的发展靠的不是任何功能的推出,而是靠那些让生活变得更简单的个体水果供应商、出租车以及夫妻店。长此以往,这可以成为制胜之道。

2015年,像微信这样的平台上每天都诞生了12000家新公司。蜂巢不是通过接入新功能搭建起来的。是新功能创造了新的经济机会造就了它。

从网络向蜂巢的变革

蜂群交互频率的增加以及沟通摩擦的减少可以导致同步性的增强,这在历史上是有据可查的。一度父亲口述给儿子的故事在千年之后就变成了神话。书写的发明以及文学的首次传播实现了书写史的第一次传递。

随着技术的发展,信息传递的时延不断降低。道路的修通让投递员可以递送消息,沿这些道路铺设的电缆实现了电报,然后又诞生了无线电广播。最终,我们有了电子邮件、即时通信、短信、拍照手机,乃至于直播视频。

Facebook已经过时,蜂巢新网络崛起

图3——带宽与频率:带宽增加+更高通信频率+朝同步性转变促使人类蜂群思维的形成

随着信息网络从巨型数据中心分布到基站和云,分配给个体的带宽总量在持续上升。我们不再局限于许多节点接收一个信号的广播收音模式。今天,我们可以用更高的频率,通过文字、图片以及视频的形式收发更多的数据。我们彼此无时不刻地进行实时同步。

这使得网络收敛为蜂巢,从个体收敛为组织。

社交网络的工具化

社交网络的功能是连接人并壮大网络的规模。原先通过增加连接的实现手段现在已经聚焦到提供更好、更即时的体验上。

2012年的Facebook:

我们的使命是让世界更开放,更加紧密相连

2016年的Facebook:

我们的最高优先是开发有用并且互动性强的产品,帮助大家通过移动设备和个人电脑连接和分享。

2012年,Snapchat在自己网站上是这么介绍自己的:

Snapchat是在iPhone上分享某一刻的最快手段——最快比彩信快10倍!

今天,更名Snap的这家公司网站上是这样写的:

我们认为,重新发明相机代表了我们改善大家生活和沟通的最大机遇

Facebook 和 Snap 都围绕着如何帮助大家沟通和分享体验进行收敛,这是通过打造品牌家族来进行的。

Facebook已经过时,蜂巢新网络崛起

Facebook和Snap都在打造自己的品牌家族

从一开始 Snapchat 就围绕着摄像头和用户体验打造自己。尽管公司正在从1对1沟通转移到分享体验的更大平台,这一点也没有改变。

模仿Snapchat的阅后即焚消息,做Instagram Stories这样的产品,以及通过收购Oculus Rift进军虚拟现实,Facebook所有这些努力都说明了它正在从网络转向受到时刻(moments)驱动的蜂巢。

Facebook原先的体验是连接更紧密,但同时也是更孤独的体验。你在网上是一副面孔,在现实生活当中又是另一副面孔。原先的Facebook展示的是你想看到的自己的面孔。

而现在Facebook和Snap做的不是疏离大家,而是朝着这样一个版本的未来进发,即营造真实、共享的体验,真正把大家连接到一起。

Google、Uber、Tesla以及无人车

地图也许是网络最真实的写照。地图把物理位置连接到一起,为你展示了如何从一个点导航到另一点。无人车是在地图的基础上开发的,但实际上已经围绕着你在点之间的移动进行了工具化。

  • Google做无人车不难想象,因为有Google Maps和StreetView这个信息网络基础,这两个项目都是Google组织全球信息使命的一部分。

  • Tesla则依靠他们的汽车销售网络、服务中心以及超级充电站来开发无人电动车。通过每辆车上安装的传感器,自驾Tesla已经收集了1亿英里的无人驾驶数据以及7.8亿英里的有人驾驶数据。

  • 与此同时,Uber也在通过自己搭建的共享乘车市场进军无人车。Uber每天通过自己的app收集了1亿英里的驾驶数据。相比之下,美国人一辈子的行驶里程平均也只有1.5万英里。

为什么风格各异的这些公司都不约而同要做无人车?那是因为对于这些公司来说,这关乎平台和蜂巢,而不仅仅是路上没有司机。

Google 2016年报:

从一开始这家公司就一直在利用手头资源努力做更多重要且有意义的事情。

Uber博客,2016:

旧的Uber是黑与白,给人感觉多少有点遥远和冰冷。这与Uber的实际身份不符——我们是一个融入到城市和城市出行方式的交通网络。为了展示人性的一面,我们添加了彩色和模式。

至于搜索巨头Google,这关乎的是让信息有用。它正在利用自己包括道路、司机行为、物理实体等的海量数据集,并且不断地把数据提供给系统。与此同时,Uber已经从白手套黑车服务演变成交通蜂巢。通过物流和更干净、更便宜的接口,Uber利用算法引导大家行动得更有效率。下一步走向无人车是合理的选择。

通过让汽车以更加可预测的方式从A走到B,无人车将会减少道路上的车辆数,以及交通事故的致死数,甚至还能节省保险费。对于集体解决这些看似无解的问题来说,蜂巢是一个不错的尝试。

