在算法推荐大行其道的今天，比自己更了解你的人既不是你的朋友也不是你的敌人，可能是你的APP。时不时的，我们总能被各种APP对自己的精准搜索吓到。淘宝和京东的商品推荐总是让你怀疑自己被监控了。就连知乎这个“清白之地”，似乎也在暗中刻画你的用户画像。被男朋友猜心思粉，被自己的app猜到，情绪总有点复杂。被算法理解，虽然可以妥妥的给你发一首歌，一篇文章，但这种理解还是有些落寞的。我们总希望努力过上富裕的生活，把自己看成一面多面的棱镜，千变万化，神秘莫测。然而，这个编程算法似乎只是简单地复制你的描述。从这个问题逆向思考，我们是否可以借助不同的APP完成一次自我探索和认识的旅程？算法是怎么理解的？既然要借助这些看不见摸不着却强大的幕后势力，上演一出“按计划行事”的好戏，那就先跳上“神坛”一睹为快吧。推荐算法的产生与人类信息环境的变化直接相关。从信息稀缺时代到信息过载时代，每个人突然发现自己面临着获取信息的新困境：海量信息带来的低效率。推荐算法就是为了解决这个问题。随着个性化推荐和有效减少冗余信息，推荐算法在国内外得到广泛应用。从亚马逊、YouTube、谷歌到今日头条、网易云音乐、淘宝京东，算法已经成为一个近乎神奇的概念。亚马逊推荐算法的调整给卖家带来了不小的震撼。目前，内容推荐和协同过滤是非常主流的推荐算法。基于内容的推荐算法特别适用于解析文本内容。把一段文本当作一个项目，通过不断的抽取和提炼，给文本打上无数的标签，形成一个标签列表。当用户进行个性化推荐时，可以列出用户最近操作过的项目，利用这些标签列表模拟用户模型，然后利用倒排搜索引擎为用户推荐候选结果。在国内，采用CB算法的最典型代表就是今日头条。基于内容的推荐算法可以说是最古老的。在今日头条之后，新闻资讯应用程序都采用了推荐算法。文本信息的处理特性使得基于内容的推荐算法成为主流。协同过滤是一种基于集体智慧的推荐。比如通过分析用户喜欢的物品，发现用户A和用户B非常相似，都喜欢同样的内容，那么可以尝试推荐用户A喜欢但用户B还没有喜欢的物品C喜欢B。另一种协同过滤是基于物品本身（item-based，CF）。这种推荐不需要找和用户A相似的B，而是完全根据用户A的个体行为。itemA和itemB很相似，用户A很喜欢iteA，那么B就可以推荐给用户。网易云音乐的后端算法主要基于这两种协同过滤算法。此外，基于人工神经网络的深度学习也是一种非常常见的推荐算法。除去那些详细而庞大的计算方程和计算过程，对推荐算法底层逻辑的描述也不过一百字以内。即使是听起来不清楚的人工智能算法，也不过是一个更复杂的数学模型。在神话已死的时代，科学成为了最大的神话。计算算计自己的方式——APP科学归化不完全指南在实践中，这些APP所遵循的个性化推荐系统要复杂得多。从其他维度出发，以网易云音乐和今日头条为例，它们的推荐算法可以分为官方推荐、UGC用户推荐和热门推荐（按热度加权）。当APP面对新用户时，由于缺乏用户行为数据，精准、个性化的推荐可谓“巧妇难为无米之炊”。这时，对新用户的推荐会给他提供大多数人喜欢的歌曲。类似于行情数据的官方推荐，刚进入时不会那么不知所措；当用户在应用上不断搜索、收藏、点赞、评论等行为数据时，算法可以针对你个人和你喜欢的歌曲，产生一个庞大的推荐库。但是，基于APP个性化推荐的底层逻辑，我们仍然可以通过有意识的行为对APP进行科学驯化。在新闻资讯APP上，主要的推荐原则是基于用户的阅读行为。某类文章点击次数越多，越容易被推荐同类型。资讯APP里有很多感兴趣的话题。在进入这些应用时，用户需要完成一系列简单的选择。这种最初最简单的主动选择，形成了很多差异化的用户群体。