原文標題：AI and Big Data Are Changing Our Attention Spans
作者：Vedant Misra
翻譯：鄭于飛
校對：洪舒越
本文長度為3700字，建議閱讀10分鐘
長久以來，顧客群體的注意力都是商家的爭奪對象。2017年7月被HubSpot收購的AI初創企業Kemvi的創始人兼CEO Vedant Misra對於當下隨著科技發展人類的注意力產生的變化，以及由此引申出的內容產出的變化有著精妙的觀察。
什麼引起了你的注意？
回答了這個問題的公司每年會吸引數千億美元。只要有東西可以買，就會因人類的注意而有了市場。
很久以前，在對人類關注的利用中，一個街邊小販的叫賣僅僅和村莊集市的喧囂差不多。
過了很久之後，第一本一美分售價的The Sun 席捲紐約的街道，它的編輯者意識到把讀者的注意力出售給廣告商會比直接賣報紙更有價值。
現在，這個概念被推向極致。在百萬數量級的服務器上運行著的成千上萬個算法正在競拍你的每一個按鍵和輸入，預測你將要打開的郵件、輸入的檢索、甚至是你眼睛會怎麼掃視網頁。
Google 和 Facebook 近乎專門依賴於直接轉售人們的關注。基於分析什麼可以吸引你的眼球，機器開始幫助優化郵件內容和文章標題。劇本很簡單：用便宜或者免費的東西吸引人們注意——便宜的報紙、Google 搜索，有趣的閱讀內容——並轉售這些關注給最高的競價人。
我們會何去何從？面對這樣的轉變，我們可以預計什麼？回答這些問題不容易。為了能夠更深入瞭解，理解注意力如何運作是很重要的。
注意力是如何運作的
你的注意力就像是投射在舞臺的聚光燈。你是聚光燈操作人。你可以把燈打到舞臺上的特定事物，但是你不能控制舞臺上實際發生了什麼。
這個舞臺就是你的意識，它包含了此刻你能接收到的所有信息，包括你屏幕上的字、你椅背上的壓力、你環境裡背景噪音和你腦海中從未停止閃現的任意想法。
當你讀到這裡，你是有意識地把你的聚光燈投射到你正在讀的文字上。這個過程將持續一會兒，但不可避免的是聚光燈沒有得到你的允許就會轉移，它會因為身後一個突兀的噪聲，或是某人走進你的視野，亦或是中午想吃什麼的遊離想法而被吸引過去。
這是注意力的本質。它在掃視，持續掃描有趣的東西。
其實這在祖先生存環境下是個非常寶貴的優勢。很少情況需要我們一次性集中在一件實物上很久，但在灌木叢中不錯過潛藏的獵者是非常有必要的。
結果，如果你非常努力只關注一件事，很快就會發現你已關注到其他地方。實際上，你的大腦會自己決定更換關注內容，不太需要有意識的輸入，也更少得需要你的准許。
當你在讀這篇文章的時候，你可能已經好幾次捲入不同的想法中。每次你的注意力關注到一些有趣的東西，腦子都在期待一絲良好的神經遞質。新穎的東西正合此意。
這就是為什麼長久吸引人們的注意是很難的。一般來說，人們自己也不理解什麼吸引了他們和為什麼他們被吸引了。
大多數注意力的轉移是無意識的，所以人們不可能表達清楚為什麼他們的注意力行徑如此。他們只會在轉移發生後才注意到這個過程。
登入頁面上某些顏色的行動按鈕比其他按鈕效果好不是因為任何人有意識的決定，而是因為數十億大腦無意識的偏好。
當然，有些事物對我們所有人都很有效果：明亮的顏色、閃動的物體和誘惑的衣著暴露的人們都會被普遍用來產生良好效果。對新手父母而言，沒有什麼比一臺 iPad更能夠讓哭鬧的幼兒收斂脾氣了，因為看彩色的動圖感覺更好。
但是除了這些明顯的事情，你關注的目標很大程度上由幾十年來與外界互動並期待從不同刺激源獲得獎勵從而成型的神經機制所決定。
你的大腦正不斷在移動關注的聚光燈，尋找潛在的快樂和痛苦來源。
人工智能時代下的注意力
