对于一名读者、一位观众、一个听众，亦或是人类思想表达运动中的一个参与者而言，再没有比现在更好的时候了。每年，都有如雪崩般的大量新鲜事物被创造出来。每年我们生产出800万首新歌，200万本新书，1.6万部新电影，300亿个博客帖子，1820亿条推特信息，4万件新产品。今天，任何一个普通人都无需花费太多力气，最多就是抬下手腕的过程，就能召唤出包容万物的图书馆。只要你愿意，你就可以阅读大量的用古希腊语书写的希腊文章，数量多得要比古希腊罗马时期最有名望的希腊贵族所能看到的还要多。同样帝王般的享受也适用于中国古代的卷轴书籍；相比中国古代的帝王，你的家中就可以有更多这些藏书。无论是文艺复兴时期的蚀刻版画，还是莫扎特协奏曲的现场演出，在当时都难以见证的珍贵资源，现在都可以便捷获得。在以上每一个方面，当今媒体的丰富繁荣都已经达到了空前的顶点。根据我所能找到的最新记录，这个星球上记录在各个地方的歌曲总数量是1.8亿首。使用标准的MP3压缩比率，人类所有现存的音乐可以收纳到一个20TB大小的硬盘里。而今天一个20TB的硬盘售价为2000美元。5年之后，这种容量的硬盘售价将为60美元，并且其体积小到可以装进你的口袋里。用不了多久，你就可以将人类的所有音乐装到你的裤兜里随身携带。但另一方面，既然这个音乐图书馆如此之小巧，你又何必费事地将其带在身上呢？因为那时你完全可以根据自己的需要，直接从云端访问世界上所有的歌曲。
发生在音乐上的这一变化，也会发生在任何一个或者每一个可以用比特表达的事物上。在我们有生之年，由所有图书、游戏、电影以及每个打印出的文字构成的综合图书馆会24×7小时地对我们开放，所需的接口也只是那同一块屏幕，或者是同一个云端路径。而且每一天，这个图书馆都在膨胀。我们互为消费者相遇的可能性系数已经因人口的快速扩张而随之扩大了，而简化创造过程的技术进步将这种可能性进一步扩大。现在全球人口数量是我出生那年（1952年）的三倍，而未来10年内应该还会再增加10亿人。在我出生以后，新增加的50亿至60亿人中有越来越多的人借助现代化发展的富足和安逸得以从枷锁中解放，他们可以自由地产生新观点，创造新艺术，制作新事物。今天制作一个简单的视频要比10年前容易10倍；设计并制作一个小的机械零件要比100年前容易100倍；写作并出版一本图书要比1000年前容易1000倍。
以上这些变化的结果就是我们来到了一个无限大的大厅里，在每一个方向，都堆砌着无数种可能的选择。尽管类似汽车无线电制造这种老旧行业被淘汰消失，但可供选择的职业种类却变得更加丰富了。度假的地方、吃饭的地方，甚至是食物的种类，这些可供选择的选项数量每年都在累加。可供投资的机会也在迅速增加。可供参加的课程，可供学习的东西，可供娱乐的方式，这些选项的数量已经膨胀到天文数字级别。在人们有限的一生中，没有人有足够的时间把每个选择的潜在影响都逐个审视一遍。即使只是对过去24小时里被发明或创造出的新事物进行概览，也会花费我们一年以上的时间。
这个包容万物的图书馆规模极其巨大，它迅速吞没了我们本就十分有限的消费时间周期。我们将需要额外的帮助才能穿越这广袤之地。生命如此短暂，却有太多的书需要去读。我们需要某些人或者东西来做出选择，或者在我们耳边悄悄地告诉我们该如何选择。我们需要一种对信息进行分类的方法，而唯一的选择就是寻求帮助来指导我们如何选择。我们借助各种各样的方法对铺在面前的令人眼花缭乱的选项进行筛选。很多这种过滤方法都比较传统，而且依旧发挥着作用。
我们通过“守门人”来过滤信息：权威、父母、牧师和老师都会将坏的东西挡在门外，选择性地把“好东西”放进来。
我们通过媒介来过滤信息：在图书出版商、音乐制作室和电影工作室的办公室桌上总是堆起很多被否掉的项目。他们说“不”的时候要远多于说“是”，这就对那些广泛传播的信息起到了过滤的作用。报纸的头版新闻也是过滤器，因为它对这些头条说“是”的同时就忽略了其他消息。
我们通过管理者过滤信息：零售店不会采购每样东西，博物馆不会展出每件藏品，公共图书馆不会收藏每一本书。所有类似的管理者都会选择他们所认可的商品，从而起到过滤器的作用。
我们通过品牌过滤：面对着堆满相似产品的货架时，第一次采购的买家会保守地选择一个熟悉的品牌，因为这是降低采购风险的一种便捷方法。通过品牌，可以将混杂的东西过滤掉。
我们通过政府过滤：禁忌的东西会被禁止，有时甚至会被清除，比如充满仇恨的言论、对国家领导人的批评以及对宗教的批判。而国家主义的相关议题则会被提倡。
我们通过我们的文化环境过滤：儿童会接收到不同的信息、内容和选择，依据的标准则是他们身边的学校、家庭以及社会对他们的期望。
我们通过我们的朋友过滤：同伴对我们的选择有很大的影响。我们很有可能会选择朋友选择的东西。
我们通过自身来过滤：我们依据自己的喜好和判断来做出选择。传统上讲，这才是最珍贵的过滤器。
在面对如今信息过度丰富的状况时，上面这些方法并未消失。但在处理未来10年急剧增长的各种选择时，我们就要发明出更多类型的过滤方法了。
设想你生活在这样的一个世界里——那些被制作出的每部伟大的电影、每本伟大的书籍、每首伟大的歌曲都像“免费”似的触手可得，而你那精致的过滤系统则已经将废话、垃圾和其他可能会让你感到丝毫不爽的东西统统清除掉。将那些广受好评却对你个人没有任何意义的发明统统抛之脑后，而只去关注那些能真正令你兴奋的事情。你唯一面临的选择就是品尝这百分百的精华中的精华，而你最好的朋友给你推荐的东西中，也会包含一些“随机”的选项以让你偶尔感到惊喜。换句话说，你只会遇到那些在此时此刻与你完全匹配的事物。经过你的过滤器筛选后，唯一在前方等着你的就是那成堆的令你疯狂的事物。
例如，在你设置筛选书目标准时，可以设定只选读那些最伟大的作品，例如仅仅关注由遍览群书的专家选定的书籍，并让他们引导你阅读被视为西方文化精粹的60卷精选文集，即著名的《西方世界的伟大著作》（Great Books of the Western World）系列。但即使如此，你或任一个普通读者都要花2000小时才能完全读完这2900万字的系列书籍，遑论这还只是西方世界的文化典籍。因此，我们大多数人还需要更进一步的过滤。