未来属于蜂群思维

一个网络的价值往往与更多的理念相关——也就是所谓的“网络效应”。联网的任何物越多,节点间可能的连接越多,网络产生的价值也就越大。

尽管如此,我们正在走向的世界却要由事半功倍(more with less)的理念定义。全球变暖和干旱意味着能用的资源更少。与此同时,美国和欧洲的人口增长正在开始停滞,相应地,伴随人口增长而来的经济发展的“免费午餐”也没了。

蜂巢是整体大于部分之和。通过蜂巢,司机与乘客组成的网络形成了一个整体的资源,使得其他服务可以在此基础上搭建起来。对于那些按照蜂巢模式运营的公司来说,它们已经不像过去几代公司那样看重绝对数量了。通过增加节点之间的交互,减少节点之间的摩擦,它们可以通过实时访问几乎无限的数据和人来加快发展。

随着发展蜂群会本能地开辟殖民地,所以我们才会看到有那么多的公司都围拢到类似的趋势。但是发展的先后次序很重要。下一个巨头要做的不仅仅是跟对趋势那么简单。它们还得选好时机——行动上必须跟它的复合成分保持同步。

所以最后出来的不是蜂巢那么简单,你还得有蜂群思维。


本文转自d1net(转载)

相关文章
|
2月前
|
存储 安全 网络安全
探索未来网络:量子互联网的崛起
【10月更文挑战第1天】本文旨在探讨量子互联网的基本概念、技术原理以及其对未来通信和网络安全的影响。通过对量子纠缠、量子密钥分发等核心技术的分析,揭示量子互联网如何实现超高安全性的通信,并讨论其在实际应用中的潜在挑战和发展前景。
42 3
|
2月前
|
安全 量子技术
探索未来网络:量子互联网的崛起
本文深入探讨了量子互联网的基本概念、技术原理及其对未来通信和信息安全的潜在影响。通过对量子纠缠、量子叠加以及量子不确定性等核心原理的解释,本文展示了量子互联网相较于传统互联网所具备的根本性优势,特别是在高安全性和高速度方面。
52 1
|
2月前
|
存储 安全 网络安全
探索未来网络:量子互联网的崛起
本文旨在探讨量子互联网这一新兴技术的概念、原理以及其对未来通信和网络安全的影响。通过介绍量子纠缠、量子叠加等核心概念,分析量子互联网相较于传统互联网的优势,如更高的安全性和传输效率。同时,讨论当前量子互联网的技术挑战及潜在解决方案,以期为相关领域的研究和实践提供参考。
46 1
|
3月前
|
机器学习/深度学习 人工智能 算法
探索未来网络:量子计算的崛起
本文将探讨量子计算这一前沿技术,从其基本原理、发展现状到潜在应用进行全面剖析。我们将了解什么是量子计算,它与传统计算的区别在哪里,以及它在当前科技领域的重要性。同时,我们还将讨论量子计算面临的挑战和未来可能的应用方向。通过这篇文章,读者可以对量子计算有一个清晰而全面的认识,并思考其在未来发展中的潜力和影响。
41 0
|
7月前
|
数据采集 存储 Scala
挖掘网络宝藏:利用Scala和Fetch库下载Facebook网页内容
本文介绍了如何使用Scala和Fetch库下载Facebook网页内容,同时通过爬虫代理服务(以亿牛云为例)绕过网络限制。代码示例展示了配置代理服务器、多线程爬取及内容存储的过程。注意实际应用时需替换代理服务器配置和目标URL,并考虑应对复杂的反爬虫机制。此方法兼顾匿名性和效率。
挖掘网络宝藏:利用Scala和Fetch库下载Facebook网页内容
|
7月前
|
安全 网络协议 Linux
HTTP/3:下一代网络传输协议的崛起
HTTP/3:下一代网络传输协议的崛起
87 1
|
机器学习/深度学习 人工智能 自然语言处理
深入了解大模型:探讨大型神经网络的崛起与应用
近年来,大型神经网络模型如GPT-3、BERT和T5已经引领了人工智能领域的发展潮流。这些庞大的模型参数、深层网络结构和大规模训练数据的结合,使它们成为了自然语言处理、计算机视觉和其他领域的重要工具。本文将深入探讨大型神经网络模型的崛起、技术细节和实际应用。
555 1
|
存储 人工智能 安全
[oeasy]python0089_大型机的衰落_Dec小型机崛起_PDP_VAX网络
[oeasy]python0089_大型机的衰落_Dec小型机崛起_PDP_VAX网络
86 0
[oeasy]python0089_大型机的衰落_Dec小型机崛起_PDP_VAX网络
|
存储 缓存 NoSQL
社交网络场景下大规模图存储实践——Facebook TAO
社交网络场景下大规模图存储实践——Facebook TAO
229 0
社交网络场景下大规模图存储实践——Facebook TAO
|
机器学习/深度学习 人工智能 语音技术
Facebook创造了两个会交流的神经网络来描述颜色,竟和人类语言惊人相似
你想过你是如何描述一个颜色的吗?最新研究表明人类使用离散符号来记录一个区域的颜色,在细化颜色过程中又增添其他信息。这背后有什么道理吗?Facebook用两个神经网络的实验现象告诉你。
124 0
Facebook创造了两个会交流的神经网络来描述颜色,竟和人类语言惊人相似