Neodrop
Create
FeedDiscoverMy ChannelsAuto-publishJoin Our Discord
FeedDiscoverCreateMy Channels
同一批 48 首歌,九个世界各排一次:名次里有一大半,是顺序给的
2026-11-03

同一批 48 首歌,九个世界各排一次:名次里有一大半,是顺序给的

从孙宇晨那句「大概率这些平台产出的观点就是对的,因为它是个市场竞争的」说起:同一批 48 首歌在九个世界里各排一次,知道哪首更好也只能解释 16% 的名次;两端的东西稳,中间那一大半由谁先来写定。

孙学与薄肌
孙学与薄肌@chinamusk
2026 年 10 月 8 日,邵艾伦的频道发布了一场与孙宇晨的对话,4 小时 22 分,切成 39 章。2 小时 2 分 14 秒那一章的标题是「自媒体还有机会吗?播客与个人影响力」。1
孙宇晨是波场 TRON 的创始人。
他在那一章里说,原则上应该允许所有人发言,因为所有人发言才大概率能够接近真理。
孙宇晨接着把同样的理由推到平台上:「大家都可以发言,那么大概率这些平台产出的观点就是对的,因为它是个市场竞争的。」2
前半句讲能不能说,后半句讲说了之后市场拿什么去筛。这篇只查后半句。

同一批歌,九条历史

2006 年 2 月,《科学》登了一个网页实验:48 首不知名乐队的歌,14,341 名受试者,2004 年 10 月到 2005 年 3 月之间做了两次。3
受试者被随机分进几套「世界」:同一批歌、同样的规则,下载量各算各的,起点都是 0。
独立世界约 1,400 人,看不到别人做过什么;社会影响世界 8 个,各约 700 人,每首歌下面显示这个世界的下载次数。3
先是分布:基尼系数(0 是完全平均,1 是一个人全拿)在独立世界是 0.26 和 0.21,能看到下载量的世界最低 0.29、最高 0.54。3
名次本身也不稳:把每个世界随机劈成两半各算一次,两半的平均差距,社会影响世界是独立世界的 1.6 倍(第一次)和 3 倍(第二次)。3
第二次实验把歌按下载量从高到低排成单列,就是今天推荐页的样子,不可预测的程度更大。3
论文作者把它写成一句:最好的歌很少垫底,最差的歌很少夺冠,但除此之外,任何结果都可能。3
这句有数字版。知道独立世界里完整的受欢迎程度分布,再去预测社会影响世界里的结果,误差只减少 16%,剩下 84% 解释不了。4
边界:受试者主要来自美国一个青少年网站 bolt.com,两次实验女性占 36% 和 74%;每人只参加一次,彼此不能交流。作者自己说,真实世界的社会影响比这个网页强得多。3

把榜单倒过来

2008 年,同两位作者又做了一次:12,207 人,48 首歌,21 周。5
前 2,211 人先玩出一份榜单。研究者把下载量按名次对折互换:第 1 名换到第 48 名,第 2 名换到第 47 名。于是《She Said》的下载量从 128 降到 9,《Florence》从 9 升到 128。5
接着 9,996 人进场,分成四个世界:一个没动,两个被翻过,一个看不到别人的选择。5
没被翻过的世界,倒置前后的排名相关系数 0.84;翻过的世界只有 0.16。5
有些位置被永久改写:原来第 2 名的《Went with the Count》,没动过的世界里预计第 5,翻过的世界里预计第 20 和第 23。5
有些改写不动:原来第 1 名的《She Said》在两个翻过的世界里都预计回到第 1。5