但问题在于，我们一开始有太多的备选项，这使得我们即使只挑选出一百万分之一，仍然会面临很多选择。有很多对你而言可以给五颗星的电影，但你一生中却没有足够的时间把它们都看完。有很多特别适合你的工具，但你没有足够的时间把它们都掌握。有很多很酷的网站会让你流连忘返，但你没有足够的精力把它们都尝遍。事实上，也有很多超棒的乐队、图书、小玩意正合你胃口，而也你没有足够的时间去体验，即使你的全职工作就是干这个，也是不可能的。
尽管如此，我们仍然试图将这些大量丰富的信息缩减到令人满意的程度。让我们先从理想途径开始探索。以我自己为例，我会选择将我的注意力投向哪里呢？
首先，我想先查收下我认为我会喜欢的东西。这种个人过滤器早就已经有了，即我们所说的推荐引擎。亚马逊、Netflix、推特、领英、Spotify、Beats、Pandora，以及其他聚合类网站，都在广泛使用推荐引擎。推特会使用推荐系统来向我建议我应关注的人，所依据的信息就是我已经关注了谁。Pandora使用类似的系统向我推荐我可能会喜欢的新音乐，依据的是我曾标出的喜欢的歌曲。在领英建立的关系网络中，有一半以上都是源于他们的相关推荐系统。亚马逊的推荐引擎则塑造了著名的广告标语，即“喜欢这件商品的人也喜欢下面这一件”。Netflix也是利用类似的系统向我推荐电影。巧妙的算法会对每个人的大量行为记录进行汇总分析，以期能够及时地预测我的行为。他们的猜测有一部分是基于我过去的行为，所以亚马逊的标语应当说“根据你的个人历史记录和与你相似的其他人的历史记录，你应该会喜欢这个”。他们的建议会根据我曾经购买过，甚至是我之前想买的东西来做精细调整（他们会追踪我在一个网页上停留思考的时间，即使我最终没有选择它）。通过对10亿条过往购买记录的相关性计算，他们的预测会相当有先见之明。
这些推荐型过滤器是我主要的探索机制之一。平均而言，我发现相比专家或朋友的建议，这些推荐引擎更为可靠。事实上，很多人都意识到了这些过滤性推荐系统的有效性，以至于“更多类似”（more like this）的销售方式已经占到了亚马逊销售额中的第三位——2014年时通过这种方式达成的销售额超过了300亿美元。这种系统对于Netflix而言也有着巨大价值，所以他们雇用300多个人从事推荐系统的相关工作，并且还投入1.5亿美元的预算。在2006年，Netflix拿出100万美元作为奖励，征集能够提升他们现有推荐系统工作效率的算法，任何一个研发团队只要能帮他们提升10%的效率，就可以获得奖励。有一点是必然的，即一旦这种推荐引擎开始运行后，没有任何人会干涉这些过滤器。因为算法的识别是基于我（和其他人）生活中极其细微的行为习惯，而那是只有不需要休息、不停运作的机器才可能注意到的细节。
然而，只接触那些你已经喜欢的东西是有风险的，即你可能会卷入一个以自我为中心的漩涡，从而对任何与你的标准存在细微差异的事情都视而不见，即使你原本会喜欢它。这种现象被称为“过滤器泡沫”(filter bubble)，技术术语是“过适”（overfitting）。你卡在了一个小高点的位置，而你却自认为自己是在顶点上！有大量证据表明这种现象在政治领域经常发生；党派中的成员通常只依据“跟这很像”这一简单的过滤方式来筛选信息，一个党派中的成员几乎不会去阅读他们党派之外的书籍。这种过适的状况会使他们的思维变得僵化。但这种过滤器引发的自我强化过程也会发生在科学领域、艺术领域，以及整个文化层面。“更多类似”这种过滤器越有效果，我们将其与其他过滤器合并使用就越有必要。例如，雅虎的一些研究者设计了一种方式，可以自动绘制出个人在选择领域中所处位置的可视化图谱，如此一来，过滤器泡沫就变得清晰可见，而一个人从过滤器泡沫中爬出来也变得简单多了，他只需在某些方向做些微调整即可。
理想过滤器的第二点是，我想知道我的朋友喜欢什么，而那又是我现在还不了解的。在某些方面，推特和脸谱网就以这种过滤器的形式服务。通过关注你的朋友，你可以毫不费力地获取你朋友的状态更新，而那通常就是他们认为酷炫到足以分享的事情。借助手机里的文本或照片，可以十分简单地发出自己的推荐，因此如果有人发现了什么新鲜事物却不分享，我们会感到很吃惊。但如果朋友与你太像，他们也会诱发过滤器泡沫。亲密的朋友会营造出一个回音室，将相同选择的影响放大。有研究表明，再跳入到下一个圈子，即朋友的朋友中，往往就足以将选择的范围扩大到我们预料之外的地方。理想过滤器的第三点是，它将是一种会向我建议某些我现在不喜欢但想尝试着喜欢的东西的信息流。这有点类似于我有时会尝试最不喜欢吃的奶酪或蔬菜，仅仅为了看下自己的口味是否已经改变。我十分确信自己不喜欢歌剧，但去年我又尝试了一次，那是在一个电影院里看一个歌剧的远程实况转播——在纽约大都会艺术博物馆（the Met）上演的《卡门》，对白以文字的形式显眼地投放在大屏幕上，最后，我很庆幸自己去了。专门用于探测一个人不喜欢什么的过滤器必须设计得十分巧妙，但依然还是可以借助大型协同数据库的力量，而这些数据库就是本着“不喜欢这些东西的人，会尝试着喜欢这个”的原则设立的。以类似的方式，我有时也想要点儿我不喜欢却又是应该学习的东西。于我而言，可能就是与营养补充品、政治立法细节或者嘻哈音乐有关的一些东西。伟大的老师总会有些小窍门，使得他们可以将令人讨厌的知识以一种不把人吓退的方式打包传达给不情愿的学生；伟大的过滤器也能做到这一点。但任何人都会注册申请这样的一个过滤器么？
现在，没有人会注册申请任何类似的过滤器，因为这些过滤器已经内置到各个平台里了。脸谱网上每个用户平均有200个关注的朋友，而这些朋友会发布状态，更新的大量信息流，以至于脸谱网认为这些信息需要进行剪辑、编辑、收藏，并且将你收到的信息进行过滤，达到一个更加容易管理的状态。你并不会看到你的朋友发布出的所有信息。哪一个已经被筛掉了呢？根据什么标准呢？只有脸谱网自己知道，而且他们将这个算法视为商业机密。至于他们优化的目的是什么，则没有人知道，甚至也没有与用户进行过交流。他们说是要提升用户的满意度，但还有一个更为合理的意图猜测，即他们之所以过滤你的信息流，是为了优化你花在脸谱网上的时间——相比你的幸福感，这是一个更容易测量的事情。但这可能又不是你希望脸谱网所优化的。
