走出你的舒適區，給電腦化推薦加點人情味

本文系商業周刊App付費文章，禁止轉載。

撰文：Shira Ovide

電腦化推薦曾是互聯網時代的初始宏願之一

「但我更想聽從有著血肉之軀的同類的心聲」

聊聊現代社會的痛苦吧。

可看、可讀、可聽、可買、可吃、可學的東西實在太多了。無論何時，只要動動手指，世界盡在掌握。沾沾自喜的同時，我們難免也會對這個排山倒海的世界感到惶恐和無力。

我應該一頭扎進彙集了史上所有錄製歌曲的Spotify音樂之海，還是回頭是岸，安於第47000次聽我自己下載的阿黛爾(Adele)的《Hello》？心理學家巴里·施瓦茨(Barry Schwartz)在他2004年的同名書里將這個問題稱為「選擇悖論」。

正如TED演講里呈現出的很多奇思妙想一樣，認為選擇多樣化只會適得其反是個過於簡單化的觀點，但我想大家應該都有過這個感覺。

Spotify每周推薦(Discover Weekly)功能的界面

Spotify的紐約辦公室

於是，科技公司開動腦筋，希望一邊幫助人們大浪淘金，從繁雜無際的選擇中做出選擇，一邊在這個過程中賺錢。不過，就連這些公司現在也認識到，在信息公開和娛樂至死的年代，技術亦有尺所短的時候。

電腦化推薦曾是互聯網時代的初始宏願之一。谷歌(Google)的網頁搜索，說白了就是藉助電腦從一團亂麻的網頁鏈接中篩選出最佳鏈接。Netflix、亞馬遜(Amazon)和Spotify會基於你以前表現出的興趣給你推薦娛樂內容或相關產品，或利用計算機模型猜測適合你口味的東西。

就全球範圍來看，人們將最多的休閑娛樂時間貢獻給了電視，但每天平均花在互聯網上的時間也在日益飆升

電腦在指引人類生活的方面，效果好得不可思議。

谷歌母公司Alphabet首席財務官在前不久的編程大會上說，人們在YouTube上觀看的約80%的音樂視頻都是電腦建議的結果。當我在YouTube上看完《你還好嗎》，接下來會它自動為我播放阿黛爾催人淚下的《似曾相識》(Someone Like You)。

當然，演算法也並非無所不能。有時計算機也很蠢。

比如，我就不明白亞馬遜為什麼總讓我買玻璃清潔劑。另外，按你的口味做推薦意味著，你可能永遠都無法走出自己的舒適區，永遠都不可能聽到你以為自己不會喜歡的一首歌。

靠演算法給用戶推薦資訊的社交網站也好不到哪裡去，比如Facebook。如果好友與你有相同的喜好，那他們推薦的讀物或對全球大事的理解可能會把你束縛在你自己製造的「過濾泡泡」里。

如今，甚至那些把演算法奉為「紅寶書」的科技公司也想給冷冰冰的演算法增添一點人情味。

例如，你拿出兩套衣服，不知該穿哪套出門，可以把自己的照片發給亞馬遜，由他們的「時尚專家」告訴你最棒的選擇。

Snapchat的「發現」(Discover)功能其實就是現代版的報紙頭條。

蘋果(Apple)有一組名為「編輯之選」(Editors Choice)的應用程序，稱Apple Music的歌曲是「達人」在演算法的基礎上推薦的。

Facebook已表示，2017年的首要任務是給人們提供他們感興趣卻不自知的信息。

越來越多的人類生活在演算法的引導下進行，而我卻一天天重拾那些篩選自己喜好的老辦法。

2016年買空調的時候，我依靠的是《消費者報告》和其他專業人士的建議。我閱讀傳統書評，也會問朋友們近來看了哪些好書。

計算機，謝謝你們的建議。但我更想聽從有著血肉之軀的同類的心聲。

（本文內容不代表彭博編輯委員會、彭博有限合夥企業、《商業周刊/中文版》及其所有者的觀點。）

編輯：李辰旭稼、王倩

翻譯：丁虹

立即獲得關於TA的更多信息！

亞馬遜壟斷丨印度改革丨知識付費丨倫敦金融城

美國青少年丨專訪馮君藍丨teamLab丨瘋狂音樂節

......

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！