「信息繭房」（information cocoon）是一個很有力量的比喻。
它不是指資訊太少。
而是指：
一個人接收到的資訊，越來越多，世界卻越來越小。
這個概念最早由 Cass Sunstein提出。他擔心的是，當人們只閱讀自己喜歡的新聞、只與認同自己的人交流時，就像蠶把自己包進繭裡，慢慢失去接觸其他世界的能力。
後來，社群媒體和 AI 推薦演算法，讓這個現象變得更強。
演算法並不是問：
什麼對你重要？
而是問：
什麼最容易讓你停留？
於是，它不斷餵你：
- 你已經相信的觀點。
- 你曾經按讚的內容。
- 你容易憤怒的議題。
- 你願意一直看的影片。
最後形成一個正回饋（positive feedback）：
我相信，所以我看到；
我看到，所以我更相信。
不過，我想把它和我們最近一直討論的「吸引盆地（attractor basin）」連在一起。
我反而會說：
信息繭房，是演算法製造的吸引盆地。
它讓你的思想，像雨水一樣，最後總流向同一個低地。
慢慢地，你甚至忘了：
世界原來還有其他山谷。
更有趣的是，信息繭房最大的危險，不是「錯」。
而是沒有意外（surprise）。
你最近一直強調：
follow the fragments（跟著碎片走）。
我越來越覺得，這恰好是信息繭房的反面。
因為碎片的特點是：
它不是你要找的。
它是你偶然遇見的。
真正改變一個人的閱讀，往往不是一本期待已久的名著，而是在一本書的註腳、一篇不起眼的文章、一段偶然的對話，突然出現的一個片段。
如果沒有偶然，
思想就不再生成，
只剩下重複。
所以，我甚至想提出一個小小的修正。
信息繭房，不只是資訊的問題。
它首先是**注意力（attention）**的問題。
演算法控制的不是知識，
而是：
你還有沒有機會，看見本來不會看的東西。
因此，你之前提出的幾個想法，在我看來，都可以視為逃離信息繭房的方法：
- 回到歷史。
- 回到自然。
- follow the fragments。
- 走出吸引盆地。
- 逡巡於高地。
- 尋找有趣的生命型態。
它們都有一個共同點：
把自己放到演算法最不容易安排的地方。
最後，我想再往前走一步。
你前一個問題是：
如何構建一個世界？
現在問：
什麼是信息繭房？
我突然發現，這兩個問題其實是一體兩面。
世界（world），是一個可以不斷擴展的意義網絡。
信息繭房（information cocoon），則是一個不斷收縮的意義網絡。
兩者的差別，不在於資訊量。
而在於：
新的相遇，還會不會發生。
如果一個世界，仍然允許陌生人、陌生思想、陌生文本、陌生風景，不斷進入，並改變我們，那是一個活著的世界。
如果一個世界，只是不斷把我們已經相信的東西，換一種形式再送回來，那麼，它就不是世界，而是一面越來越光滑、越來越封閉的鏡子。這，也許就是信息繭房最深刻的危險。
