媒體推薦：推薦序 ：〈台灣得儘快跟上這些思考〉　陳穎青

本書作者在第三章提到的故事，言簡意賅地說出了資訊時代和紙本時代的微妙差異。

二〇〇七年，美國溢油防治技術研究所提供兩萬美元獎金，給第一位能將沉在阿拉斯加海底十八年的溢油成功抽出來的人。直接把石油抽出來沒有用，因為當它到達海面的時候，冰冷的阿拉斯加空氣會讓這個石油和水的混合物凝固，使它無法從平底船抽下來。

一位住在伊利諾州的化學家，雖然不太懂石油，但他非常懂水泥，而且他知道只要一直震動，水泥就不會凝固。他的解答得到了獎金。

傳統知識很難處理這種新...

第七章　太多科學了

二〇一〇年六月，美國全國公共廣播電台的《早報》節目播了一則新聞，跟媒體喜歡報導的典型科學新聞沒什麼兩樣：有個科學研究發現，老鼠喝了大量咖啡之後，牠們的小小腦袋就比較不會發生阿茲海默症。太讚了！那再喝一杯吧，因為這對你有好處！

事實上，你還是把你的杯子放下來比較好。雖然聽眾一開始會以為咖啡會預防阿茲海默症，這則新聞大部分的時間卻用來打破這個想法（這是好事）。咖啡用在老鼠身上可以預防阿茲海默症！也許吧！其他人體相關的研究有爭議，可是沒有定論！還有其他因素！我們根本不知道！這則廣播新聞提到的老鼠研究，其實並不重要！

也許正因為全國公共廣播電台有意識到這個問題，下一則新聞講的是另一個小型、類科學的研究怎麼被膨風，成為一個文化現象。一九九三年春天，一位叫饒舍的心理學家對三十六位大學生播放一首十分鐘的莫札特鋼琴奏鳴曲，之後再測驗這些學生的空間推理能力。饒舍還要學生在經歷無聲的十分鐘後接受一次測驗，另一群學生則是在聽了一個聲音單調的人講話十分鐘後受測。饒舍寫道，這個實驗的結果看起來非常明確：「聽了莫札特奏鳴曲的學生，空間推理能力測驗的分數明顯較高。」

全國公共廣播電台的報導追溯了整個現象，如何從一個樣本數稀少又非隨機選取的小型實驗，轉變成一個「給嬰兒的莫札特」的小型CD產業，以及美國喬治亞州免費贈送莫札特錄音給該州所有新生兒的現象。饒舍甚至還收到死亡威脅，因為她的論文裡指出，她沒有從搖滾樂裡觀察出同樣的益處。

全國公共廣播電台的報導將這種膨風現象歸因到美國人對自我改善的信念，以及因為我們會殷切關心自己的小孩。這樣說也對。不過，這種說法沒提到整個事件最根本的因素：饒舍在還不知道她的論文會被刊出的時候，就收到美聯社的詢問電話了。美聯社的報導一發布，「莫札特效應」就處處可見了。饒舍接受全國公共廣播電台的訪問時說：「比方說，我們上了知名主播布羅克的晚間新聞。有人跑到我們家裡來，要進行現場直播。我還得雇用一個人，專門幫忙處理我接到的一大堆電話。」所有的新聞標題，大都跟「莫札特會讓你變聰明」大同小異。一小塊的資料，於是釀成遠遠超出原先所料的結果。

這很明顯不是科學應該有的運作方式；不過，科學放在現實世界裡，就會這樣子運作。全國公共電台有些聽眾至今一定會每天多喝一杯咖啡，只因為某一項實驗有了出乎意料的結果。數千名嬰兒在長大的時候一定聽了噁心做作的新世紀版本莫札特，只因一群在統計學上不顯著又沒有代表性的大學學生，在沒有良好對照的情況之下，進行一項非常狹隘的工作時得到稍微好一點點的成績。我們的文化太常用這種方式來吸收科學知識。

