因此，我决定自己找出答案，弄清楚这种建立于政治人格基础之上的方式是如何运作以帮助候选人获得选举胜利的。
右翼政客利用了美国选民100维的数据，我们在被这一消息震惊前需要思考的是，计算机里的维度如何准确地代表作为人的我们。
如果我想要幼稚地侮辱计算机的“思考”能力，我可能会提及它以二进制运行的事实，即用1和0来描述这个世界。但这种指责是大错特错的。事实上人类才会通常在非黑即白的二元对立状态下看待事物，例如我们几乎条件反射地说“他太蠢了，这都不懂”，“她是典型的共和党人”，或者“那个人在推特上啥都分享”。用二元论看待这个世界的是人类。
精心设计的算法很少将事件简单地划归为两类中的一种，它们给出排序或概率。脸书的人格模型为每个用户分配一个内向/外向的排序，或者给出一个用户“单身”或“恋爱”的概率。通过考量一系列的因素，这些模型给出一个数字，这一数字与某人的某一情况为真的可能性呈正比。
将大量的维度转化为概率或排序的最基本方法是回归（regression)。统计学家对回归模型的使用已长达一个多世纪，其应用从生物学开始逐步扩展到经济学、保险行业、政治学和社会学。回归模型利用我们已有的关于某人的数据以预测我们尚不知道的关于他或她的事情。要实现这个被称为“模型拟合”（fitting the model）的过程，我们首先需要找到一群人并且提前知道我们预测之事的结果。这些事都与这群人有关。
举个例子，年龄和英国脱欧投票之间会存在怎样的关系？在英国人投票决定是否应该退出欧盟的10天前，市场研究和数据分析公司YouGov进行了一项民意调查，询问人们将如何投票。调查对象包括4个不同的年龄组：18\~24岁，25\~49岁，50\~64岁和65岁以上。调查发现，不同年龄段的受访者的回答有所不同。图5.1是我将选民意愿进行拟合的回归模型。随着年龄的增长，人们投票离开欧盟的可能性也在增加。
第一部分 算在监视我数据做了什么？
37