亚马逊会使用过滤器来优化销售方式以便实现销售额最大化，而且过滤的内容包括你在网页上看到的所有内容。不仅是对推荐什么商品进行过滤，对于网页上出现的其他素材也会进行过滤，比如特价商品、提供商、商品信息、用户反馈。同脸谱网一样，亚马逊在一天的时间里也会进行数千个实验，将他们的过滤器进行调整以比较两件商品的销售数据，尝试根据数百万消费者的实际使用反馈将网页内容进行个性化定制。他们轻微改动、细微调整，而在如此大的一个范围内开展实验（同一时间有着10万人的数据样本），使得他们的结果变得极其实用。在亚马逊这一过滤系统下，我成了它的回头客。因为亚马逊在尝试着优化的东西与我的目标类似——以优惠的价格获得我喜欢的东西。两者的战线并不会总是一致，但当一致的时候，我们就会购物。
谷歌是世界上最主要的过滤器，它会对你看到的搜索结果进行各种复杂的判断。除了对网页进行过滤，他们一天内还要对350亿封电子邮件进行处理，有效地将垃圾邮件过滤掉，并为邮件分配标签和优先级。谷歌是世界上最大的协同过滤器，它有着数千个独立的动态“筛子”（sieve）。如果选择加入他们的服务体系，他们会为你提供个性化的搜索结果，并根据你提问时的地点为你定制搜索结果。他们利用的是已经被证明行之有效的协同过滤规则，即人们在发现一个有价值的答案的同时，也会发现下一个答案同样不错（虽然他们不会这样标记它）。谷歌每分钟都会对网络上60万亿个网页的内容过滤200万次，但我们通常不会询问他们是如何做推荐的。当我发起一次查询时，他们是应该给我展示最流行的选项，还是最可靠的选项或最独特的选项，又或者是最可能让我满意的选项？我不知道。我对自己说，我可能会希望将选项按照四种不同的方式都排列来看一看，但谷歌知道我可能做的只是看头几个答案，然后点选。所以他们说，这就是我们认为最好的头几个，依据的是我们通过每天30亿次的在线回答总结出的深度经验。所以，我点击了。他们在尝试将机率最优化，那个机率就是我再次回来向他们提问的可能性。
随着它们的成熟，过滤系统将会延伸到媒体以外的其他去中心化的系统中，比如优步和Airbnb。当你在预订住处的时候，你对于风格、价位和服务的个人偏好可以很简单地传达到另一个系统，使得你可以在威尼斯匹配到最合适的房间以提升你对服务的满意度。更深层的智能化意味着异乎寻常聪明的过滤器可以应用到任意一个需要进行大量选择的领域——这将涉及到众多领域。而在任何一个我们想要个性化定制的领域，过滤器服务都将会出现。
20年前，一些权威专家就期盼着大规模个性化定制能立即出现。在1992年约瑟夫· 佩恩（Joseph Pine）写作的《大规模定制》（Mass Customization）一书中，这类计划就已经开始展露倪端。曾经专供权贵的定制产品借助合理的技术进而推广到中产阶级，这一点看似合情合理。例如，一个由数字扫描和柔性生产构成的精妙系统可以为中产阶级提供个人定做的衬衫，而不仅仅是只为上流人士提供此类定制产品。20个世纪90年代末期，一些创业公司尝试针对牛仔裤、衬衫、洋娃娃开展“大规模定制”，但这些尝试并没有能够推广开来。制约其发展的主要障碍在于，除去那些不重要的方面（比如颜色的选择或者长度的选择），想要在不将产品价格提升到奢侈水平的同时，还要获得或生产具有明显独特性的产品是非常困难的。当时的美好愿景远远超出了当时的科技水平。但现在科技水平已经迎头赶上。最新一代的机器人可以担负灵活制造的任务，而先进的3D打印机也可以快速打印出多套产品。无所不在的信息追踪、信息交互和信息过滤意味着我们可以以优惠的价格将我们自身多个方面的信息整合成用户档案，这一档案可以引导开展任何我们想要的定制服务。在数字前沿，谷歌已经提供大规模定制。未来的30年中，我们在教育、运输、医疗和零售领域都能看到大规模定制的出现。
下面这幅图景便展示出这一力量将带领我们走向何处。在不久的将来，我的一天将会以这种常规方式进行：在我的厨房里有个药丸制造机，比烤面包机小一点儿。它里面存放着几十个小瓶子，每个瓶子里面都以粉末形式储存一种处方药或营养成分。每天这个机器会把所有的粉末以合适的剂量进行混合，然后填充到一个（或两个）定制药丸里，供我服用。在这一天里，我身体里的重要器官都会受到可穿戴设备的传感器追踪，以便每个小时都对药物的效果进行测量，并将结果发送到云端进行分析。第二天的药物剂量会根据前一天24小时的结果进行调整，并生产出一个新的定制药丸。这一过程在随后的每天都会重复。已经有几百万台这样的装置被制作出来，并生产出大量的个人化药物。
我的个人化身储存在网络上，每个零售商都可以获取它的信息。它储存着我身体每个部分、每个曲线的准确测量数据。即使我要去一家实体零售店，在去之前也仍然会在家中一个虚拟试衣间里尝试每个商品，这是因为商店里只有商品最基本款的颜色和设计。借助虚拟镜子，我可以在查看衣服穿在我身上的效果时看到逼真程度令人惊奇的真实写照；实际上，由于我可以转动穿着衣服的虚拟化身，其效果要比试衣间里的镜子更有说服力。（它可以更好地预测新衣服穿在身上的舒适度。）我的衣服会根据我的化身提供的具体参数（随时间变化而修正）进行定制。我的服装服务会产生一些新风格的变式，而这些改变依据的是我过去的穿着，我花最多时间凝视过的衣服，或者是我最亲密的朋友已经穿过的衣服。这些都是过滤后的风格。几年以来，我已经培养出一个完全贴合我行为的档案，使得我可以在任何我想做的事情上应用它。
我的档案跟我的化身一样，都由“Universal You”管理。这个档案知道我在度假旅行时喜欢预定便宜的旅社，但又要有私人浴室和最大的网络带宽，而且永远都要在城镇中最老旧的地区，否则就要紧靠公交车站。它还会与一个人工智能系统配合，为我安排行程，预计最佳的货币兑换汇率。它远非仅仅是一个储存信息的档案，更是一个不停运作的过滤器，会不断地根据我已经去过的地方、我过去旅行中发布的快照和推特种类来做出调整适应，它还会对我阅读、看电影时的兴趣点进行权衡比较，因为书籍和电影通常是旅行欲望的一个来源。它还会投入大量的精力分析我最好的朋友与他们朋友的旅行经历，并借助这一巨大的数据库时常向我推荐某些值得拜访的餐厅和旅社。对于它的推荐，我通常比较满意。
因为我的朋友会让“Universal You”追踪记录他们的购物、外出就餐、聚会出席、电影观看、新闻浏览、日常锻炼、周末郊游等活动，这样无需朋友们花费多少精力，它就会给我做出十分详细的推荐。当我早上醒来时，Universal会对我接收的更新信息流进行过滤，只向我发送那些我早晨喜欢接收的最重要信息。它过滤的依据是我常常转发给他人的信息类型，抑或是书签或者答复。我在橱柜里发现了一种营养丰富的新型谷物食品——因为我的朋友这周在尝试这个，所以Universal You 昨天为我预定了一份，尝起来还不错。我的汽车服务系统向我通报今天早上哪里出现了交通拥堵，所以它把我的汽车预约时间调晚了一点，而且还尝试另一条非常规线路送我到今天上班的地方，而这个线路是根据较早出门的几个同事提供的路线制定的。我一直不能确切知道我的办公室会在哪里，因为我们创业公司的会面地点取决于当天可用的合伙办公地点在哪里。我的个人设备会将办公地的屏幕转换成我使用的屏幕。这一天我的工作是对几个人工智能系统进行校正，这些系统的工作是将医生、治疗方式与客户进行匹配。我的工作则是帮这些系统理解一些特殊情况（比如有些人倾向信仰疗法），以便提升人工智能诊断和推荐的有效性。