當然，科學本身不是這樣子運作的。科學方法讓我們可以透過有良好對照、可以重複的實驗，區隔出特定效果背後的因素，進而驗證各種假說。世界各地的實驗室和工作室裡每日例行的工作，絕大多數都是這樣子進行的。就算非實驗性質、比較偏重理論或觀察的科學學門（像是演化生物學），科學工作依然相當仔細和保守，以很有耐心的方式將各種事實串聯在一起，成為可以解釋這些事實的理論。

這樣的策略固然很好，可是在一些非常重要的領域裡，這種策略無法放大。現今的資料量，遠遠超出達爾文的想像。舉例來說，美國兩位開國元老，傑佛遜和華盛頓，都有記錄每日的天氣，但他們不會記錄每小時（甚至是每分鐘）的天氣。這不只是因為他們有更重要的事情要做，也是因為這樣的資料似乎沒什麼用處。就算電報機的發明讓氣象資料可以集中處理，在一八四九年時，從史密森學會收到觀察儀器的一百五十名志願人士，每天依然只會回報一次氣象資料。如今，我們有無法計量又不會間斷的氣候資料，不斷從繞行地球的衛星、浮在海裡的浮標，以及雨林裡具備無線網路連線的感應器裡流動回來。我們會測量氣溫、降雨量、風速、二氧化碳濃度與太陽風的脈動。一旦我們有辦法記錄這些資料，用電腦處理這些資料，並將資料洪流和資料處理器用網路連結起來後，這一切的資料（還有比這還要多的資料）就值得我們加以記錄。

雖然如此，從整個文化層面來說，我們沒辦法應付某個春日在某間教室裡用三十六名大學生做的實驗。既然如此，我們又怎麼能理解那些大到無法知曉全貌的科學議題呢？簡答是：改變「以科學方式認知事情」所代表的含義。

這不會是我們第一次改變這個定義。舉例來說，當培根認為與世界有關的知識，必須建立在與世界有關、經過仔細驗證的事實之上時，他不只是讓世界有個全新的方式來留藏舊式的知識；他其實是將「知識」重新定義為建立於事實之上的理論。網際網路的時代，正以相同的幅度重新定義科學知識。從這本書目前為止所討論的事情中，我們應該可以假設科學知識開始具備新的媒介所擁有的特性，使得科學知識變得跟它所屬的網路一樣：（一）龐大；（二）不再那麼階級化；（三）更加持續公開；（四）較少經由中央過濾；（五）更能容納差異；（六）超連結化。

以下我們就來看看這些影響科學的結果，以檢視一門殷切關注真理的學科如何被知識的網路化所影響。

一、大到沒辦法再用理論

一九六三年時，美國馬約診所的佛舍醫生在威望甚高的《科學》期刊上，發表了一封現在相當著名的信，抱怨科學家製造出太多的事實。這封信的標題是「磚場裡的混亂」，信中指出新一代的科學家拚命生產「磚塊」（也就是事實），卻不管這些磚塊要怎麼拼湊在一起。佛舍擔心，生產磚塊本身就已經成為一個目的。「於是，世界被磚塊淹沒了……找出適合某項工作的磚塊變成一件難事，因為必須從太多的磚塊裡尋找出來……完成一個有用的建築變成一件難事，因為當地基清晰可辨，馬上就會被埋在一大堆隨機生產出來的磚塊下。」

如果一九六三年的科學就已經像是一個混亂的磚場，那麼佛舍要是看到GBIF.org上的全球生物多樣性資訊機構，肯定會癱在地上號啕大哭。過去幾年來，全球生物多樣性資訊機構網羅了數以千計的事實磚塊收藏，從波蘭國家公共衛生研究院的細菌，到南極洲韋斯特福爾山脈的威德爾海豹，都有數量分布統計。GBIF.org的設計模式，正好就像佛舍所痛批的磚場——只是呈現資訊，沒有任何假設、理論或架構；只不過它比佛舍所想像的還要大上好幾倍，因為這位可憐的醫生不可能想到磚場用網路連結起來後會是什麼樣子。

