在算法推薦大行其道的今天，比自己更了解你的，既不是你的朋友，也不是你的敵人，可能是你的APP。

時(shí)不時(shí)地，我們總能被各種app對(duì)自己精準(zhǔn)的尋找，嚇到。

淘寶、京東的商品推薦，總讓你懷疑自己莫不是被監(jiān)聽(tīng)監(jiān)看，連知乎這樣的“清白之地”，似乎也在暗暗用力，不斷描摹刻畫(huà)你的用戶(hù)畫(huà)像。

被男朋友猜中心思是粉色的，被自己的app猜中總是有點(diǎn)情感復(fù)雜。被算法理解，雖然它能恰如其分地為你送上一首歌、一篇文，但這樣的理解到底是存了一點(diǎn)孤單。

我們總是希望盡力過(guò)好豐富人生，把自己看成一個(gè)多面的棱鏡，百變而神秘。但是，這種程序化的算法，似乎簡(jiǎn)簡(jiǎn)單單就將你刻畫(huà)復(fù)制了出來(lái)。

從這個(gè)問(wèn)題反推思考，我們是不是能借助不同的app完成一次自我探索的認(rèn)識(shí)之旅?

算法何以了解你

既然想借助這些個(gè)看不見(jiàn)摸不著卻強(qiáng)大的幕后力量，上演一出“將計(jì)就計(jì)”的好戲，那就先跳上“神壇”看看吧。

推薦算法的產(chǎn)生，和人類(lèi)信息環(huán)境的變化直接相關(guān)。從信息匱乏時(shí)代走向信息過(guò)載時(shí)代，每個(gè)人陡然發(fā)現(xiàn)在信息獲取上自己面臨著新的困境：龐大信息帶來(lái)的低效。而推薦算法恰是為了解決這一問(wèn)題。

憑借個(gè)性化的推薦和對(duì)冗余信息的有效降低，推薦算法在國(guó)內(nèi)外得到了廣泛使用。從亞馬遜、YouTube、谷歌到今日頭條、網(wǎng)易云音樂(lè)、淘寶京東，算法成為一個(gè)近乎魔法的概念。

亞馬遜推薦算法的調(diào)整曾給賣(mài)家?guī)?lái)不小的震蕩

目前，內(nèi)容推薦、協(xié)同過(guò)濾是十分主流的推薦算法。

基于內(nèi)容的推薦算法(content-based)特別適用對(duì)文本內(nèi)容的解析。將一則文本視為一條item，通過(guò)不斷地抽取、細(xì)化，為文本打上無(wú)數(shù)的標(biāo)簽，形成taglist。當(dāng)用戶(hù)在做個(gè)性化推薦時(shí)，可以將用戶(hù)最近操作過(guò)的item列出，用這些taglist模擬成一個(gè)用戶(hù)模型，再用倒搜索引擎為用戶(hù)推薦候選結(jié)果。在國(guó)內(nèi)，采取CB算法的最典型代表就是今日頭條。

基于內(nèi)容的推薦算法可謂最為“古老”

在頭條之后，新聞資訊APP都采取了推薦算法。文本信息的處理特性，使得基于內(nèi)容的推薦算法成為主流。

協(xié)同過(guò)濾(collaborative filtering)則是從集體智慧出發(fā)實(shí)現(xiàn)的一種推薦。比如通過(guò)對(duì)用戶(hù)喜歡的項(xiàng)目分析，發(fā)現(xiàn)用戶(hù)A和用戶(hù)B兩人十分相似，兩人都喜歡相同的內(nèi)容，那么就可以把用戶(hù)A喜歡而用戶(hù)B還未喜歡的項(xiàng)目C，嘗試著推薦給B。

另一種協(xié)同過(guò)濾則是基于item本身(item-based，CF )。這種推薦不需要找到和用戶(hù)A相似的B，而是完全基于用戶(hù)A的單獨(dú)行為。itemA和itemB十分相似，而用戶(hù)A很喜歡itemA，那么就可以把B嘗試推薦給用戶(hù)。網(wǎng)易云音樂(lè)的后端算法主要是基于這兩種協(xié)同過(guò)濾算法。

