算法是智能社会的底层技术

在如今的大数据时代，海量的数据被打上各种标签，标签就是用户行为的数字化记录，因为有了标签，数据才有价值，才有了各种数据的算法。

基于这些标签数据，众多的互联网公司都会有一个重要的技术岗位，叫算法工程师，做什么呢？为APP研究各种不同的算法，其中比较重要的就是"推荐算法"。

因为有了推荐算法，我们的APP体验大为提升，APP变得聪明起来了，比如在手机淘宝，你之前搜索了尿不湿，你再次打开APP之后，主页面会推荐给你各种不同的尿不湿以及相关的商品。

推荐算法让你查找商品、寻找资讯等变得更智能和更有效率，但同时，也有一些不同的声音，比如说会让我们陷入某种"回音室"，导致信息的闭塞。

基于不同的认知，我们的观点是推荐算法是大数据商用的技术核心，而我们作为数据的生产和使用者，需要认识到推荐算法是技术发展的客观必然，关键还是在于我们对信息的选择。

那么，推荐算法是如何做到智能推荐的？推荐算法的未来会怎么样，对我们又会有什么样的影响？本文不过多地讨论技术，更多地从人性和商业的角度探究算法和人的关联。

我们身处浩瀚的数据联结时代

01

为什么是推荐？

讨论推荐，其实比讨论算法的意义更大，算法毕竟是一种纯技术的存在，而推荐则蕴含了对人性的理解，恰恰智能推荐这种技术行为的结果是直达用户的内心，用户会因为各种推荐的内容而心生诸多情感因素，如愉悦、激动、犹豫、厌恶等。

所以业界用了一个形象的人性化词汇来形容智能推荐，叫"猜你喜欢"，推荐算法的目的就是做到猜你喜欢，从而推荐用户喜欢的内容。

我们先从技术的角度理解一下什么叫"推荐算法"？百度百科的解释比较通俗：

推荐算法是计算机专业中的一种算法，通过一些数字算法，利用用户的一些行为，推测出用户可能喜欢的东西。

实际上，推荐算法领域的技术非常复杂，其中有个基于内容推荐的Rocchio算法，是信息检索中处理相关反馈的一个著名算法。

比如，你在搜索引擎里输入"小米"，搜索引擎并不知道你要找小米食品还是小米手机，所以我们看到的页面会展示各种有关小米的搜索结果，当你点击你觉得有关联的结果，比如"小米手环"，算法会根据你的反馈，重新定义取量，当你打开下一页时，和小米手环相关的小米手机等结果会更多展现，小米粥或者小米食品等推荐就会被算法取消。

按照这个推荐逻辑，你在手机淘宝、京东等APP上搜索商品，算法也是基于上述原理提供尽可能准确的推荐。

另外，推荐算法的分类中有基于内容、协同过滤、关联规则、效用和知识推理，包括组合推荐等类型，本文就不一一详述。

搜索引擎是一种典型的推荐算法

对于推荐的算法逻辑，根据一位算法工程师介绍，推荐流程分为两个阶段，一是召回；二是排序，召回的作用是从海量数据中快速筛选出待推荐内容的候选集，排序的作用是确定候选集的每天内容展示的优先级。在上述不同的阶段，使用不同的算法，比如在召回阶段使用的是协同过滤技术，而这个阶段解决的是内容同质化的问题。

同时，工程师介绍，推荐算法不会简单地只考虑推荐内容的精准性，还要考虑内容的多样和新颖性，如果推荐内容用户不喜欢或者存在严重的同质化问题，可以在内容界面设置让用户主动取消相关推荐，同时后台可以进行人工干预。

通过上述内容，我们基本明白推荐算法的技术原理，同时也看到技术会主动兼顾到用户体验，就如杰夫·豪在《爆裂》中所说：

技术除非被人类思想所驱动，否则就是无用，静止之物。

举个例子，我们在电视中，有时会看到这样一个桥段：某女士失恋了于是到酒吧借酒消愁，问酒保说：我失恋了给我来杯什么酒？经验丰富的酒保给女士上了一杯鸡尾酒，因为酒保知道，鸡尾酒酒力不凶，不容易醉，口感清香酸甜，这样女士既不会喝醉也符合失恋的心情。