事實上，以事實為根據的網路化磚場是一個蓬勃發展的產業。舉例來說，「蛋白質體共享空間」網站上，有跟各種生物相關的蛋白質資訊。蛋白質體共享空間是一位研究生的一項獨立計畫，網站上分享了將近一千三百萬個檔案，總容量達十二．六TB之多。這些資料來自世界各地的科學家，並免費提供給任何人使用。另外，「史隆數位巡天」（該網站有個自命不凡的口號，是「替宇宙描繪地圖」）從分布於世界各地的二十五個機構裡蒐集天空地圖，並將之公開發布。耗時八年、於二〇〇八年完成的第一次調查，總共公布了兩億三千萬個天體的資訊，當中包括九十三萬個星系；由於每個星系又包含好幾百萬顆星星，這個磚場有一天可能會大到我們數不出來的規模。這些新興的資料磚場之中，最有名的是「人類基因體計畫」。該計畫在二〇〇一年完成人類完整的「基因藍圖」草圖，不過光就數量而言，它已經被「國際核苷酸序列資料庫合作計畫」超越了；這個計畫截至二〇〇九年五月為止，已經收集了兩千五百億筆基因資料。

科學資料目前已經多到讓「磚塊」這個譬喻看起來過時兩百年了，這背後有三個基本的原因。

首先，刪掉東西的經濟學已經變了。我們以前用可悲的老舊底片相機照的照片，就算是成本比現今的數位相片高上許多，絕大多數還是會丟掉，因為相冊很貴又占用空間，而且我們還要花費不少時間來決定要保留哪些相片。現在，與其瀏覽一張又一張的照片，把全部的照片丟到硬碟裡（或某個網站上），可能都不會那麼耗費成本。

這就是為什麼美國政府制定政策讓Data.gov網站在幾個月之後成立時，網站的管理人員沒有先仔細檢查所有資料，就直接讓這些資料上線。他們也沒有要求各個政府機關制定政策，用嚴格的標準來詮釋這些資料。他們所做的，只是把所有的資料丟到網站上而已。如果管理人員非要審閱資料，把所有不可靠或他們認為沒價值的東西丟掉不可，那麼Data.gov就會變成讓每個政府團隊不斷踼皮球，永遠都不可能完工的計畫了。

第二，分享的經濟學已經變了。美國國會圖書館的儲藏室裡有好幾千萬項收藏，因為物理的法則讓展示和保存實體物件困難重重（更別說分享這些實體物件了）。網際網路讓我們更容易分享自己數位儲藏室裡的東西。當資料量大到連網際網路都不好處理時，有些獨具創意的人會因此發明出新的分享方式。舉例來說，蛋白質體共享空間所使用的Tranche系統，就創造了專屬的技術協定，讓動輒以TB計的資料可以透過網際網路分享，而且不會只有一個資料來源負責輸出所有的資訊；分享的過程本身就已經分攤到整個網路上面。新的「鍵連資料」格式，也讓我們更容易將資料分裝成許多小碎塊，並讓這些小碎塊可以被人發現和重新利用。透過網際網路存取和分享資料的能力，更會加強新的「刪東西經濟學」；本來不值得收藏的資料，現在具有新的潛在價值，因為其他人可以找到和分享這些資料。

第三，電腦的聰明度已經大幅躍進。創用CC科學副執行長（以前叫作「科學共享空間」，下文會再提到）威班克斯說：「以前要畫出一個基因的圖譜，要花上一年的時間。現在，一個人用自己的桌上型電腦，一天就可以畫三萬個圖譜了。一個兩千美元的微陣列儀器，就能讓人看到人類基因體隨著時間變化的反應。」第一位罹患H1N1「豬流感」的病人確診之後沒幾天，一千六百九十九個鹼基組成的H1序列就已經分析完成，並上傳到全球的資料庫了。即使是個人桌上型電腦都具有相當強大的處理能力，這讓大家儲存和分享的資料具有更高的潛在價值。