此外，基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)也是十分頻繁常見(jiàn)的推薦算法。

剔除那些細(xì)致、龐大的計(jì)算方程和運(yùn)算過(guò)程，推薦算法底層邏輯的說(shuō)明也不過(guò)百字之內(nèi)。哪怕聽(tīng)起來(lái)不明覺(jué)厲的AI算法，也不過(guò)是更復(fù)雜的數(shù)學(xué)模型。

在神話(huà)已死的年代，科學(xué)卻成為了最大的神話(huà)。

以算之道反算其身——科學(xué)馴養(yǎng)APP不完全指南

在實(shí)踐中，這些APP所遵循的個(gè)性化推薦系統(tǒng)要復(fù)雜得多。

從別的維度出發(fā)，以網(wǎng)易云音樂(lè)、頭條為例，又可以將其推薦算法切分為官方推薦、UGC用戶(hù)推薦和熱門(mén)推薦(熱度加權(quán))等。

當(dāng)APP面對(duì)一個(gè)新用戶(hù)，由于缺乏用戶(hù)行為數(shù)據(jù)，精準(zhǔn)個(gè)性化的推薦可謂是“巧婦難為無(wú)米之炊”，這時(shí)對(duì)新用戶(hù)的推薦，會(huì)提供給他大部分人都喜歡的歌曲，這種類(lèi)似于大盤(pán)數(shù)據(jù)的官方推薦，能讓你在初入時(shí)，不至于那么無(wú)措;當(dāng)用戶(hù)在app上持續(xù)進(jìn)行搜索、收藏、喜歡、評(píng)論等行為數(shù)據(jù)后，算法就能針對(duì)你個(gè)人和你喜歡的歌曲，衍生出龐大的推薦庫(kù)。

但是基于APP個(gè)性化推薦的底層邏輯，我們依然可以借助有意識(shí)的行為方式，科學(xué)馴養(yǎng)app。

在新聞資訊類(lèi)APP上，主要的推薦原理就是依據(jù)用戶(hù)的閱讀行為。越是經(jīng)常點(diǎn)擊某類(lèi)文章，越是容易被推薦相同類(lèi)型。

資訊APP中都設(shè)置了眾多的興趣主題，在進(jìn)入這些app之時(shí)，用戶(hù)都需要完成一系列簡(jiǎn)單的選擇。這種最初也最簡(jiǎn)單的主動(dòng)選擇，形成了眾多差異化的用戶(hù)組，借助這種聚類(lèi)方法，嶄新尚未被“揣摩”的我們，其實(shí)已經(jīng)有了一副清淺的五官。

即刻上的興趣分類(lèi)

但這樣的分類(lèi)，往往太過(guò)粗淺，尤其在以性別作為重要分類(lèi)變量下，更是顯得性別固化。

新安裝即刻的用戶(hù)，在進(jìn)入app主頁(yè)前，都需要完成兩道選擇題，先是性別選項(xiàng)，再是細(xì)化的興趣分類(lèi)。如果你在第一步選擇自己是男性用戶(hù)，那么在第二個(gè)興趣分類(lèi)頁(yè)面，你將看到科技、游戲、二次元、男士穿搭指南、軍事和汽車(chē)等興趣主題。

當(dāng)你選擇女性角色后，這些主題變成了萌寵、綜藝、護(hù)膚、女性安全。

如果你是一個(gè)“非典型”女生用戶(hù)，愛(ài)好科技、喜愛(ài)戶(hù)外，想要在資訊類(lèi)app上實(shí)現(xiàn)高效的信息獲取，你得不停的用時(shí)間和精力去和潛藏不可見(jiàn)的算法磨合。

我們每個(gè)人相似卻也不同。若想擁有一個(gè)能“懂你”的APP，又豈能爭(zhēng)朝夕。

小王子把愛(ài)稱(chēng)作馴養(yǎng)：“如果你馴養(yǎng)了我，我們就彼此需要，成為彼此最特殊的存在”。

在眾多個(gè)性化推薦APP中溜達(dá)過(guò)一圈后，曾經(jīng)夢(mèng)想仗劍走天涯，豪氣十分的馴養(yǎng)APP似乎成了一個(gè)偽命題。因?yàn)椋?dāng)你完成這個(gè)雙向的游戲后，你和你的APP也就成為了一種“彼此最為特殊的存在”。