当我到家后，我特别期望看到阿尔伯特为我准备的一系列有趣的3D视频和趣味游戏。阿尔伯特，这是我为Universal 中我的化身取的名字，它负责为我过滤媒体信息。阿尔伯特总能为我提供最酷的东西，因为我已经把它培训的很好了。自从高中起，我每天至少花10分钟来校正他的选择，并添加一些难以言明的影响来精细地调整这一过滤系统，所以在所有的新型人工智能算法和朋友的朋友的评分中，我找到了最喜欢的频道。有很多人在追随着阿尔伯特的选择进行日常活动。我处在虚拟世界过滤器排行榜的前几名。我的过滤方式非常流行，以至于我能还从Universal中得到一些金钱回报——起码够我支付我在其中的所有订阅服务费用。
就如何过滤和该过滤什么而言，我们还处在初级阶段。未来的发展空间要比单纯地“我们过滤和我们被过滤”要广阔得多。这些强大的计算技术可以并且也将运用到万物联网的各个领域。即使是最不重要的产品或服务，只要我们想（但有时我们并不想），都可以进行个性化定制。在未来的30年，整个云端都会被过滤，以便提升个性化的程度。
每个过滤器都会过滤掉一些好的东西。审查也是一种过滤。政府可以通过植入国家层面的过滤器来移除不希望出现的政治观点，并严禁相关言论。就像脸谱网或者谷歌，他们基本上不会揭露他们过滤掉了什么。然与社交媒体不同，公民们并没有可供选择进入的替代路径。即使最初出于善意设计的过滤系统，我们也只能看到那可供浏览的宏大世界中的一小部分。这就是“后稀缺”（post-scarcity）世界的诅咒：我们只能与宏大世界中的一小部分建立连接。每天那些友好的制造技术——3D打印、手机App和云服务，都在充满可能性的世界拓展出新的方向。所以，每天我们都需要借助更为扩大的过滤器将丰富的信息以适合人类的尺度进行过滤后再获取。过滤器发挥的作用是不可或缺的。一个过滤器的不足不能通过将过滤器移除来弥补，而只能通过施加其上的互补性过滤器来修正。
从人类视角看，一个过滤器关注的是内容。但如果反过来，从内容的视角看，一个过滤器关注的是人类的注意力。内容扩张得越多，就需要更多的注意力聚焦。早在1971年，赫伯特·西蒙（Herbert Simon）这位获得过诺贝尔奖的社会科学家就总结出这样的观点：“在一个信息丰富的世界，大量的信息内容意味着某种东西的缺乏：无论它是什么，肯定是因信息消耗引起的缺乏。而大量的信息消耗的是什么，这是显而易见的：它消耗的是信息接收者的注意力。因此信息的丰富促成了注意力的缺乏。”西蒙的这一见解通常被简化为：“在信息丰富的世界里，唯一稀缺的资源就是人类的注意力。”
我们的注意力是唯一有价值的资源，是我们每个人无需训练就能产出的资源。它的供应是短缺的，每个人都想多要一些。你可以完全停止睡眠，但你每天仍然只是有24小时的潜在注意力，而且绝对不存在任何东西——无论是金钱还是技术——能增加它的总量。潜在注意力的最大值是已经固定了的。它的产出是既定有限的，然而除此以外的其他东西都在变得越来越丰富。既然它是最后的稀缺资源，那么注意力流向哪里，金钱就跟到哪里。
尽管它是那么珍贵，我们的注意力却又相当廉价。因为从程度上讲，我们每天不得不把它花掉。我们无法节省它，也无法将其贮存起来。我们不得不一秒一秒地把它交出，一刻不得停歇。
在美国，电视仍然占据了人们大部分的注意力，其次是广播，再其次是网络。这三者占据了我们注意力的绝大部分，而其他东西——书籍、报纸、杂志、音乐、家庭录像、游戏等，只占据了我们全部注意力中的一小部分碎片。
然而，并不是所有的注意力都是等价的。在广告行业，注意力的质量通常以一个名为CPM（Cost Per Thousand，M为Thousand的拉丁语标示，即每千人成本）的指标来反映，这代表一千个人的浏览，或者是一千个读者、一千个听众。各种媒体平台的平均CPM估计值有着广泛的差异。廉价的户外宣传栏CPM的平均成本为3.5美元，电视是7美元，杂志为14美元，报纸为32.5美元。
还有另一种方式可以计算出我们注意力的价值是多少。当我将每个主流媒体行业内的年度收入进行逐个结算求和后，便计算出每个行业每小时的注意力能产生多少收益（单位为“美元每小时”），结果令我震惊。
首先，这些结果的数值相当小。就企业挣得的美元与消费者花费的每小时注意力的比值而言，注意力对于媒体行业而言并没有多少价值。每年有将近5000亿个小时投入到电视节目中（这还只是美国的数据），然而对于看电视节目的所有人而言，平均来看每小时只产生了20美分的收益！如果你被以这个价格雇佣来看电视节目，你的收入只能算是第三世界国家的小时工资水平，基本上与被雇佣做苦力的人差不多。看电视节目是个苦力活。报纸占据了我们注意力中更小的一部分，但就所花的时间而言却产出了更多的每小时收益，大约是93美分每小时。相对而言，互联网有着更高的收益回报，每年都在提升注意力的质量，平均来看每小时注意力产生3.6美元的收益。
无论是我们为电视节目公司“挣得”的那可怜的价值20美分的每小时注意力，还是稍微高级一点的报刊上价值1美元的一小时注意力，都反映出了我称之为“商品注意力”的价值。就那些易于复制、易于传播、几乎无处不在，并且无时不在的日用商品而言，我们花在上面的注意力基本没什么价值可言。当我们考察我们为商品内容——所有的内容都是易于复制的，比如书籍、电影、音乐、新闻，等等——所不得不支出的费用时，这个比率是相对较高的，但这仍然不能反映出我们先前总结的观点，即我们的注意力是最后的稀缺资源。以一本书为例，精装图书需要花4.3小时读完，23美元购买。因此，消费者在阅读时平均的花费为5.34美元每小时。一张音乐CD通常会被听很多次，所以需将它的零售价格除以总共的聆听时间才能获得它的每小时费用。电影院中一部两小时的电影只能看一次，所以它的每小时费用就是票价的一半。这些比率可以视作一面镜子，借此反映出我们作为观众时，对我们的注意力赋予多少的价值。