磚場的規模現在已經變得跟整個銀河一樣大了，可是佛舍還會聽到更多的壞消息。問題不光只是磚頭式的事實太多、蓋大樓用的理論太少而已，而是銀河般的資料創造出來後，讓科學有時候太豐富、太複雜，沒辦法簡化為理論。由於科學已經大到我們無法知曉全貌，我們對於「知曉全貌」一事也有了不同的想法。

舉例來說，任何生物的生物系統都複雜得超乎想像。就算是細胞，這個生命最基本的元素，本身也是一個系統。一個稱為「系統生物學」的新興學門，研究的就是外在刺激如何透過細胞膜傳送「訊號」。有些刺激會造成相對簡單的回應，但又有些刺激會造成一連串的反應。若要理解這些訊號，不能把它們各自分開來看。就算只是一個細胞，整體的反應都超出用這些細胞組成的人類所能理解的範圍。二〇〇二年時，北野宏明在《科學》期刊上發表一篇系統生物學的專題報導（這也代表這個新興領域的重要性受到公認）。他寫道：「這個領域現在之所以讓人再次加以重視，主要是因為分子生物學的進展……讓我們可以收集系統表現的完整資料，並得到跟背後的分子有關的資訊。」當然，我們現在有辦法收集完整的資料，完全是因為電腦變得這麼強大的緣故。在以書籍為主的時代裡，系統生物學根本就不可能存在。

由於我們現在能夠存取這麼多的資料，一種新型態的科學於焉誕生。這種科學不僅能夠研究「一個細胞或生物體個別的特性」（這裡引述北野宏明的話），更能研究那些不在個別部分出現的特性。舉例來說，我們身為生物體的一個驚人特性，就是我們相當強韌——我們的身體會一而再、再而三地復原（當然，一直到它沒辦法復原為止）。韌性是一個系統的特性，而非構成這個系統的個別元件的特性；這些個別元件可能並不強韌，而且有些會像保護蟻后的螞蟻一樣，可能會「自我犠牲」，讓整個系統有辦法存活。事實上，「生命」本身就是整個系統所具備的特性。

現在的問題（或至少說是改變）是，就算系統只跟一個簡單的細胞一樣複雜，我們人類也沒有辦法理解。這並不是說我們在等人發明一套絕妙的理論，讓我們可以就此釐清所有的細節分別有什麼樣的地位。事實上，這個理論早就已經根深柢固了：細胞系統包含一套詳盡的交互作用，這些交互作用可以視為各種訊號和回應。可是，這些互動機制的數量和複雜度，超出了人類大腦能夠理解的範圍。這種系統的科學，必須仰賴電腦來儲存所有的細節，並檢視它們如何互動。系統生物學家會建構電腦模型，用軟體來模擬幾百萬個元件互動時會發生什麼事情。這有點像是預測天氣，但跟預測天氣比起來，系統生物學更仰賴特定事件，也比較不會仰賴一般的通則。

我們常常無法掌握這般複雜的模型（不論是細胞生物學、天氣、經濟體系，或甚至是高速公路路況），因為世界比我們的模型所能掌握的還要複雜。不過，有時候它們可以準確預測系統會怎麼運作。就最複雜的層面而言，這些是湧現與複雜的科學：如果只看個別元件，會看不出這些科學所研究的系統特性為何，而這些特性只有藉由觀察究竟發生了哪些事情，才能做出準確的預測。

這代表科學出現了一個重大轉折。對四百年前的培根、一百五十年前的達爾文，和五十年前的佛舍來說，科學的目的是要建構出理論，讓這些理論不僅建立在事實之上，還能解釋這些事實。事實都跟特定的事物有關，而知識所探討的應該是四處皆然的通則（至少那時的想法是如此）。所有跟四處皆然的通則有關的知識進展，都讓我們朝造物者設下的最終命運向前推進一步。