其实在现实生活中也有会这样的场景，如果把这个场景技术化，就是一个完整的推荐算法，只是这个算法是来自对人性的理解，女士需要借酒消愁，酒保根据女士的需求，推荐了一杯合适的鸡尾酒，而技术领域的推荐算法不也一样吗？算法逻辑参考的还是人的内心需求，另外，如果你看了电影《太空旅客》，就不难理解为何男女主人公都喜欢与机器人酒保闲聊以度过漫长的星际之路，而机器人酒保能深谙人类的情绪，也是基于人性化的算法使然。

《太空旅客》中的机器人酒保与主人公侃侃而谈

02

信息回音室

推荐算法给我们带来便利的同时，也引发了人们的担忧：我们会不会陷入"回音室"？

所谓回音室，就是只听到跟自己观点相似的声音，就像是自己声音的回音。关于这个概念，另外的类似说法是"信息茧房"或者"过滤气泡"，大概的意思差不多。

对于此，大部分研究表明：使用算法推荐的社交媒体等APP的人，没有出现视野变窄的情况。

要分析这个问题，需要考虑两方面的因素：

第一、推荐算法本身的合理性。造成回音室效应的原因无外乎用户接收的内容过于同质化，比如说在淘宝看了尿不湿，接下来推荐的都是尿不湿，在微信浏览了丽江的一篇文章，然后天天推送旅游的广告，如果这样的，你就小看推荐算法的威力了，前面提到过推荐算法的类型有多种，在算法的处理下，信息就像卖糖葫芦的孩童一样，你在街上没事看别人卖糖葫芦，孩童以为你喜欢糖葫芦，于是跑到你这里来，结果你不理他，孩童会继续找你吗？

具备人性化属性的算法早就计算好了，出现在你屏幕的广告或者信息，如果你从来不点击，算法会判断你并不喜欢推荐的内容，以后就不会推荐给你了。智能推荐就是这样形成的。

对于信息本身，算法和用户都会有筛选机制

第二、被推荐者对信息的处理方式。回音室效应对推荐算法而言是不存在，它存在于用户的主观意识中，并非一种客观现象，就如现实中有专卖古文书籍的书店，也有大而全的书店，喜欢古文的在书店里看到听到和看到的自然是同一种声音和影像，他主观上并不排斥，如果需要听到不同的声音，可以去综合性书店。对于信息筛选的决定权在于用户本身，而不是推荐算法，算法解决的是让推荐更具人性化。

其实"信息回音室"也好、"信息茧房"也好，我们认为是个伪命题，理解为一种忧虑较为合适，我们需要看到一种趋势是：基于大数据的算法和智能设备相结合，推荐将变得越来越聪明。

现在的智能手机就是个典型的案例，手机都有内嵌的LBS位置服务，只要你打开了位置共享的开关，这个服务就会和匹配的手机应用相结合，比如你经常用地图导航，地图APP就会根据你的导航轨迹进行计算，算法完成后，当你早上醒来，会有一条推荐信息，告诉你离上班还有多久，路况怎么样，大概需要多少时间到公司，并且推荐一条不堵的路线给你，你在公司加班很晚回家，应用也会推荐一条信息，让你早点休息。

对于这样的推荐，未来只会越来越智能，至于需不需要这样的服务，还是在于我们的选择。

手机购物APP实现了智能推荐

03

面对和选择

我们看到较多的对智能推荐的感叹是：细思极恐。言下之意是机器怎么知道我想什么？下意识会有种隐私被窥探的寒意。而当我们通过算法的智能推荐而获得自己想象不到的商品或信息时，我们又会有种欣悦的快感。

这两种截然相反的情绪分别来自于我们大脑中叫杏仁体和海马体的神经元组织，这两个组织让我们更乐于接受我们能控制的、带来快感的东西，而不愿意接受让人恐惧而陌生的事物。

既然人性是趋利避害，那么对于推荐算法的认识，我们的建议只有一个：

不要被自己的偏好左右，以开放地姿态拥抱智能社会的到来，推荐等算法是最大的人性化，但并非完全人性化，主宰信息去留的还在于我们的内心，让智能的技术成为我们有力的伙伴。

就如李开复描述的：

是的，在人工智能这个横冲直撞、扑灭而来的未来面前，人类会遭受前所未有的挑战，但人类不正是从各种挑战中一路走来，挣扎而起的吗？智能革命的结果如何，将取决于我们是选择被过分天真的乐观主义或并无实证的悲观思想毒害，还是努力解决问题？

以上就是我们对于推荐算法粗浅的思考，技术改变了我们对事物的看法和对产品的体验，技术总归是为人类服务，我们相信，我们最有价值的不是大脑，而是内心。