被算法操控的生活：重新定义精准广告、大数据和AI

我们还有其他方式过我们的在线生活。

“大家也喜欢”算法并非唯一的信息分享方式。我问克里斯蒂娜·莱尔曼最好的信息“分享”服务是哪一款产品，她认为是推特的初代版本。在2016年之前，推特只是简单地按时间顺序排列显示你好友分享的内容。如果你朋友发布推文时你不在线上，你就很可能看不到它了。虽然你可能还可以通过其他用户的转推看到它，但时间是决定我们看到什么内容的主要因素。

渐渐地，推特也倾向使用“大家也喜欢”算法了。它有一个“万一你错过了”的功能，把那些点赞次数多和转推次数多的内容在你的时间轴上置顶。因为现在你的推特设置中的默认选项是“先给我看最好的推文”。如今你应该把这个选项关掉，让自己尽可能接触到各种各样的观点。

美国陌陌 App 的速配秘诀

最少过滤信息的一款应用是Tinder。我没有用过Tinder，虽然我可以为了研究算法如何运作而不惜把我的网络生活交给别人分析，但下载在线约会软件这件事情是我不能触碰的底线。尽管我妻子很善解人意，她还是不会原谅我在Tinder上注册账户的，即使我的解释是出于科研目的。

我的很多年轻同事都热衷于向我解释Tinder，因为他们自己花很多时间使用这款软件。作为用户，你可以浏览一系列的个人照片，这些照片的主人可能是你感兴趣的人或者在你附近的人。你喜欢他/她的照片就右滑，不喜欢就左滑。如果你右滑了某人，并且他/她也右滑了你，那么你们就配成了一对，接着就可以通过这款应用聊天，还有可能开始一段浪漫的关系（或者其他你正在寻找的关系）。

被算法操控的生活OUTNUMBFRED

120

这款应用的重点是照片，而注册用户个人资料里的介绍很简单，仅包括你的姓名、年龄、兴趣爱好和一段简短的自我描述，寥寥几句就可以。Tinder上线后，无疑在众多鼓吹自己使用了神奇算法帮你找到美好缘分的在线约会网站中，让你得到截然不同的感受。年轻人已经厌倦在其他线上约会网站没完没了地填写问卷调查，也不想暴露自己的脸书让人分析，他们喜欢Tinder的简单和真诚。Tinder不做信息过滤，它让你自己选择喜欢谁。

男性和女性在左滑右滑这件事情上表现迥异。在伦敦有人用虚假账号做了一个实验，每个虚假用户只放一张个人照片。结果女性被男性右滑的次数是男性被女性右滑次数的1000倍之多。

如果你是那些从来没有被右滑过的孤独男人中的一员，你可以做几件事情来扭转乾坤。首先完善你的个人介绍，或者多放两张个人照片，以便让你被右滑的概率增加四倍。女人远比男人挑剔，她们想要了解更多信息。如果你想要配对成功，你就必须投其所好。

这些基本的建议并不能解决男士们使用Tinder时面临的全部难题。加雷思·泰森（GarethTyson）是前面提到的伦敦实验的负责人，他还针对人们的配对（男女双方同时右滑）次数做了一次调查。大多数男人右滑了10次还得不到一次配对，当然也有5%的男人很幸运，他们每右滑两次就可以收获一次配对。虽然两者采用的算法截然不同，但Tinder上的不平等和谷歌学术搜索上的不平等大同小异：一小部分貌比潘安、玉树临风的男人俘获了所有女人的芳心，其他男人只能日夜不停地右滑，才可能幸运地完成一次配对。

你属于哪种情况呢？

和我一起研究 FiveThirtyEight 的同事亚历克斯，在 Tinder上有许多亲身经历。他是一个血气方刚、不远万里从澳大利亚来到瑞典的单身男孩。

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？

121

所以刚开始时，Tinder对他而言似乎是一个认识新朋友的良好途径。但他很快就发现Tinder并没有给他带来约会，和他同样处境的男人还有很多。他开始思考自己是不是什么地方做错了。为了找到答案，他创建了一个数学模型来分析男人和女人在Tinder上的行为。我想，当没人跟你约会时，你才会有大把时间研究数学。