這樣的策略當然也有一個務實的層面。通則的數量比特定細節的數量少，而且如果你知道通則的話，經常可以推斷出細節：如果你知道用來解釋星球運行的通則，你就能推斷出地球上任何一天裡，火星會出現在天空上的哪個位置。把目標放在四處皆然的通則，是一種簡化的策略，而這樣的策略也是廣義的傳統策略的一部分：面對一個大到無法知曉全貌的世界，我們採用的手段就是把知識縮減，直到成為大腦和科技可以加以處理的規模為止。

因此我們就一直盯著數據列表，直到看清楚它們的簡單規則。克卜勒詳讀了他的老闆布拉赫製作的星圖，直到一六〇五年，他終於發現如果行星不是以完美的圓形繞行太陽，而是以橢圓形軌道公轉的話，一切就說得通了。三百五十年後，華生與克里克不停盯著DNA的X光圖片看，直到他們發現如果分子的結構是雙螺旋的話，原子間距的數據就說得通了。有了這些發現後，原本讓人費解的隨機資料，就透露出一種我們可以理解的秩序：啊，原來軌道是橢圓形的！啊，原來分子是雙螺旋架構！

以資料庫為基礎的新型態科學裡，複雜的事物經常不會一瞬間變得簡單，讓我們有辦法理解。整個模型沒辦法縮減為一個算式，讓我們得到這個算式之後就把模型丟掉。我們非得執行模擬程式，才能看出到底會發生什麼事。舉例來說，這一類模型的專家伯納博，就提出一個簡單的賽局樣式：把十到四十個人放在一個房間裡，並隨機替每個人分配另外兩個人——一個是獵人，一個是獵物。每個人都要遵守一個簡單的規則：讓自己擋在獵人和獵物的中間。這樣會不會造成任何可以預測的運動模式呢？如果會的話，那又會是什麼樣子？唯一的方式就是真的這樣子做做看，不論是下次開派對的時候拿賓客來試試，或是用電腦模擬都可以。根據模擬的結果，一個大約跟派對賓客人數一樣多的群體，幾乎會立刻在房間的中間緊緊聚在一塊。

在還沒執行模擬之前，這樣的結果難以預測，可是我們如果知道這個模型以後，也許就會覺得這個結果有點道理。不過當行為的規範變得愈來愈複雜時，我們就不會再有這樣的感覺了（更何況這種感覺本來就可能是幻覺）。舉例來說，如果用電腦模擬一群人在慌亂之中從密閉空間逃出來的動線，就會發現如果在逃生門前一公尺稍微偏向兩側的地方放一根柱子，反而會增加人群逃出的流動速度。這是為什麼呢？這背後也許有個理論，或者也可能只是個浮現出來的特性而已。我們可以一步步讓複雜度增加，從派對遊戲進展到只想逃出失火建築的人群，再進展到許多人各具不同不斷轉變的動機的人所構成的現象（像是市場）。我們可以創造出這些的模型，也許還能知道這些模型怎麼運作，卻完全不了解背後的原因。它們太過複雜了，只有我們的人工腦袋才有辦法掌握這麼龐大的資料量，以及這當中的各種互動。

純物理性互動的模型也是如此，不論這些模型是跟細胞、氣象變化，或灰塵微粒有關。舉例來說，康乃爾大學的李普生和許密特開發出來的Eureqa程式，就是為了在人類實在無法搞懂的大量資料中（像是細胞訊息傳導，或是古柯鹼對白血球的影響），找出可以用來理解這些資料的算式。Eureqa會先找出算式來解釋某些資料片斷之間的關係，然後再不斷調整和測試這些算式，來看運算的結果能不能更符合這些資料，並且會不斷持續下去，直到找出一個適用的算式。

德州大學西南醫學中心的蘇爾用Eureqa來看單一細菌細胞裡面，是什麼讓幾千種元素產生波動變化。蘇爾餵了Eureqa一大堆磚場般的資料，Eureqa反覆咀嚼之後，跑出了兩個可以表示細胞內常數的算式。蘇爾找到了他要的答案，只是他完全不了解為什麼，而且也認為沒有人能夠了解。這有點像是愛因斯坦夢到E=mc2，我們也確認這個算式的確成立，但卻沒有人知道c代表什麼。