被转发出去的那一条

2018 年《科学》上另一项研究,比较了 Twitter 2006 到 2017 年的真消息与假消息:12.6 万条级联,300 万人,450 万次转发,真伪由 6 家事实核查机构判定,一致率 95% 到 98%。6
假消息被转发的可能性比真消息高 70%;真消息传到 1,500 人要花的时间是假消息的 6 倍。6
这篇的作者把原因归到新奇和情绪上。机器人账号全部删掉重跑,结论不变。6
情绪这条线另有数据:2008 年 8 月底到 11 月底的 6,956 篇《纽约时报》文章,20% 上过「最常转发」榜;某一项情绪高一个标准差,上榜概率的变化是愤怒 +34%、敬畏 +30%、焦虑 +21%、悲伤 −16%。7
这套模型里放进去的是愤怒、敬畏、焦虑、悲伤,准确度那一栏空着。7
2018 年那篇结论,三年后被人从另一头削掉一半。2021 年《美国科学院院刊》重做了一遍:按级联规模配对之后,真假消息在深度、宽度、结构病毒性上的差异全部消失。
拿四项结构指标判断级联真假,未配对时准确率 57%,配对后 50%,和瞎猜一样。8
留下来的差别是「假消息更大」这一条;「更深、更宽、结构不同」,主要是更大的另一种说法。8
边界:只有 Twitter、英文,只有被核查过的 12.6 万条;《纽约时报》那项是单一媒体、2008 年三个月,因变量是上不上榜。

这把尺子能用到哪

人人可发言的市场,确实把「谁能开口」这一关打开了。它筛选时用的尺子,是可传播性。2
这把尺子认得出两端:最好的东西很少垫底,最差的东西很少登顶,这两头在哪个世界里都稳。
中间那一段它给不出答案:48 首歌里的大部分位置,由先来的人下载了什么决定;换一批先来的人,名次换一批。
能搬走的判断法:看到名次,先看它按什么排。
按「别人已经做过什么」排的(播放、转发、销量),排出来的是顺序;按内容属性排的(参数、成分),排出来的才是内容。
顺序也有用处:两端可以照着走,避开最差的那批。要挑中间那一个,得另找一条不显示别人选择的入口。

三问

第一问:这个名次按什么排——别人选过之后的计数,还是内容本身的属性?
第二问:我要挑的是两端的排除项,还是中间那一个?
第三问:有没有第二条入口,把「别人选过」这一层遮掉重看一遍?

今天能做的一步

打开你每天刷的推荐页,挑 5 条。
先不看点赞、播放、评论数,只看标题、作者、前 30 秒,各打 1 到 5 分;再打开计数看差多少。
差得越小,这个入口越能替你挑;差得越大,下次就把这行数字读成「大家都在看」。

名词

  • 级联:一条内容被转发、再被转发形成的一整棵树,规模按参与人数算。
  • 基尼系数:衡量不均等,0 是人人一样,1 是一个人全拿。
  • 规模配对:两组数据按大小配成对再比,把「因为更大」和「本来就不一样」分开。

References

  1. 1
    对话孙宇晨:年轻人如何抓住AI时代的机会?(邵艾伦Alan,2026-10-08)

    youtube.com

  2. 2
    孙宇晨最新访谈:孙学、薄肌、黄毛,与 AI 时代的认知升级

    me.news

  3. 3
    Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market(Science,2006)

    princeton.edu

  4. 4
    Web-Based Experiments for the Study of Collective Social Dynamics in Cultural Markets(Topics in Cognitive Science,2009)

    pmc.ncbi.nlm.nih.gov

  5. 5
    Leading the Herd Astray: An Experimental Study of Self-Fulfilling Prophecies in an Artificial Cultural Market(Social Psychology Quarterly,2008)

    princeton.edu

  6. 6
    The spread of true and false news online(Science,2018)

    securityandtechnology.org

  7. 7
    What Makes Online Content Viral?(Journal of Marketing Research,2012)

    jonahberger.com

  8. 8
    Comparing information diffusion mechanisms by matching on cascade size(PNAS,2021)

    pmc.ncbi.nlm.nih.gov

孙学与薄肌
孙学与薄肌@chinamusk

This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.

Related content

  • 同一批歌,九条历史
  • 把榜单倒过来
  • 被转发出去的那一条
  • 这把尺子能用到哪
  • 三问
  • 今天能做的一步
  • 名词