這何嘗不是一場(chǎng)互相調(diào)教的游戲

角色扮演：一場(chǎng)看不清的游戲

在網(wǎng)易云上，首頁(yè)的歌單成了心情和狀態(tài)的寫(xiě)照。

你可以是在這樣焦灼的夏季里，枕著一列勵(lì)志歌單奮斗的考研黨，也可以是一個(gè)歌單充滿(mǎn)阿爾法波、自然醇音的失眠患者，是一個(gè)從BBC卷福配音版的《南太平》到喜愛(ài)各類(lèi)紀(jì)錄片原音的英音愛(ài)好者…

這種角色扮演的游戲，對(duì)人類(lèi)而言有著歷史源遠(yuǎn)的基因。不管是神話(huà)、小說(shuō)、戲劇，還是在互聯(lián)網(wǎng)之后，我們擁有的眾多身份ID，追究下去，它們何嘗不是一種角色扮演。

曾經(jīng)，我們扮演了些孤獨(dú)的角色，隱身在二進(jìn)制世界，我們每個(gè)人都或多或少供養(yǎng)著些小號(hào)和另外的自我，扮演著微博小粉紅、中二少年和追星少女，而現(xiàn)在，我們似乎棋逢對(duì)手，與算法開(kāi)始了場(chǎng)互相博弈的游戲。

有時(shí)，這些推薦算法讓我們感到驚艷，那些未曾聽(tīng)聞卻讓自己分外喜歡的推薦，似乎總能在恰當(dāng)?shù)奶鞖馇‘?dāng)?shù)臍夥绽飺糁心愕娜彳洝?/p>

這種推薦，也時(shí)不時(shí)地有些萌蠢。

甚至讓你感到害怕。

但是，當(dāng)在這場(chǎng)游戲中暫告一段落時(shí)，卻覺(jué)得算法雖難卻也簡(jiǎn)單，自我簡(jiǎn)單卻也復(fù)雜。在十幾款A(yù)PP，百余次我選你猜的互動(dòng)中，想起的是電影《撞車(chē)》里的這句話(huà) “你還需要很多年，才知道自己是個(gè)什么”。

在這場(chǎng)實(shí)驗(yàn)開(kāi)始前，我以為自己會(huì)在最后迎來(lái)一個(gè)確定性的答案。但是，很遺憾。對(duì)于算法，對(duì)于個(gè)性化推薦，對(duì)于尋找樂(lè)趣、打造更“我”的app，似乎了解了更多，但態(tài)度卻更加復(fù)雜。

對(duì)于一個(gè)人文學(xué)科背景出身，對(duì)批判主義情有獨(dú)鐘的人而言，對(duì)于這樣的技術(shù)崇拜的確存在種近乎本能的警惕。但是，正如吉尼羅曼說(shuō)的”我們將增強(qiáng)人類(lèi)的智能，而非‘人工’的智能。”

我們不得不承認(rèn)，一個(gè)假想的敵人，更能讓你認(rèn)識(shí)自己。在與這些推薦算法“斗智斗勇”的同時(shí)，我們從另一個(gè)維度察覺(jué)著自我價(jià)值、自我熱情、自我的行為模式…

從這些app實(shí)驗(yàn)中，出于各種目的，我努力挖掘了各類(lèi)或理工或社科，或天真有邪或成熟穩(wěn)妥的“我”，但我最后不得不承認(rèn)，我的確是個(gè)膚淺的人，最?lèi)?ài)名(yu)人(le)軼(ba)事(gua)、幽(gao)默(xiao)小(duan)品(zi)文，以寫(xiě)文章為名，不知泡在知乎看了多久的“如何評(píng)價(jià)XX明星”…面對(duì)這些痕跡，無(wú)法抗辯。

在心理學(xué)看來(lái)，角色扮演是人類(lèi)普遍具備的能力。從小時(shí)候的過(guò)家家，到長(zhǎng)大后的游戲，我們都在進(jìn)行著角色扮演。成年之后的角色扮演，能讓人們做出更好的改變，幫助你“實(shí)現(xiàn)”未竟的愿望，讓你在日常生活中重獲新鮮感。

算法在毫不懈怠地學(xué)習(xí)、超越著，我們何嘗不是。五千年前，蘇格拉底寫(xiě)下“認(rèn)識(shí)自己”，這個(gè)重要卻最艱難的追求;今天，也許我們是更近地走向了這個(gè)夢(mèng)想，只不過(guò)，是借助了手機(jī)里那些APP。