經過 無數 的 迷失 和 掙扎 。 在 很多 情況 下 ， 最好 還是 聽聽 旅程 的 簡報 就 好 ， 而 不用 親身 體驗 。 盲目 追隨 別人 的 腳步 還 有 另 一 個 缺點 ： 它們 也許 是 錯誤 的 路線 ， 故意 誤導 我們 。 當初 在 設立 網路 和 全球 資訊網 （ www ） 時 ， 這 方面 的 工作者 假定 未來 的 使用 者 都 是 希望 指引 、 幫助 他人 的 人 。 現在 ， 我們 知道 網路 上 有 更多 不同 的 人 ： 很多 人 上網 只是 為了 好玩 ， 很多 人 只是 為了 製造 麻煩 。 很多 人 想 強迫 別人 接受 自己 狹窄 的 世界觀 ， 他們 要 擴散 自己 的 信仰 ， 根除 他人 的 信仰 。 學者 透過 著作 裡 的 引文 及 參考 書目 留下 他們 進行 研究 的 痕跡 。 這 本 書 後面 的 參考 書目 就 是 一 個 例子 ： 從 其他 學者 得到 的 想法 ， 也 應 註明 來處 。 法律 專業 是 這 方面 的 先驅 者 ， 在 1800年代 後期 ， 就 注重 引經據典 、 列出 各 個 法律 觀點 的 參考 來源 。 律師 早 就 了解 保留 這些 推論 過程 的 重要性 ， 特別 是 因為 很多 法律 都 是 根據 先前 判例 ， 所以 ， 每 個 案件 引用 其他 哪 一 個 案件 都 需要 清楚 註明 。 1950年代 ， 加費爾 （ Eugene Garfield ） 認為 對 科學 論文 做 逆向 分析 ， 看 一 篇 文章 出版 後 被 多少 研究 引用 ， 會 是 很 有 價值 的 資料 。 這 就 是 我們 目前 使用 的 著作 引用 分析 ， 這 種 引用 分析 ， 一 開始 以 人工 計算 ， 現在 都 電腦 自動化 了 。 這 種 著作 引用 系統 不僅 有助於 研究 者 了 解 一 個 學術 概念 的 重要性 ， 同時 ， 也 被 廣泛 用來 當成 研究 者 重要性 的 評量 工具 。 當 學校 考慮 一 位 教師 的 聘請 、 留任 或 升等 時 ， 院長 可能 問 的 問題 是 ： 「 過去 一 年 中 有 多少 人 引用 你 的 研究 ？ 」 無論 是 在 實體 世界 或是 電子 世界 留下 活動 的 痕跡 ， 都 是 有 價值 的 社會 指意 ， 可以 幫助 改善 我們 的 生活 。 社交 網路 是 人 與 人 互相 連結 的 重要 方式 ， 包括 基於 友誼 、 共同 的 興趣 ， 或是 學校 、 工作 與 遊戲 社群 形成 的 網路 。 這些 連繫 提供 人 與 人 之間 利害與共 的 領悟 ，晤 舊 知 新 的 機會 ， 獲得 教誨 和 忠告 。 同時 ， 也 提供 小偷 、 執法 機構 、 廣告商 、 推銷員 還 有 舊雨 新知 有關 你 的 消息 ， 不管 你 贊成 或 反對 。 在 資訊 時代 ， 這些 社會 指 意 成 了 一 項 重要 工具 的 基礎 ： 推薦 系統 （ recommen der systems ） 。 推薦 系統 我們 為什麼 會 特別 注意 排行榜 上 的 暢銷書 ？ 或是 ， 當 我們 到 一 家 電子 產品 賣場 ， 看起來 類似 的 產品 一字 排開 ， 為什麼 我們 總是 找來 店員 幫忙 ， 要 他 告訴 我們 什麼 是 店 裡 最 暢銷 的 產品 ？ 這些 例子 就 是 原始 的 推薦 系統 ： 根據 產品 受 歡迎 程度 加以 推薦 。 這 就 很 像 你 要 從不 熟悉 的 眾多 飯店 中 選擇 一 家 時 ， 會 避開 其中 空無 顧客 的 飯店 。 