尽管这种调整被证明是合理的，而且它也帮助希尔弗在预测选举时比竞争对手犯下更少错误，但是这种微调引发了一个涉及算法基础的问题。前FiveThirtyEight作家莫娜·沙拉比（Mona Chalabi）告诉我，在他们的新闻编辑室里，希尔弗的团队会使用“我们必须格外小心”这样的短语来表达一种共识，即他们的模型不应该对希拉里做出胜算过大的预测。他们意识到，选举之后人们像往常以非黑即白的形式评价预测那样来评判他们：他们要么是赢家，要么是输家。
莫娜现在是《卫报》美国分部的数据编辑，她告诉我：“FiveThirtyEight以及所有选举预测的终极缺陷，都是相信有一种方法可以纠正民意调查中的所有弊端。很抱歉，事实上没有这种方法。”学术研究表明，民意调查通常不如预测市场准确。因此，FiveThirtyEight必须找到一种提高其预测能力的方法。严谨的统计方法没有办法进行这些改进，只能更多地依赖建模者的个人能力去解读哪些因素在选举中可能是重要的。这就是数据炼金术：以对竞选中发生的事情的直觉为基础，将统计数据与民意调查结合起来。
当我和她交谈时，莫娜强调一点：“民意调查是预测的根本基础，而民意调查本身会出错。但是如果你拿掉民意调查，他们还怎么预测选举呢？”
FiveThirtyEight是一个几乎完全由白人占据的新闻编辑室，主要由美国的男性民主党人组成。他们学习过同样的统计学课程，并且有着相同的世界观。这种背景和训练意味着他们对选民的想法了解甚少。他们不与人直接交谈，不了解选举中涉及人类直觉和情感，因为他们认为这种方法不客观。莫娜对我说，她的同事们在这里根据各自数学工具的先进程度来评价彼此。他们认为统计结果的质量和沟通这些结果是否便利存在此消彼长的关系。
第二部分
算法想控制我们网络能够影响我们的情绪和行为吗？
91