1995年，我计算了各种媒体平台的每小时平均费用，包括音乐、书籍、报纸、电影以及正在热销的新产品——虚拟现实座驾（一种虚拟现实的体验）。不同媒体之间有着差异，但价格基本处于同一个数量级上。引人注目的一点是，各个媒体的价格基本围绕着相对平均的2美元每小时波动。也就是说平均来看，在1995年我们倾向于每小时支出2美元花在媒体使用上。
在15年之后的2010年以及2015年，我都再次用相同的方法对与之前类似的一组媒体行业的价值进行了计算。当我根据通货膨胀进行调整并换算成2015年美元的价值后，平均值分别是3.08美元、2.69美元、3.37美元。这意味着20年来，我们注意力的价值是相当稳定的。这样看来，我们似乎对某种媒体“值得”花费多少金钱有种直观的感觉，而且我们付出的成本不会有太多偏差。这还意味着，依靠我们的注意力赚钱的企业（比如那些引入注目的科技公司）也只是平均每小时获取3美元的收益——如果他们包含高质量内容的话。
数万亿小时的对于商品的低级注意力推动了我们经济的绝大部分，以及互联网经济的一多半。单纯的一小时并没有多少价值，但汇聚成整体后的力量则能够以排山倒海之势创造奇迹。对于商品的注意力就像一阵风，或是一波海浪，它是必须借助大型设备才能俘获利用的一种不均匀的力量。
谷歌、脸谱网的光芒夺目，以及其他网络平台的空前繁荣，都源于它们有着大量的基础设施负责过滤这些对于商品的注意力。平台利用强大的计算能力将不断扩张的广告商们与不断增长的消费者群体进行匹配。它们的人工智能系统会寻求在最理想的位置、最理想的时间插放最理想的广告，并且以最理想的方式、最理想的频率做出反馈。虽然有时这也被称为个性化定制广告，但事实上其过程远比仅仅将广告推送给个人更为复杂。这象征着一种过滤性的生态系统，除了做广告，还会收集结果反馈。
任何人只需填写一份网上表格，就可以注册为谷歌的广告供应商。（大多数广告只是文本形式，类似一种分类广告。）这意味着潜在的广告商数量可能有数十亿。你可以成为一个小商人，向素食主义的背包客推销一本烹饪书，或者推销你发明的一款新式棒球手套。在这个供应链的另一端，任何人无论出于什么目的运行着一个网页，都可以在其上面刊登广告，而且还可能从广告中获取收益。这样的网页既可以是一个私人博客，也可以是一个公司的网站主页。近8年来，我都在自己的私人博客上投放谷歌AdSense广告。每个月我都能通过投放这些广告获得100美元报酬，这点报酬对于数十亿美元的企业而言微不足道，而且这种小规模的信息处理无需谷歌操心，因为这基本是全自动化的。AdSense欢迎所有人加入，无论其规模有多小，所以一个广告潜在的投放位置有数十亿个。为了测试配对这数十亿种可能性——有数百万人想要发广告，也有数百万人愿意接收广告，需要进行求解运算的次数会达到天文数量。另外，最佳的安排还会随着每天中不同的时间或不同的地理位置而进行变化，所以谷歌（也包括其他搜索引擎公司，如微软和雅虎）有着大量的云计算机负责对这些信息进行分类。
为了实现广告商与阅读者的匹配，一天中的24小时里谷歌的计算机都不停地在网络上漫游，并收集网络上数十亿网页中每个网页上所有的内容，最终将这些信息储存到它巨大的数据库中。这就是谷歌可以在无论你何时向它发问，它都立即给你答案的原理。它已经把网络中每个单词、每个词语，以及每个事实的位置都建立了索引。所以当有一个网页拥有者想要在他的博客网页上插播一小条相关广告时，谷歌会从数据库中调出记录以查明这个网页上都出现过哪些内容，然后利用它的超级大脑去寻找一批人——几乎同时，他们想要投放与网页内容相关的广告。当匹配成功后，网页上的广告就会出现在网页的可编辑内容区里。假设这样的网站归属于一个小镇棒球队，那么一个创新型棒球手套的广告将会尤其符合网站的整体内容。相比投放一条浮潜工具广告，这个棒球手套广告更有可能获得读者的点击。所以，谷歌根据网站内容的前后关系，将会在棒球队网站上插播棒球手套广告。
但这只是复杂配对的开始，因为谷歌会尝试进行三方符合的匹配。理想情况下，广告不仅匹配网页中的前后内容，还要符合网页访问者的兴趣。如果你访问一个综合性新闻网站，比如CNN（美国有线电视新闻网），而它知道你在为一个棒球队效力，那么你就可能看到更多的运动装备广告，而非家具广告。它是如何对你有所了解的？大多数人都不知道的一点是，当你访问一个网站时，你是随身携带着一些无形的符号一起到来的，这些符号会表明你刚刚从哪里出来。这些符号（技术名称为cookie）不仅可以被你刚刚开始访问的网站所读取，还能被一些大的平台读取，比如谷歌，这些平台的触角已经遍及整个网络。因为几乎每个商业性网站都使用谷歌的产品，那么谷歌就可以在你访问一个又一个网页时追踪你的路径，这一过程贯穿整个网络。当然，如果你在谷歌上查询过什么信息，它也可以同样地由此信息来追踪你。虽然谷歌还不知道你的姓名、地址，或者电子邮件（就目前而言），但它确实记住了你的网络行为。所以在你抵达一个新闻网站之前，如果访问过一个棒球队网页，或者搜索了“棒球手套”，它就会做出一些假设。它利用这些假设，并将假设添加到计算公式里，以便算出在你刚刚抵达的网页上应该插播哪种类型的广告。这看起来很像魔法，但你今天在网站上看到的广告在你抵达那里之前都是还没有添加上的。因而谷歌和新闻网站将会快速挑选你看到的广告，以保证你看到一个与我看到的完全不同的广告。如果整个过滤器生态系统正常运作，那么你看到的广告将会反映出你最近的网络浏览历史，而且会更符合你的兴趣。
但是等一下，还有更多的呢！谷歌自身在这样一个多边市场里成为了第四方。除了满足广告商、网页发布者、读者，谷歌也要尝试将他们的自身利益最大化。对广告商而言，有些观众的注意力要比其他人更有价值。健康类相关网站的读者就是更有价值的，因为他们可能会在很长一段时间里花费大量的钱财用于药物和治疗，而一个徒步俱乐部论坛的读者只会偶尔买些鞋子。所以每个广告的位置摆放后面都隐含着一个极为复杂的拍卖过程，即将关键词的价值（“哮喘”的价格要比“散步”的价格多很多）与广告商愿意支付的费用，以及读者真正点击广告的表现水平进行联合匹配。如果有人点击了广告，那么广告商会向网页所有人（还包括谷歌）支付几美分的报酬，所以算法会尝试将广告位置、被点击的比率、支出费用进行最优化调节。获得12次点击的一条5美分的棒球手套广告要比只获得1次点击的一条65美分的哮喘呼吸器广告更有价值。但是如果第二天，棒球队博客上贴出了一个关于今年春天有大量花粉飘散的警告，那么在棒球队博客上插播呼吸器的广告价格就会突然涨到85美分。为了在一小时里设定最佳的广告安排，谷歌可能要同时处理数十亿个因素，并且要实时处理。当每件事都以这种流动的四方匹配形式运作时，谷歌的收入也达到最大化。在2014年，谷歌总收入中的21%，或者说140亿美元，是来源于这种相关广告系统的。