借助这种聚类的方法，初来乍到、还没有被“揣摩”过的我们，其实已经拥有了一副肤浅的五官。切身利益的分类但这样的分类往往过于肤浅，尤其是将性别作为重要的分类变量时，显得性别固化。新安装的用户在进入应用程序首页之前需要立即完成两道选择题。首先是性别选项，然后是细化的兴趣分类。如果你第一步选择自己是男性用户，那么在第二个兴趣分类页面，你会看到科技、游戏、二次元、男装攻略、军事、汽车等兴趣话题。当你选择女性角色时，这些主题就变成了萌宠、综艺、护肤、女性安全。如果你是一个喜欢科技、喜欢户外的“非典型”女性用户，想要在资讯类APP上实现高效的信息获取，就不得不花费时间和精力不断地去磨合隐藏的、看不见的算法。我们每个人既相似又不同。想要拥有一款能“懂你”的APP，哪能争得朝夕相处。小王子叫爱情驯化：“如果你驯化了我，我们就会互相需要，成为彼此最特别的存在。”逛了很多个性化推荐APP，曾经梦想着一剑赴天涯，非常英勇的驯服APP似乎变成了一个伪命题。因为，当你完成了这场双向游戏，你和你的APP将成为一种“彼此最特别的存在”。这不就是一款互相磨练的角色扮演游戏吗：网易云上的无形游戏，首页播放列表已经成为心情状态的写照。你可以是一个在焦躁的夏天和励志歌单苦苦挣扎的考研党，也可以是一个充满阿尔法波和自然醇厚歌单的失眠者。对于喜爱各种纪录片原声的英语爱好者来说……这种角色扮演游戏有着源远流长的人类基因。无论是神话、小说、戏剧，还是网络之后，我们所拥有的众多身份，如果去追寻，都不是一种角色扮演。以前我们扮演着一些孤独的角色，躲在二元世界里，我们每个人或多或少都支持着一些小号和其他的自己，玩着微博小粉红，中学二男和追星女郎，而现在，我们似乎他们遇到了他们的对手，并与算法开始了一场相互博弈的游戏。有时，这些推荐算法会让我们大吃一惊。那些我们听都没听过，却又很喜欢的推荐，似乎总能在合适的天气、合适的氛围中击中你的柔软。这种推荐也是时不时的有点可爱傻傻的。甚至吓到你。但是，当这个游戏结束的时候，感觉算法虽然难，但也简单，自我简单却复杂。在十几个app和100多个我选你猜的互动中，我想起了电影中的这句话《撞车》“你还需要很多年才能知道你是什么”。在这个实验开始之前，我以为我终于有了一个确定的答案。但是，对不起。对于算法，对于个性化推荐，对于寻找乐趣和创造更多“我”的应用，我似乎知道的更多，但我的态度却更复杂。对于一个人文出身、对批判情有独钟的人来说，对于这种技术崇拜，确实有着近乎本能的警惕。然而，正如GenieRoman所说，“我们将增强人类智能，而不是‘人工智能’智能。”我们不得不承认，一个假想敌可以让你更加了解自己。在与这些推荐算法“斗智斗勇”的同时，我们从另一个维度感知自我价值、自我热情、自我行为模式……从这些app实验中，出于各种目的，我试图挖掘出各种或理工科或社科，或天真或成熟的“我”，但我最终不得不承认，我确实是一个肤浅的人，爱名（yu）人（le）轶事（ba）事（gua），安静(gao)默(xiao)小(duan)品(zi)随笔，以写文章为名，不知看了多久知乎上的“如何评价XX星”……面对这些痕迹，我无法为自己辩护。从心理学的角度来看，角色扮演是人类的一种普遍能力。从小时候玩过家家到长大后玩游戏，我们都在角色扮演。成年后的角色扮演可以帮助人们做出更好的改变，帮助你“实现”未完成的愿望，让你在日常生活中重拾新鲜感。算法在不懈地学习和超越，而我们不是。五千年前，苏格拉底写下了“认识你自己”，这是一个重要但也是最困难的追求；今天，也许我们离这个梦想越来越近了，但是有了手机里那些APP的帮助。
