找點書看，也不用那麼難（峰哥做個 community)

/ 峰哥/

影響我人生的 10 本書，有半數都是在大一那年暑假，偶遇的一個人向我推薦的。這些書，以及那年暑假我們的對話，刻骨的塑造了我的三觀。我有時候想，如果沒有這個暑假實習中的偶遇，我的人生會是怎樣。

當時他推薦了幾本書，真是 blew my mind (其中就有 GEB）。於是我問他，怎麼能夠找到更多這樣的書？他說，好書是扎堆的（就像聰明的人一樣）。如果看到一本有意思的書，你就翻到它後面的 references 或者 bibliography, 那裡會有很多可以繼續閱讀的材料。其中覺得好的內容，你再去看他們的 bibliography. 這樣重複幾次，你很快就通讀這個領域最好的內容了。

他繼續說：閱讀論文也是一樣。比如你對人工智慧的研究感興趣［1］，作為 start，你可以去問問教授，師兄師姐，找到這個領域經典的，或者時下最火的 10篇論文。然後根據他們的 bibliographies 再找到 100 篇他們引用的論文。重複幾次，你就通讀這個領域值得讀的論文了。

他繼續說：你可以考慮一下能否通過技術方法來推薦書。比如，通過別人看書的選擇，找到品味類似的人，通過他們的書單來推薦。更困難的，可以通過自然語言分析，通過一本書用詞的統計分析上的一些特徵來推薦。等等。把這個做出來，或許這是你給這個世界的禮物（it might be your gift to the world)［2］.

以上這段話是在上世紀90年代末發生的。當時 blew my mind. 大家現在可能在某東、某寶、某馬遜上看到 「猜你喜歡」 之類的功能，就是指此。

最近我給一個朋友推薦美劇。我知道她喜歡《兄弟連》（band of brothers），所以推薦了 Generation Kill; 我知道她喜歡《格雷醫生》，所以推薦了 The Good Doctor. 結果這兩個推薦都非常失敗，她全然不喜。我感慨自己演算法之餘，也在想，我們如何找到喜歡的內容？

很遺憾的是，這個我在十幾年前那個暑假問過的問題，現在仍然沒有什麼好的方法。imdb、亞馬遜的推薦演算法跟我的差不多：知道你看過 兄弟連、太平洋戰爭，就會推薦 Generation Kill. 但我那位朋友喜歡兄弟連，並不是因為它是有關戰爭的 miniseries; 喜歡《格雷醫生》也不是因為是醫療主題的連續劇。

總之，發現自己喜歡的內容並不是那麼容易的事情。或許有一天，更牛的 AI 出現（my gift to the world?) 一勞永逸的解決這個問題。但目前看來，最好的方法還是找到品味興趣類似的人，互相推薦。

比如我上網去的最多的地方是 hacker news。這是一個並不大的在線社區，但裡面的人多是帶著技術范，關心創業，新技術－－換言之，跟我差不多的人。所以裡面分享的內容，很多是我感興趣的。不過隨著這個社區越來越 popular, 人越來越多，它的風格、內容，我也不像以前那麼喜歡了。

跟內容相關的創作、社區都不可避免這個問題：隨著人數增多，就越來越需要 appeal to 多數人的共同興趣。最後變成好萊塢的大片，需要 appeal to 全世界觀眾的時候，就只能夠拍超級英雄了。

我做這個微信號，也是慢慢希望做成一個社區。人數不需要多，但是大家能相互啟發，推薦有趣的東西。

最有趣的社區，到並不是大家興趣愛好高度類似。理想狀態是相互能夠順暢溝通，但是有足夠多差異，導致對話有趣而有啟發。如果要定一個標準的話，那就是對自己自己的興趣，或者專業，有一定的 insights, 並且願意表達。我見過的從理工到人文的人，只要有 insights ＋願意表達，一般都會落成有趣的交流，並不為 Snow 的什麼 two cultures 所羈絆。

［1］這位我在實習中偶遇的人，以前就在美國某名校學習 AI，師從當時人工智慧領域泰斗級的人物。

［2］當時這段對話，最 blew my mind 可能還是那句 "it could be your gift to the world".

======

峰哥微信公號：fenggegonghao

推薦閱讀：