当我读小说的时候，我听到别人在用我自己的声音将故事娓娓道来。这是一种非常私人的体验，是我和作者之间的特殊联系。当我深陷一部好小说的时候，我相信其他人与我交流的方式都不会与这位作家一样。
但在亚马逊上逛了几个小时后，这个错觉彻底烟消云散。这个算法的建构基于这样一个事实：和我喜欢同一类书的其他人已经做出了我可能做的选择。为了对其1000多万种产品进行分类，亚马逊在每个客户同时购买的产品之间建立了关联。这些关联是他们给我们建议的基础，虽然简单却非常有效。在亚马逊的客户群中，有很多像我、我的孩子、我的朋友这样的人。原来，加利福尼亚州一小群研究人员开发一个算法，就可以轻松地为我“定制”一个推荐员，免费向我推荐商品、提供信息，如果我下订单购买，第二天这些商品就能送达。
我没有权限了解亚马逊当前算法的构建细节，这些秘密由亚马逊的子公司、专业的产品搜索公司A9保守。该算法随着时间的推移而改变，也随着不同的产品而改变，因此不再存在一个单一的亚马逊算法。不过，在亚马逊算法背后以及我们如何与其互动上，我们都能找到基本原理，并且可以通过数学模型来体现。
为了向亚马逊致敬，我将这个模型称为“大家也喜欢”(alsoliked)现在我会介绍相关的步骤。在我的模型中，作者的数量是固定的。我将使用25位大众科学和数学图书的作者的名字，因为选择大众熟知的人会增加乐趣，但名字不会影响模型的结果。一开始，我假设此前没有发生任何选购行为，因此当第一个顾客随机购买两本书时，任何一位作者被选中的机会都是一样的。
接下来，模型里的顾客进行一人一次的购买活动。每个顾客都更有可能选择此前被一起购买的作者的书。最初，这种影响相当微弱。但这里有一个基本原理，一位作者的书被购买的概率与此前购买活动的总数加1成正比。这个“加1”规则确保了每本书都有被买的机会。例如，假设第一个顾客买了布赖恩·考克斯（Brian Cox）和亚历克斯·贝洛斯（AlexBellos）的书，那么新顾客购买考克斯或贝洛斯的概率都是2/27，而购买其他作者的概率则是1/27。
第二部分 算法能制我我们的情绪和行为吗？
97