不同类型的注意力相互作用，形成了一个十分复杂的生态系统，而这一生态系统在2000年之前是难以想象出来的。用于追踪、分类并过滤每个维度信息的智能化程度和计算能力已经超出了应用范围。但随着追踪、知化、过滤构成的系统不断发展，有越来越多可行的方式可以用来分配注意力——包括支出和接收。这样一个时期类似于寒武纪的生物进化时期，当时出现了大量多细胞形式的生命。在一个很短的时期（就地质角度而言），生命出现了一些从未有过、从未尝试的可能形式。那个时期突然出现了大量新的——有时是略显奇怪的——生命组织形式，以至于我们将那一时期的生物创新称为“寒武纪生命大爆发”（Cambrian Explosion）。随着各种新奇古怪类型的注意力、过滤器在进行各种尝试，现在我们的注意力科技也处在类似“寒武纪大爆发”的一个变革窗口期。
例如，如果广告业像其他商业领域一样推进去中心化这一趋势会怎样呢？如果由消费者创造广告、投放广告、支付广告费用，会怎样呢？
下面让我们以一种方法来思考下这种新奇的安排方式。每个依靠广告维持的企业——现在大多数互联网企业都属于此行列，都需要说服广告商将其广告专门投放在他们的渠道上。发行商、会议举办方、博客博主或者平台运营者提出的论点通常是，没有人能像他们那样将信息传达给某个特定的客户群体，或者像他们那样与客户群体有着良好关系。广告商握有资金，所以他们会挑剔地选择谁来运营他们的广告。而一个发行商要努力地劝说讨好那最令人喜欢的广告商，发行商没有权利选择运营哪个广告。但广告商，或者他们的代理人是有权选择的。一个充斥着广告的杂志，或是填满商业广告的电视节目还常常认为他们自己是幸运的，因为他们被选中作为运营广告的载体。
但如果任何一个有自己粉丝群体的人可以自主选择他们想要展示的某个广告，无需再申请许可，会是怎样的情景呢？比如你看到了一个关于跑鞋的非常酷的商业广告，而你想将它收录到你的信息渠道，而且像电视台一样为此得到一定报酬。如果任何一个平台都可以仅仅收集那些它们感兴趣的最佳广告，然后通过投放这样的广告而获取利润，而利润多少的参考依据是它们给这个广告带来的观众数量和观众质量，这又是怎样的情景呢？视频、静态图像、音频文件，无论广告的载体形式如何，都可以在其中嵌入代码以追踪广告在哪里播放过、被浏览了多少次，这样无论广告被复制传播了多少次，广告的投放者都能获得报酬。一个广告所能遇到的最好事情就是像病毒一样扩散，在尽可能多的平台上插播并且循环播放。而由于你的网页上的一个广告可以给你带来收入，你将会努力寻找令人印象深刻的广告来投放。设想在Pinterest上有个专门收集广告的板块。收藏夹里的任何一个广告，只要被读者播放或浏览过，都可以为收藏者带来收益。如果操作得当，观众们来到这里可能都不再是为了什么酷炫内容，而只是为了那酷炫的广告——正如同有几百万人坐在电视前看“超级碗”，其中有很大一部分人是去看广告的。
结果就是出现一个平台，它将广告视同内容。编辑会花大量时间搜寻不为人知的、很少有人看过的、吸引眼球的广告，正如同他们会花大量时间寻找新文章一样。然而，广泛流行的广告可能无法像小众广告那样有较高的回报。那些讨厌的广告可能要比搞笑的广告带来更多收益。所以存在一种权衡，是选择看起来很酷但不怎么赚钱的广告，还是平淡无奇但有利润的广告。另外，那些既有趣又有收益的广告很有可能已经有过大量的曝光了，这样既降低了他们的奇酷感，也可能降低了它们的价格。可能会出现一些杂志、出版物、在线网站，它们没有什么内容，有的只是精心编排的广告——那些会带来收益的广告。现在就已经有这样一些网站，它们专门呈现电影预告片或精彩的商业广告，但它们还未因呈现这些材料而从制作人那里获取报酬。但用不了多久，它们终将实现盈利。
这样的安排完全颠覆了业已建立的广告产业利益链条。就像优步和其他去中心化系统一样，这样的改变使得曾经由少量专业人士执行的高度精细化的工作可以对外开放，并且可以在由业余爱好者构成的点对点网络中开展执行。在2016年，广告行业的专业人士中没有人相信这一转变可以发挥作用，甚至但凡有点理性的人都会认为这很疯狂，但对于未来30年的变化，我们有一点是明确的，那就是看似不可能的事情可以由巧妙连接起来的爱好者同盟来完成。
2016年，一些特立独行的新兴公司将尝试打破现行的注意力系统，但在推出一些变革的新模式之前，可能还需要大量尝试。在这一幻想与现实之间阻碍发展的因素就是技术的欠缺，我们需要一种技术来追踪一个复制后的广告得到的浏览次数，并对其得到的关注进行量化，然后将这些数据安全地进行交换，以便确保正确地支付费用。对于谷歌或者脸谱网这样的大型多边平台而言，这是一个复杂的计算过程。这一过程需要大量的监管，因为由此产生的金钱会吸引骗子和富有创新的垃圾邮件制造者进来作弊。但是一旦这样的系统得以建立并顺利运行，广告商就可以将广告以病毒迅速传播的形式扩散到网络上。你可以找到一个广告，将它嵌入到你的站点里，这样，如果有读者点击它，就会触发一次付款。
这种新体制将广告商置于一个奇特的位置。广告创造者不再有能力控制一个广告投放的地点。这种不确定性需要以某种方式进行代偿，即广告的组成类型。有些广告的设计应旨在快速复制传播，并引发观看者的直接行动（购买）。其他广告则可以设计成纪念碑似的停留在原地，不会移动，并且慢慢塑造品牌影响。理论上看，一个广告可以当作一个社会评价，那么它就可以像社会评论素材一样处理。并不是所有的广告都会放任自流。有些广告——可能不是很多，可能还是要继续用于传统渠道的直接投放（使得他们不那么流行）。这种系统的成功仅是在传统广告模式上锦上添花，但也要凌驾传统模式之上。
去中心化的潮流席卷了每个角落。如果业余爱好者可以制作广告，那么为什么消费者和粉丝们不也来创造他们自己的广告？科技可能已经足以支持一个点对点的广告创造网络了。