我們發現最好的方法理解什麼捕獲人們的注意莫過於是根據經驗。我們儘可能多地記錄他們意識中的東西——發生在舞臺上的事。然後我們試著記錄聚光燈投射到了哪裡——通過記錄點擊過的鏈接或打開過的郵件。接著我們尋找規律。
其中每個組成部分都會在幾年後得到極大得進化。那些我們花時間關注的環境會持續幫助數據的積累。與語言、聲音和視頻相關的算法正在變得越來越複雜。硬件和雲服務的改善加速了人工智能的研究和發現。以下是幾個例子：
1. 我們將擁有在注意力和意識方面更多的數據。在學術界和商業界，肉眼跟蹤的方法長時間使用於心理學、市場學和消費者研究。這方法對研究嬰兒認知發展極有幫助，甚至可以用於A/B 測試知曉他們的喜好。
商店已經開始使用實時面部呈像 API 接口來追蹤廣告瀏覽者的年紀、性別、心情和興趣點（https://twitter.com/GambleLee/status/862307447276544000）。Google 的 Soli 項目是一個微型固態雷達，用來探測手的移動和其他靠近你手機的物體（https://atap.google.com/soli/）。我們也正在適應像Amazon Echo系列裡一直處於監聽的麥克風的人工智能助手進入各自家中。
還有多久我們就能看見 Amazon 宣佈 “Prime Plus”, 要求偶爾激活你的前置攝像機、Echo 麥克風和移動跟蹤儀來交換30分鐘免費的無人機送貨？
2. 對於注意力的競爭將會擴大。注意力的爭奪是非贏即輸的，因為每一次你的競爭者獲得的點擊都是你失去的。這加速了競爭。這也是為什麼你的收件箱是競爭獲取關注的必爭之地的原因。每個 Google 搜索的結果頁也是一樣。任何你花時間關注的地方都會說明這些越來越正確的道理。
3. 屏幕將會成為人類關注的主要渠道。屏幕無處不在。在僅僅十年之內，我們光滑的、超自然的手持長方形會變得無處不在，並且實質上地改變我們人類和世界交互的方式。
雖然科技常常以不可預知的方式發展，但是屏幕非常可能存留好一段時間。這是因為在人類所擁有的五官感覺之中——五種把信息彙集到意識的方式——視覺（接收到的信息）對大腦有著最高的吞吐量。我們離更快的處理方式仍差著多個重大突破呢。
4. 人們會花大量時間在虛擬世界中。1000億美元電子遊戲產業會繼續蓬勃發展。遊戲將會隨著虛擬和增強現實成為主流而變得更為身臨其境。
人們將常規性地花費時間在深入而迷人的虛擬環境，裡面有無限的內容去探索而且有數以億計的其他真實和虛擬的人們去交流。這將會改變人們如何度過休閒時光，如何學習和如何與其他人交流。
人工智能時代下的內容
把“內容”當做所有吸引人類注意同時可以以數據表達的東西，包括了任何人類製作的在線內容，從博客文章、舞蹈音樂到短故事、電子遊戲實況轉播、娛樂性的社交媒體貼文等等。
就如同AI將會影響注意力，它也會影響能夠獲取注意力的創作內容。能夠製作的高質量內容越多，你能獲得的關注也越多，以此持續滿足對定製化和新穎度的無限渴望。
1. 文字、圖片、聲音、視頻的生成算法會極大得改進。機器視覺、自動語音識別和自然語言處理在過去五年裡獲得巨大進步。算法已經可以從零開始生成極其可信的內容。
新一代的照片和視頻編輯工具將會讓重寫任何現實情況記錄變得容易，它們用能夠識別它們在“看”什麼的算法替換像素。
Adobe 宣佈正在製作“Photoshop for audio”，可以輕鬆將任何人說了些什麼的聲音生成聲音切片。
現在，你可以要求神經網絡任意幻想很多房間、貓或帆船的照片，其中大部分都可以矇騙人們。或者你可以用神經網絡通過閱讀公司的網站，創建語言片段插入到一封郵件中去。
最終，你可能可以要求一個機器去創作一部優秀的小說。例如你可以定義（這部小說）主題更接近《哈利波特》但是有《權利的遊戲》的色彩，並且這次會讓壞人贏。