以 聲望 做為 探索 起點 是 有 道理 的 ： 人人 喜歡 的 東西 ， 應該 不錯 吧 ！ 專家 在 報紙 或 雜誌 上 發表 他們 對 書籍 、 電子 用品 、 飯店 等 的 看法 與 這 類 的 推薦 系統 又 不 一樣 。 我們 必須 自己 決定 要不要 同意 這些 專家 的 看法 ， 他們 似乎 經常 是 為了 跟 他們 一樣 專業 的 人 寫 的 ， 而 不 是 為了 一般 讀者 、 使用 者 跟 飯店 住客 。 暢銷書 排行榜 是 根據 銷售 數字 而 決定 ， 這 有 好處 也 有 缺點 。 每 個 人 都 不 一樣 ， 沒有 一 個 人 是 所謂 的 平均人 。 推薦 是 來自 與 我們 興趣 、 能力 、 偏見 差不多 的 人 ， 會 比較 好 嗎 ？ 這 就 是 現在 的 推薦 系統 。 因為 人 的 行為 ， 包括 ： 電腦 、 電話 、 信用卡 等等 的 使用 可以 用 電子 系統 蒐集到 ， 所以 可以 根據 人 的 特徵 （ 比如 進行 的 活動 、 年齡 、 居住處 、 工作處 和 過去 購買 的 有關 物品 ） 加以 分類 。 在 虛擬 的 電子 世界 裡 ， 每 一 個 活動 都 會 留下 痕跡 。 從 搜尋 的 紀錄 中 可以 拼湊出 一 個 人 的 興趣 。 同樣 的 ， 看過 哪些 資料 ， 尤其 是 再度 回去 看 的 資料 ， 可以 看出 這 個 人 的 偏好 。 在 網路 商店 裡 ， 顧客 看過 或是 購買 的 物品 ， 都 留下 興趣 的 痕跡 ， 就 像 在 雪地 裡 足跡 會 留下 行經 路線 的 紀錄 。 兩 者 不同 的 是 ： 推薦 系統 可以 從 各 種 路線 中 篩選 ， 只 找出 與 你 興趣 和 目標 相近 的 人 走過 的 路 。 當 你 在 商店 裡 購買 一 件 物品 ， 店家 只 知道 你 買 了 這 件 東西 ； 如果 你 是 在 網路 商店 購買 的 ， 他們 還 知道 你 考慮 過 但 決定 不 買 的 東西 。 當 你 看 表演 、 影片 或 電影 ， 提供 者 可以 確定 你 看 了 哪 一 部分 、 跳過 什麼 、 重看 了 哪 一 部分 。 同樣 的 ， 你 看 電子書 和 文章 時 ， 你 的 一切 活動 細節 ： 你 看 過 、 讀 過 、 做 過 什麼 ， 甚至 如何 看 、 何時 看 ， 還 有 和 誰 一起 看 等等 ， 都 在 掌握 中 。 推薦 系統 如 雨後春筍 般 的 蔓延 。 書店 網路 告訴 你 ， 和 你 興趣 類似 的 人 喜歡 買 什麼 書 ， 用 了 和 租 了 什麼 物品 和 服務 ， 聽 什麼 音樂 、 做 什麼 運動 、 偏愛 什麼 飯店 和 穿著 。 執法 單位 也 運用 同樣 的 方法 ， 可以 相當 準確 的 以 電腦 系統 來 描述 一 個 人 。 系統 也許 會 告訴 警察 ： 「 像 他 這樣 的 人 ， 惹 過 麻煩 、 搶過 銀行 、 殺 過 人 ， 或 甚至 抱怨 過 警察 的 作為 。 」 這樣 的 系統 ， 會 使 我們 的 生活 簡化 呢 ？ 還是 繁雜化 ？ 它們 是 根據 人們 共同 的 背景 和 興趣 才 能 運作 ， 因為 集合 大量 的 個人 資訊 才 會 成功 。 一般而言 ， 這 類 系統 的 運作 結果 相當 不錯 ， 可是 不見得 能 用到 特定 的 個人 身 上 。 當 系統 推薦 我們 去 哪 家 飯店 吃飯 、 買 哪 本 書 時 ， 對 我們 很 有 幫助 ， 簡化 了 我們 的 生活 。 可是 ，