有些公司已经开始尝试使用一些用户创造的广告版本。多力多滋曾经在消费者中公开征集广告短片，用于在2006年的“超级碗”比赛中播放。他们收到了2000个广告短片，并且有至少200万人参与投票选出用于投放的最佳短片。从那时起，他们每年平均会收到5000个用户制作的广告提案。他们会给最佳广告的创作人奖励100万美元，而这要比找人设计专业的广告所支出的费用少得多。在2006年，通用汽车为它的雪佛兰Tahoe这款SUV车征集用户制作的广告，并收集到了21000个提案（另外4000个是抱怨SUV的负面广告）。但这些例子是有局限的，因为最终投放市场的那条广告必须经过公司领导的审批和再加工，并不是真正的对等网络工作模式。
一个完全去中心化的、对等网络的、用户制作的众筹广告网络将会允许用户创作广告，然后让作为发行方的用户来决定他们想让哪一个广告放置在他们的网站上。那些确实带来点击量的用户制作的广告将会被保留、分享。那些无效的则会被舍弃。用户成为了广告代理人，同时他们也是承包一切事务的人。就像有爱好者将他们的生活写真照片库或是工作片段涂鸦放到eBay上拍卖，那么也必然会有些人依靠大量炮制各种变式广告来谋生，偿还房屋贷款。
我的意思是，你到底想让谁来制作你的广告？你是想雇用昂贵的工作室，让其利用其最佳猜测来构想一个活动方案，还是找1000个富有创造力的孩子，让他们不断调整、测试他们为你产品制作的广告？但如往常一样，大众总是要面临一个两难困境：他们是应该为一个可靠的畅销商品制作广告，并怀着同样的想法去改善另外1000个商品，还是到长尾理论的那一端，去接受一个你自己可能都不完全了解、也不确定是否有效的产品？产品的粉丝会乐于为它创作广告。自然而然地，他们也认为没有人像他们一样了解产品，并且现在的广告（如果有的话）是很差劲的，所以他们很有信心、也很愿意更好地完成这份工作。
期望大公司将他们的广告“撒手不管”，有多大的可能性？没多少可能。大公司是不会率先尝试这种模式的。这需要一些性急的新公司花几年的时间才能搞清楚明确发展方向，因为他们几乎没有多少广告预算，也不怕失去什么，才会敢于尝试。就像相关广告一样，大公司并不是此类业务的主要参与者。所以不如说这种广告领域的新模式是将小人物放大，让他们跻身中间层接触到价值数十亿的商业领域，这是他们从未设想过的，更是从未有机会接触的，进而推动起一场炫酷的广告运动。借助对等网络系统，这些广告将会由热情的（也是贪婪的）用户来创造，然后病毒式地传播到博客荒野里，在那里通过不断测试、再设计直到有效发挥作用，一个广告逐渐进化成最佳广告。
通过追踪注意力的替代模式，我们可以看到注意力还有一些未曾开发的组织形式。艾瑟·戴森（Esther Dyson）是一位早期的网络先驱和投资人，她长期抱怨电子邮件沟通引发的注意力不对称。因为她在互联网管理形式上积极参与，并且积极投资一些创新的新兴公司，她的收件箱里充斥着各种她不知道的人发来的邮件。她说：“电子邮件这样的系统，使得他人可以向我的待办事项中随意添加事件。”现在也是这样，基本无需花什么费用就可以向其他人的事件列表中添加一封邮件。20年前，她提出构建一个系统，使她可以在阅读他人邮件时向发件人索取报酬。邮件发件人需要支付一小笔费用，而价格是由信息的接收者来制定，比如艾瑟。收件人可以向某些人收取较少的费用（25美分），比如学生，或者针对公关公司发来的新闻稿收取较多的费用（2美元）。朋友和家人可能就免收费用，但来自一个企业家的复杂难懂的投件可能需要5美元的费用。如果一个邮件被阅读了，费用也可以以追溯形式免除。当然，艾瑟作为一个颇受欢迎的投资人，她的默认过滤值可能会设置的高一些，比如每封需她阅读的邮件要征收3美元。一个普通人可能无法索取同样的费用，但任何价格的费用征收都可以充当一个过滤器。更为重要的是，适当地征收阅读费用也可以作为对接收者的一个提醒，即发件人认为这个邮件是“重要的”。
收件人即使不像艾瑟那样有名，也值得为其阅读邮件索取报酬。他们可以是一个小群体的影响者。云端的一个极其强大的应用就在于捋清追随者和被追随者之间繁乱的网络关系。大量的计算识别可以追查清楚每一个影响者与被影响者之间的排列关系。如果一个人可以影响一小部分人，而这一小部分人还可以影响其他人，而另一个人能够影响很多人，但这些人却并不能影响其他人，这样的两个人的等级排列是不一样的。这里的地位是十分局部化的、具体的。如果一个少女有着众多忠实的朋友追随她的潮流引导，那么她的影响力等级要比一个科技公司的CEO高得多。这种关系网络的分析可以深入到第三层和第四层（朋友的朋友的朋友），但同时也伴随着计算复杂性的急剧增长。这种不同复杂程度导出的分数可以根据影响力程度和注意力等级进行分配。一个高分者可以在阅读一封邮件时索取更高的费用，但他也可能选择根据发件人的分数来调整征收的费用——这就使得计算总费用时计算的复杂性和成本支出增加了。
这种直接向他人的注意力支付报酬的原则也可以拓展到广告领域。通常我们免费地将我们的注意力花在广告上。为什么我们不向公司征收观看他们广告的费用呢？就像艾瑟设定的框架一样，不同的人可以根据广告的来源索取不同的费用。而且对于销售商而言，不同的人有着不同的“吸引力价值”。有那么一部分观众有着更大的价值。零售商会考虑一个消费者的开销总寿命期，根据他们的预测，如果一个消费者在其一生中可能在他们的商店里花费10000美元，那么这个人就更值得尽早获得一张200美元的打折券。一个消费者也同样有着影响力总寿命期。他们的影响力会如涟漪般借由其自身的追随者向外传播，传递给追随者的追随者的追随者，诸如此类。那么这个总的影响程度就会累加计算，并根据他们的寿命期做出一个估计值。对于那些有着较高寿命期等级的吸引眼球的人，公司认为对他们直接进行报酬支付要比把钱给广告商更为划算。公司可以用现金或者贵重物品，又或者高价服务来支付报酬。实际上，这就是奥斯卡颁奖典礼上赠送幸运大礼包的根本目的。
在2015年，被提名者的大礼包里塞满了价值16.8万美元的商品，里面混杂着润唇膏、棒棒糖、旅行枕头这些消费品，以及豪华酒店和旅行的套票。销售商对奥斯卡提名者进行了合理的估算，认为他们是高影响力人群。这些接收礼包的人根本不需要这些东西，但他们很可能会向他们的粉丝唠叨。奥斯卡的事例很显然是个个例。但就小一点的尺度而言，当地小有名气的人也可以显著地获得大量追随者，并获得一个大小可观的影响力总寿命期分值。但直到前不久，想要在亿万人群中查找出各种小众名人仍然是不大可能的。而今天，过滤技术和共享媒体的发展进步，使得这些内行人士得以被发现，并成批量地发掘出来。与奥斯卡不同，零售商可以把目标集中到一个由小众影响者构成的巨大网络。以前做广告推行产品的公司可以把广告也省去了。他们可以将他们几百万美元的广告预算款项直接打到数万个小众影响者的账户上，用以换取他们的关注。
