起源

「Deep Reading」源自于我在 2019 年年末的一个想法，当时我发现自己每周需要阅读的内容里，除了相对客观新闻（事实）、立场鲜明的评论（观点），还有大量精彩的故事，这其实也构成了典型用户内容消费的结构：

• 获取新闻；
• 了解观点；
• 享受故事；

但就像我在 2020 年发表的「Deep Reading」创刊语里所言，没有停歇的信息流、杂乱的时间线将上述三类内容以近乎平行的方式推送到用户眼前，在这场「注意力争夺战」里，夺人眼球的标题、耸人听闻的表达方式以及基于算法的「专属推荐」，都让用户不可避免地陷入到一个又一个「内容茧房」之中。

正是基于这样的考量，我开始思考将我变成「人肉过滤器」——构建一个关于观点（洞察）与故事的筛选机制，我在当时写道：

每周，我会从我所浏览、阅读的上千篇文章里筛选出七篇泛科技领域最值得深度阅读的文章，这些文章可能是颇具批判性的观点，也可能是文学性十足的故事，抑或是分析性的洞察，甚至是几个完全不同角度的观点碰撞……我希望用不分民族、文化、语言的文字，为读者提供一份深度阅读的清单，构建一个理解世界的新窗口。

过去三年时间，Deep Reading 已经出版了 129 期（包括正刊和精选）邮件通讯，从技术如何影响社会与个体的角度，发现、推荐了超过 1100 份值得深度阅读和思考的材料——既包括长文文本，也包括图书、播客音频以及视频影像，逐步形成了一个围绕「人机关系」宏大命题的阅读/视听清单。

也是这三年，整个地球遭遇一场前所未有的冲击，波及这个星球上几乎每个人甚至每一只动物，当人类社会被迫告别线下并拥抱在线，数字技术——从硬件到软件再到算法——成为支撑众多行业存活下来的关键；拜数字技术的「福祉」，过去三年我们一度成为移动的数字符号，在各类「码」之中苟延残喘，在各种告别的场景里泪眼蒙眬……

挑战

与过去三年一起告别的，还有人类与机器之间的「边界」。2022 年末，「横空出世」的 ChatGPT 成功拓展了机器智能的边界，在某些领域彻底改变了人类与机器的分工：我们看到了几乎完美的机器翻译，不仅能够意译，还能应对各类小语种；我们也看到了强大的文本理解能力，几百上千页的报告能够几分钟甚至几秒钟内「阅读理解」完毕，并可回答各类问题；我们依稀也领教到了机器的「创造力」，几句「魔法咒语」与若干背景材料的组合，你可能会得到一篇瞠目结舌的文章或是一副从未想象过的画面。

这也让我一度想到一个问题：当机器智能的应用场景越来越多，读者可以非常轻松地利用诸如 ChatGPT 之类的大模型快速消费内容，这份基于「人肉过滤器」的邮件通讯是否还有价值？

毕竟，大模型的快速普及直接提升了读者内容消费的效率，比如我们现在可以通过各类由大模型加持的翻译工具，一键翻译几乎任何一个语种的文章；再比如，我们能够将长文「喂给」各类模型，让其几秒钟「吐出来」摘要、洞察与关键词，甚至你都可以将一本图书交给大模型「阅读」。

机遇

我既是内容创作者，也是重度的内容消费者，大模型技术的进步极大改变了我的消费和创作流程，随着使用这一类技术的次数和频率越来越多，我一方面感叹技术进步速度之快，另一方面也意识到一点，至少在我的「地盘」，大模型还远未「侵入」核心区域。

比如「品味」。所谓「品味」是一个极为私人化的定义，却也恰恰是人类最有趣的地方。如何定义「美」的东西，如何发现哪些是「美」的东西，如何把这些「美」的东西整理出来，这是人类的强项，也是我一直努力探索的方向，这条路当然没有终点，我一直在路上。

再比如「联系」。我们当然知道大模型拥有极为庞大的语言结构，能够分析、输出大量潜在的联系，但当下大模型的这种「联系能力」，更多是一种升级版的「统计能力」，这和人类对于不同话题的联系能力完全不同，而话题的联系与融合，一直以来也是 Deep Reading 这份邮件通讯的特点之一。

更进一步，当作为内容生产者的我，通过大模型的各类能力提升内容生产效率的时候，也会进一步放大「品味」或「联系」在这份邮件通讯中的价值，这是一种简易版本的「飞轮效应」，但也巩固了人类在某些内容生产领域的竞争力。

工具

坦率来说，「工具推荐」并不是这份邮件通讯关注的焦点，但回归到内容消费者的视角，我还是希望能够分享一些我在内容消费过程中的心得与工具，或许也可以为各位朋友提升自己的内容消费效率助一份力：

• 使用 VPN，VPN 并不仅仅是为了翻过中国大陆的防火墙，还能够在网络安全、摆脱内容地区限制方面发挥作用，推荐两个值得尝试的 VPN 工具 AdGuard VPN 和 Privatevpn；
• 翻越传统媒体某些「软付费墙」，所谓「软付费墙」是传统媒体为吸引读者故意留下的「漏洞」，由此也形成了一系列的破解机制，比如这个浏览器插件或者在网站时光机里寻找网页备份，都是临时查看一篇文章的方法，但如果能力允许，我还是建议各位付费支持优秀的媒体；
• 利用大模型重建「巴别塔」，ChatGPT 等大模型拥有强大的多语言翻译能力，一定程度上也在重建「巴别塔」，你可以将需要翻译的内容交给 ChatGPT 或 Claude 或国内的大模型，也可以结合 API 和部分工具，实现网页的实时翻译，比如这款插件；
• 通过大模型打造「个人阅读助理」：把一篇 3000 汉字的文章复制给 ChatGPT 或 Claude、把一本 10 万汉字的图书交给 Claude 100K，然后让这些模型输出各类你想知道的答案；

尾巴

现在回去看「Deep Reading」的发展过程，多少有点恍惚，或是因为过去三年的很多事情过于荒诞和魔幻，或是出自「人间三年、AI 十年」的感叹，以至于记忆变得模糊，但在经历了这么多深刻影响身心状况的事情后，我清晰地知道接下来的方向，那就是接着上路，继续跑下去。

最后送上杰克·凯鲁亚克的一段话（中文由 GPT-4 翻译）：

What is that feeling when you’re driving away from people and they recede on the plain till you see their specks dispersing? - it’s the too-huge world vaulting us, and it’s good-bye. But we lean forward to the next crazy venture beneath the skies.(当你驾车离开，看着人们在平原上逐渐变小，直至成为散开的微粒，那种感觉是什么呢？那是浩渺的世界在我们上方拱卫，是我们的告别。然而，我们仍然向着天空下的下一个疯狂之旅倾身前进。)