在免費數位內容的世界：互信才是你真正打造的產品。

如今的科技內容之多，即使人類花費一千年也讀不完。每個主題都包含數十個 YouTube 影片、三篇 Substack 文章、一個 GitHub 程式碼庫和一個 Reddit 討論帖，其中大部分內容都是在最近六個月內創建的，而且很多技術資訊都是準確的。

然而，我接觸的大多數專業人士都表示，他們不知道該相信什麼。他們無法決定先閱讀哪些最重要的訊息，也無法從十個可能的答案中選出正確可靠的答案。這種情況在人工智慧出現之前就已存在，而人工智慧的出現只會加劇這個問題，使問責制和信任面臨越來越大的挑戰。

在科技出版的大部分歷史時期，編輯和事實查核都是一個單一、緩慢且成本高昂的過程。出版一本書可能需要數年時間；我們會找到作者，審查他們的背景，讓他們與編輯合作，並與技術審查者核實他們的說法。

大部分時間都花在了甄別真實有用的信息和令人困惑或看似真實的信息上。這是一個費時費力的過程，但也意味著讀者可以信賴書頁上的資訊。

書籍及其出版商的信譽度與資訊本身同等重要。當製作成本降至零時，這種信譽反而會變得更有價值。內容創作變得前所未有的容易，但如果沒有透明的製作流程，讀者就無從知曉知識的來源，也無法判斷其是否可信。

正如孫亞斯敏在她的著作《人工智慧時代的自由撰稿人優勢》中所述，「信任不僅僅關乎資訊本身及其質量，更關乎資訊的發送者——是誰在說，他們的過往記錄，以及他們之前對我說過什麼。」 從業者之所以信任某個資訊來源，是因為他們尊重的人願意為此擔保。

他們相信作者所說的話，因為出版商有提供準確資訊並在必要時糾正錯誤的記錄，而且作品有據可查，可以驗證。

經驗是鮮活的，並且不斷發展。

內容本身固然重要，但圍繞內容的種種保障卻難以複製，而這些保障不僅來自內容創作者，也來自那些認可其品質和可靠性的評判者。有時，創作者本身就具備信譽；有時，出版商發掘出一位默默無聞的人才，並為其背書。

藝術評論家戴夫·希克利在他的著作《空氣吉他》中談到畫廊老闆時說：“他們從自己代理的知名藝術家那裡獲得聲望，並將這種聲望分享給那些有才華但還沒有機會建立聲譽的新興人才。”

專業知識是一個鮮活的、不斷發展的實體。內容一旦發布便開始貶值，因為框架會不斷演進，庫就會過時，昨天的最佳實踐今天可能就成了安全漏洞。在此背景下，將零信任理念擴展到程式碼層面以應對現代威脅的重要性就顯而易見了。為了保持專業知識的活力，一支能夠跟上發展步伐的團隊以及一個能夠識別過時內容並及時刪除或要求更新的編輯層至關重要。

這個團隊並非只有在作者準備好出版書籍時才能啟用。內容是我們平台的核心，但我們針對不同發展階段的內容進行最佳化。有些建議永不過時，有些建議會隨著時間而變化，但具有很長的生命力（我們的一些書籍出版近50年後仍在印刷！），還有一些建議每週都會更新。

我們與各個層級的專家合作，記錄那些經久不衰的事物，同時盡我們所能跟上這個似乎每天醒來都在變化的行業。

我們與數百位世界頂尖的從業者建立了聯繫，我們的使命是讓他們持續參與其中：在出現問題時提供快速的意見，在發布重大研究成果時提供結構化的回應，以及在新興話題出現時就舉辦現場會議。

信任是贏得的。信任是靠實力贏得的。

機構不會自動賦予內容信任。在科技界，信任是雙向的。從業者之所以能獲得信譽，是因為那些本身就具有信譽的人會關注、引用、討論並在此基礎上進行拓展。這個理念正是Google首項偉大創新——PageRank演算法的核心。一個頁面之所以重要，是因為其他重要頁面連結到了它。聲譽的運作方式也與之類似。

公眾不僅會接收聲譽訊號，也會創造聲譽訊號。當一位備受尊敬、其判斷力廣受認可的工程師高調宣稱某件值得一讀的事情時，這件事情本身的信譽度會略有下降；作者的信譽度會略有提升；而所有旁觀者都會在下次重新評估他們信任的人。

當我們認可某人的作品時，我們並非其可信度的唯一來源。相反，我們強化了既有的社會評價，也增添了自己的信任記錄。而認為這部作品值得信賴的讀者，反過來又會為作品的原創者恢復聲望和認可。

當讀者是機器時

不再只有人類需要可靠的工程知識。人工智慧系統，例如程式碼代理、調試器和架構顧問，已成為所有工作流程不可或缺的一部分，它們也迫切需要可靠的工程知識。這是因為大多數此類系統都基於從網路上收集的數據和技術文件構建，而這些數據和技術文件往往過時且未建立索引。儘管它們可能表達流暢，但卻容易出錯，這些錯誤必須經過仔細審查才能被接受，這也凸顯了將零信任概念擴展到程式碼的重要性。

隨著人工智慧工具越來越多地被用於產生可驗證的內容（例如程式碼，程式碼要么有效要么無效），以及在招聘和戰略等更不透明的領域中生成具有說服力的文件，風險也在不斷增加。就像其他依賴這些工具的人一樣，我們也面臨著這樣的問題：我們能夠與模型對話，並獲得乍看之下似乎很聰明的成果，這引發了人們對失控人工智慧代理責任的質疑。

經過幾輪使用，錯誤和不一致之處仍然存在。過去幾個月，我們辦公室收到的文件數量可能是平時的十倍，內容涵蓋新產品創意、策略規劃和提案等。然而，這些文本生成起來如此便捷，卻掩蓋了一個事實：模型本身或其運行人員對所討論的內容缺乏真正的了解。知識工作者需要將他們的工作建立在人類專家的洞見之上，尤其是在人工智慧驅動的工作中，這需要從一開始就提出必要的架構問題。

因此，我們正在努力建立工具，使代理商能夠利用我們的專業知識庫來支援他們提出的決策。

在考慮和論證關鍵決策時，可靠的資訊來源尤其重要。我們的技術長 Andrew Odewahn 描述了這種轉變：“18 個月前，重點是如何提高工程師的生產力；現在，重點是如何幫助組織做出更好的決策。工程任務正從編程輸出轉向規劃。”

對於諸如比較不同實現方法之類的規劃任務，你需要專家指導，就像一位「良師益友」在你身邊，幫助你做出符合實際情況的決策。你不能僅僅依靠大型語言模型（LLM）的最佳猜測來解決問題。信任至關重要，因為背後的專業知識是真實、實用且人性化的。