我们还没有探索过所有交换、管理注意力和影响力的可能方式。一个充满未知的大陆正在开启。一些最有意思的可能模式仍然还未出现。注意力的未来形式将脱胎于对有影响力的数据流的舞蹈式编排，而这种编排是可以追踪、过滤、共享和混合的。为了编排这一注意力的“舞蹈”，所需处理的信息规模也达到了更高级的复杂性。
相比5年前，我们的生活已经变得更为复杂。为了开展我们的工作、有效学习、当好父母，甚至是娱乐，我们都需要花精力处理更多渠道的信息。我们不得不考虑的因素数量、影响因子数、参数个数和可能性数量几乎每年都以指数级增长。因此，我们似乎要永久地处在分离状态，并且在一个个事物间不停辗转，但这并不是一个灾难的信号，而是对当前环境一种必然的适应。谷歌并不会将我们变傻，相反我们需要网上冲浪，需要敏捷反应，需要对下一个新事物保持警惕。我们的大脑还没进化到可以处理这无穷的信息量。这一领域超出了我们的自身能力，所以我们不得不依靠我们的机器来与这么大量的数据进行互动。我们需要一个实时的过滤系统嵌套，以便我们可以处理我们已经创造出的各种新增选项。
现在产品大量过剩，以至于对大量冗余产品进行过滤的需求在持续增加，而导致产品过剩的一个主要因素就是各种廉价物料交互影响。总体来看，随着时间的过去，科技技术基本上向免费方向发展，这就会促使产品大量过剩。乍听之下，很难理解技术为什么会是向免费方向发展。但对于我们制作的大多数东西而言，这就是不争的事实。随着时间的发展，如果一个技术持续研发应用得足够久，它的费用就会开始向零靠近（但绝不会达到）。在适宜的时间，任何一种技术性应用都好似是免费产品发挥作用。这一趋向免费的趋势对于食品、材料这种基本物品（通常被称为消费品）似乎是适用的，而且对于家用电器这种复杂的产品也是适用的，另外，同样也适用于服务和无形的东西。所有这些物品的费用（就每个固定单位而言）随着时间的流逝在一直下降，自工业革命以来尤其如此。在2002年国际货币基金组织发表的一份报告指出：“在过去的140年里，实体商品的价格呈现出下降趋势，大约是每年下降百分之一。”也就是说在一个半世纪以来，物价都在向零靠近。
这一趋势并不是只存在于电脑芯片和高科技产品领域。几乎是我们在每个行业制造的每件东西，都在沿着同一个经济发展方向前进，那就是每天都变得更加便宜。让我们举个例子，比如铜材料的费用下降。按照时间，将其向零靠近的价格趋势绘制成图。在它的价格继续向零靠近时，这个曲线会遵循一个数学模型。假设这个数学函数保持不变，那么它的价格永远不会达到完全免费的界限。可是，它的价格会稳定地向这个界限靠近后再靠近，进入到无穷无尽的狭窄缝隙里。这种向一个界限不断靠拢但又不会交叉的模式被称为接近渐近线。这里的价格不会是零，但实质上与零无异。通俗来讲，通常理解为“便宜到没法比较”——跟零靠得太近，甚至没法记录变化。
这也产生了一个巨大的问题：在一个充斥廉价品的时代，又有什么是真正有价值的？有些矛盾的是，我们对于商品的注意力并不怎么值钱。我们的猿猴大脑很容易被廉价产品劫持。在资源丰富的社会里仍然稀缺的是那种并非由商品派生或专注于商品的注意力。当所有商品的费用都在向零靠近时，唯一一件还在增加费用支出的事情就是人类的体验——这是无法被复制的。除体验以外的每样东西都在逐渐变得商品化，逐渐变得可以过滤掉。
高档的娱乐方式正在以每年6.5%的速度增长。音乐会门票的平均价格在1981年到2012年增长了近400%，远远超出了同期物价增长的150%。医疗保健的价格也出现了类似的增长，从1982年到2014年增长了400%。在美国，临时保姆的平均价格为15美元每小时，这是最低工资的两倍。在美国的一些大城市，父母们为了找人照顾孩子一晚上花100美元已是再正常不过的事了。针对身体体验进行独家细心照料的私人教练是近来快速发展的职业之一。在救济院，药物和治疗的费用在下降，然而家庭拜访（体验方面）的费用却在增加。婚礼的花费更是没有限制。这些都不是商品，它们都是体验。我们对它们投入了全身心的纯粹的注意力。这些体验是不能复制或者储存的。对于这些体验的创造者而言，我们的注意力是十分有价值的。人们在创造体验和消费体验上都十分擅长，这并不是巧合。就这一点而言，机器人毫无用武之地。如果你想了解当机器人接手了我们现在的工作之后，我们人类会做什么，那就看看这里。我们会将珍贵的、稀缺的注意力投入到体验上。这是我们将会把钱花出去的地方（因为体验不是免费的），也是我们将要挣钱的地方。我们将会利用技术来生产商品，为的是避免我们自己成为一件商品。
还有一件有趣的事情与这一系列用于提升体验并促进个性化的科学技术有关，那就是它们给我们施加了巨大的压力，以促使我们去弄清楚我们是谁。我们很快就要直接地居住在包含万物的图书馆中，周遭围绕着不断变化的事物，那是人类世界所有现存的各种各样的作品，它们都恰恰处在我们伸手可及之处，而且还是免费的。最大的过滤器将准备待命，默默地引导着我们，随时准备为我们的需求服务。过滤器会问，我们想要什么？你可以选择任何东西，你会选择什么？这些过滤器已经监视我们几年之久，它们能预期到我们将会问什么。它们几乎可以迅速地自动完成我们的要求。然而问题在于，我们并不知道我们想要什么。我们对自己并不是很了解。从某种程度上说，我们依赖过滤器来告诉我们自己想要什么。它们并不像是奴隶主，反而更像一面镜子。我们会听取由我们自身行为产生的建议和推荐，这是为了听一听、看一看我们自己是谁。在互联云里的几百万台服务器上运行着数亿行代码，它们在不停地过滤、过滤、过滤，帮助我们提取自身的独特点，优化我们的个性。人们担心技术会使我们变得越来越一致化、越来越商品化，但这种担心是不正确的。实际上，我们进行的个性化定制越多，对于过滤器而言处理起来越简单，因为我们会变得更为独特，有着一个它们可以处理加工的实质区别。经济依靠区别对待来运行。我们可以利用大量的过滤器，在明确我们是谁的同时，为我们自己进行个性化的定制。
进行更多的过滤是必然的，因为我们在不停地制造新东西。而在我们将要制造的新东西中，首要的一点就是创造新的方式来过滤信息和个性化定制，以突显我们之间的差异。