微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 话唠统治世界

话唠统治世界

2020-11-09 14:47
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2020-11-09 14:47 高飞 奇客故事(ID:cybergushi)

13年前,发明了葛优躺的葛大爷为中国移动的神州行品牌,拍了一只当时很出名的广告。

广告的其中一段词是这样说的:

“就说这手机卡,有一说一啊,我不挑号,号好不好是虚的,我挑卡!神州行,是吧,用的人多!这就跟进饭馆儿一样,一条街上,哪家人多我进哪家!神州行,听说将近两亿人用,我……相信群众!神州行,我看行!”

群众听了葛优的话说,在广告里回应:对,信葛优,不信忽悠。

十几年后,葛优的预言成真了,群众的意见,真的成了影响一个饭馆生意好坏的决定因素。

但我们不用去街边看群众意见了,拿出手机就可以。

时代在变化,相比葛大爷还在拍电视剧的当年,当产品、服务供给已经过剩,线下看顾客流量的时间成本实在太高,我们不用去街边看哪家店人群众更喜欢,在网上就可以轻松看出哪家店的群众留言更多,好评更多,这些店就是“群众的选择”。

无论是出差还是旅行,甚至在屋里点一份外卖,这些留言、评论组成的星级,果然成了我们选择饭馆的标准,葛大爷说对了。

我们的行为当然是非常合理的,我们总不能选择口碑差的饭馆吧。

但是,我们的行为无形中赋予了一种人极大的权力,他们就是——话唠。

说「话唠」之前,我们先讲与话唠对应的另外一部分人群,他们则是——「沉默的大多数」。

话唠统治世界

沉默的大多数,代表多数的你我,大家可以看自己周围的例子,有多少人愿意在社交平台上,去写一大段评论,点击评级,去评价一个饭馆,其实很少。

我们就是这些沉默的绝大多数,在数字世界,我们只是“网络评价”的阅读者,而不是评价者。

而话唠,就是不沉默的少数人,他们和我们不同,他们愿意当评价者。

这些少数人,决定了一个个饭馆的口碑高低。

而话唠决定的不止是饭馆的评价,某种程度,他们还在统治世界。

沉默的大多数沉默的原因有很多,一种情况是懒于参与公众意见,另外一种则是因为他们小心谨慎。

谨慎的原因也有很多,他们觉得自己可能会犯错,只能代表个人看法,或者担心引来专业人士的嘲笑。

而话唠不是这样的,话唠对于网络发声很勤劳,他们相信自己的正确性,如果话唠觉得别人和自己说的不一样,原因通常只有一个,那就是对方太蠢。

沉默的人保持沉默,话唠持续发声。

久而久之,在网络世界中,看似能代表所有人的评价体系,并非所有人,他们只是话唠。

话唠的声音,即使是错误的,也会盖过正确的,因为即使是正确的声音,如果沉默不语,还有什么用呢?

在这个世界,讲错不怕,但怕不讲。

美誉度不重要,声量度才重要。

因为声量大,长期看,相信的人总会越来越多。

所以,电梯里的分钟广告越来越喜欢重复的念商标,它们也是话唠。

于是,话唠的权力越来越大,沉默者的权力越来越小。

在大洋彼岸就有好例子:

当总统,或者想当总统,发推文最重要;沉默的族群,从来都被所忽视,因为反正他们“只爱看公号不爱去投票”。

广告里,葛优说,相信群众。群众说,信葛优,不信忽悠。

群众可能错了,因为在这个时代,信群众,就是信话唠,就可能是在信忽悠。

一千个人眼里,有一千个哈姆雷特?

不不不,只要有一千个人都说哈士奇是哈姆雷特,那哈士奇就是哈姆雷特。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-