沒有人會認為，光有一個人類沒辦法理解的答案，我們就會覺得滿足。我們想要真正理解一件事，而不是只像Eureqa那樣。我們的軟體產生這種先知般的算式，有時候我們也真的能夠理解其原因。但反過來說，一位使用Eureqa的生物物理學家衛克斯沃，跟《連線》雜誌的記者說：「生物學比想像還要複雜，複雜到我們沒辦法理解這個複雜程度背後的答案。這個問題的答案，就是Eureqa計畫。」世界的複雜程度，可能根本就超出我們大腦的理解能力。

以模型為基礎的認知方式有許多早已明載的困難處，特別是如果我們要用模型來預測現實生活中的事件，因為這些事件難逃歷史難以捉摸的特性：白堊紀生態的模型不可能包括一顆突然撞到地球的小行星，而且也沒有人預料世界上會有黑天鵝出現。雖然如此，模型依然可以具備科學假設所需的預測能力。我們有一種新的認知方式。

這種新的知識不只需要巨型電腦，還需要一個網路把這些電腦連接起來，用資料餵食它們，並讓大家可以存取其工作成果。這種知識不存在個別的頭腦之中，而是存在網路裡面。

不過，「巨大」只是這種新科學知識吸收進去的第一種網路特性而已。

二、更扁平

達爾文其實不算是一個職業科學家。他沒有在大學或其他研究機構裡任職。他藉由旅遊寫作來支持他的科學工作，後半輩子亦有父親留下來的遺產。不過，他依然是科學界密不可分的一份子，更是皇家動物學會、倫敦皇家自然知識促進學會和林奈學會的會員。

孟德爾則是完全不同等級的業餘人士。他無法通過高中教師的資格考試，所以年復一年在修道院的院子裡工作，觀察著一代又一代平滑和皺摺的豌豆的特性。如今，只要有人提到孟德爾的名字，幾乎一定會加上「遺傳學之父」。不過，他終其一生都沒受到公認，沒有從事科學相關工作，也不是科學界的一份子。

科學界向來就有接納業餘人士的傳統。畢竟，不管話是誰說的，真理就是真理。但反過來說，如果孟德爾寄給達爾文的手稿上面，標明從某間知名大學寄過來的話，達爾文就可能把未裁切的頁面切割開來閱讀。如果靠自學而成的印度數學天才拉馬努金沒有在一九一二到一九一三年間寫信給三位劍橋大學的教授，他畢生的心血（包括以他為名的「拉馬努金猜想」）很可能就從世界上消失，沒有留下任何影響。如果「家庭主婦和母親」舒梅克沒有跟一位天文地質學家結婚的話，她可能就不會成為最知名的彗星獵人，以及舒梅克—李維九號彗星的共同發現人。如果菲律賓和澳洲的業餘天文學家沒有跟專業人士說，他們各自在觀察木星的時候看到兩秒長的亮光，我們也許不會知道這個亮光是一顆小彗星或小行星撞上木星造成的。業餘人士之所以能成功，是因為有正式機構裡的專家可以替他們驗證。

網際網路並沒有讓世界不再需要經過認證的專業科學家，也沒有完全消除專家和業餘人士之間的界線。不過，它讓這個界線變得模糊了：有愈來愈多人提供資料，有更多捉摸不定的關係，也有更多糾纏不清的關係，讓社群跟正式組織糾結在一起。業餘科學家和專業科學家之間，本來有一道經由認證的過程定義、維持住的斷層；現在，網際網路處處伸出觸手，試圖找到跨越這道鴻溝的方式。

第七章　太多科學了

二〇一〇年六月，美國全國公共廣播電台的《早報》節目播了一則新聞，跟媒體喜歡報導的典型科學新聞沒什麼兩樣：有個科學研究發現，老鼠喝了大量咖啡之後，牠們的小小腦袋就比較不會發生阿茲海默症。太讚了！那再喝一杯吧，因為這對你有好處！

事實上，你還是把你的杯子放下來比較好。雖然聽眾一開始會以為咖啡會預防阿茲海默症，這則新聞大部分的時間卻用來打破這個想法（這是好事）。咖啡用在老鼠身上可以預防阿茲海默症！也許吧！其他人體相關的研究有爭議，可是沒有定論！還有其他因素！我們根本不知道！這則廣播新...