（離這個目標）我們還有很長的路要走，過去是在語義學和語段方面有多個突破，但是現在的技術已經可以很好地歸納總結，到了可以表達一段連貫有效的文字的程度了。
2. 機器可以幫助我們創建內容。我們將會看見產品中協同代理的激增，他們能夠在工作流程中協助我們。機器對可以包含在你編輯的內容或者內容的子目錄下的素材提意見。執行控制將會留給創建人，但是創意生成和製作過程將會更加自動化。聯想一下擁有更為強大的大腦的微軟辦公軟件助手。
3. 為了從越來越多的垃圾信息中開出一條路，人類將持續創新。證明內容是由人類所創造的會變得困難很多。你沒有辦法想象一篇文章是由機器寫出來的，但是終究有一天這不會顯得那麼荒謬。
機器是如此的便宜以至於當機器更多地從事內容生產，我們的（信息）消費空間將會被淹沒。早接受這些技術的人將會得益，但是較晚接受的人會發現，他們如果要引人注目的話，就不得不去生產機器力所不能及的內容去吸引人們的興趣。
4. 機器會幫助我們分配我們的注意力。工作將會變得越來越兼容。你將會花費大部分時間挑選眾多事物和更少時間收集、準備事物。機器將會找到相關的文檔和郵件，在後臺執行谷歌搜索並進行其他可以被定義為半結構式任務組的功能。當海量內容在屏幕中顯現時，工具將會抑制洪流。
更廣泛的含義
注意力在全球交易生態系統中是一種必要的貨幣。
理解注意力對於任何從事銷售和市場的人來說都是至關重要的。儘管在任何給定的交易中，對注意力的爭奪都是非贏即輸的，但是很重要的是要認識到這個量正在激增。
從十九世紀六十年代開始，每週休息時間已增長七個小時（http://www.heritage.org/jobs-and-labor/report/upwards-leisure-mobility-americans-work-less-and-have-more-leisuretime-ever）。而且當我們轉向使用自動駕駛車輛後，我們將解鎖更多自由時間。美國國民經濟調查局的經濟學家們也發表了一篇文章（http://www.nber.org/papers/w23552）表明高質量電子遊戲造成更多的年輕人失業了（https://www.economist.com/blogs/economist-explains/2017/03/economist-explains-24）。
Uber，Upwork和 Crowdflower 支持不同價位的兼職與按需定製的工作的全球市場的出現。 Y Combinator 和 Elon Musk 都在呼籲一種統一的基礎收入計劃（https://www.marketplace.org/2017/04/18/economy/robot-proof-jobs/basic-income-y-combinator-oakland-krisiloff）。
為了連接這些點，不難想象富裕的公司和政府在未來會支持基本最低工資，並且作為回報，人們花時間和注意力來產生訓練數據和驗證模型。一般來說是一些簡單的任務，很容易在手機上完成，而且會包括機器沒法獲得的技能或數據。
有關人類注意力的數據展現了鎖在腦海中無意識的信息。這個信息是有價值且重要的，因為合計起來，它是人類所需任何事物的密碼集——不單單是我們的購買偏好和物質享受，更是我們這個物種倫理和道德觀的標本。我們希望機器可以理解我們，而監控人類的注意力也許是一個收集必要信息的好方法。
隨著遮掩我們在控制注意力方面是多麼地無力，而這對每個人又是多麼地重要的幕布被拉開，可能我們都會發現我們自己對於如何分配自身的注意力變得更為謹慎一些了。
原文鏈接：
https://thinkgrowth.org/ai-and-big-data-are-changing-our-attention-spans-959923adad7f