前　言　知識的危機：當知識的媒介從紙本轉入數位

第一章　知識過載
早在十七世紀，已有人抱怨我們現在稱為「資訊過載」的現象。長期以來，我們使用刪去法，將過載資訊過濾出需要的知識；而今，在網際網路的時代，過濾的策略不再是刪除，而是將所需資訊過濾到最前面。

第二章　喪失邊界的知識體系
為了應付過載的知識，我們為知識設立了由各種停駐點組成的體系。然而，如同近年來，美國聯邦政府在歐巴馬的指示下，將行政機關所有非機密資料公開；這樣把大量事實公開、供人自由使用，便是拆了停駐點上的釘子，使得知識的根基不再像以前那樣不可動搖，也不再有界限。

第三章　知識的整體正在流逝
即便我們保有事實，保有專家，保有一切東西，但知識的整體卻正在流逝。當老舊知識媒介的限制逐漸褪去，知識在網際網路裡到底會變成什麼樣子？

第四章　專業知識在雲端
戴維斯是水泥專家，溢油防治技術研究所卻在網路上找到了他，成功解決了石油專家都解決不了的溢油抽取問題。透過網際網路的特性，專業知識發揮了更大的效益，專家所形成的網路遠比專業意見的總和更聰明。

第五章　網路的多元與回聲
在聲音多元的網際網路裡，意見相同的人容易聚集在一起，形成回聲室。美國憲法學者桑斯坦指出，網際網路將創造出更多回聲室，使得「群體極端化」並破壞民主，人民更難取得共識。然而，實際情況正好相反。

第六章　長篇的形式vs.網路的形式
書籍是一種非連線、非對話式的單向媒介，將思想固定在紙張上，使思想論證必須以長篇形式呈現；網路化知識則沒有形狀與固定形式，論證能以自然的長度呈現，主題隨時能交錯連結，這樣「糾混」的網路也許更能準確反映這個世界。

第七章　太多科學了
十七世紀，培根將「知識」定義為建立於事實之上的理論；二十一世紀，網際網路正以相同的幅度重新定義科學知識。網路化的科學巨大到無法讓人知曉全貌、永遠針鋒相對，而且沒有定論，如此反而更接近科學家看待科學的方式。

第八章　聰明的網路式決策
當採用舊時階級式決策方式的企業愈來愈無法與網際網路切割之時，就算決策者本身沒有清楚意識到，其決策方式也會開始具有網路的特性。網路化知識遠遠超越單一人能掌握的範圍，若要做出最有智慧的決定，必須利用網路的力量。

第九章　建立知識的新架構
儘管身處知識的危機中，但網際網路降低了阻礙，改變了知識的根本架構，也改變了我們面對世界的方式。網路化的知識，讓我們更接近知識的真相。

前　言　知識的危機：當知識的媒介從紙本轉入數位

第一章　知識過載早在十七世紀，已有人抱怨我們現在稱為「資訊過載」的現象。長期以來，我們使用刪去法，將過載資訊過濾出需要的知識；而今，在網際網路的時代，過濾的策略不再是刪除，而是將所需資訊過濾到最前面。

第二章　喪失邊界的知識體系為了應付過載的知識，我們為知識設立了由各種停駐點組成的體系。然而，如同近年來，美國聯邦政府在歐巴馬的指示下，將行政機關所有非機密資料公開；這樣把大量事實公開、供人自由使用，便是拆了停駐點上的釘子，使得知識的根基不再像以前...