亚历克斯发现配对和右滑之间存在负反馈①效应，越得不到配对，人们就越多地右滑。当男士们刚开始使用Tinder时，他们会挑肥拣瘦，不入眼的不右滑，但当他们一旦发现没有女人右滑他们时，他们开始降低要求、全面撒网，只要还过得去就右滑。女人则恰恰相反，她们一直能够得到数不胜数的配对，所以她们会慎重考虑、相中了才出手。亚历克斯的模型发现，这种负反馈最后对所有人都不利。最终，女人们都只相中少数几位男士而男人们几乎右滑所有女士。亚历克斯称Tinder“一场游戏一场梦”，因为不管男女，想在这里找到意中人的美梦都破灭了。相反，亚历克斯的算法得出了和加雷思·泰森的研究相同的结论：平均而言，男人右滑一半他们看到的女人，而绝大部分女人只右滑不到百分之十她们所看到的男人。

亚历克斯找到了自己的解决办法反众人之道而行之。他决定更加严格和耐心地挑选约会对象，瞄准那些他认为确实有机会与其配对成功的女人，并花费精力补充投她们所好的个人介绍。接着他开始耐心等待。当一些女人开始选择他作为约会对象后，他的配对成功率得到显著提高。虽然目前为止他还没有在Tinder上找到自己的真爱，但在斯德哥尔摩大大小小的咖啡馆中，他确实收获了不少愉快的约会，甚至还和其中的一个约会对象成立了一个乐队。

“大家也喜欢”的约会系统并不完全行得通。不管是在网上还是现实生活中，我们都很少听到朋友之间做这样的推荐，说：“那个人，我试过的，很棒。你要不要也试试？”这听起来多少有些奇怪。但是学术论文的左滑右滑系统仍然值得一试。想象一下，每天早上我到办公室后做的第一件事，就是坐下来滑动同行们的论文。没有算法在我耳边提示，圈内人又引用了哪些文章，这是多么清静惬意。如果我们都右滑了彼此，这个应用就会帮我们建立联系（一对一的联系，任何其他人都不知道我们成了朋友)，如此我们就可以畅所欲言地聊一聊科学。

被算法操控的生活OUTNUMBERED

①反馈可分为负反馈和正反馈。负反馈使输出起到与输入相反的作用；正反馈则使输出起到与输入相似的作用。

122

安劳格·阿卡里亚，如果你正好看到这里，那么你或许可以着手开发这个手机应用了。如此一来，我终于可以在不破坏自己婚姻的情况下，在手机屏幕上左滑右滑了。

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？

123

第 11 章|过滤气泡在翻腾

对于我们这些生活在学术理想国的人来说，英国脱欧公投和特朗普当选美国总统绝对是黑天鹅事件。我的绝大多数持自由主义思想的同事们都不理解这个世界到底发生了什么。他们不认识任何一个要投票给特朗普的人，也未遇到过任何想要英国离开欧盟的人。他们常读的自由主义报纸也同样被吓了一跳，这从报纸文章的标题就可以看出，比如“来认识一下这十个给脱欧投赞成票的英国人”，“为什么白人工薪阶层投了特朗普的票”。我们大多数人认为事情应该朝着大家普遍认可的方向发展，但选民们却临阵倒戈，我们迫切需要有人解释其中原因和来龙去脉。

脸书、谷歌、推特在误导我们？

我试着从前一年发表的大量政治类文章中一探究竟。一种盛行的解释认为，算法是误导人们做出错误决定的罪魁祸首。众多媒体都报道了不少算法如何导致不同群体间产生隔阂以及观念严重分化的故事，它们听起来似乎头头是道。这些媒体包括《纽约时报》、《华盛顿邮报》、《卫报》和《经济学人》。

被算法操控的生活OUTNUMBERED

124

首先，媒体把枪口对准了回声室效应和过滤气泡。媒体认为，脸书和谷歌会根据我们的上网历史记录来显示相应的链接，以至于我们只看到自己想要看到的东西。随后媒体将焦点转向了假新闻：为了给他们的网站创造流量，以及获取广告收入，来自马其顿的少年们自动生成新闻，肆意组合有关特朗普和希拉里的无稽之谈。媒体还认为，俄罗斯利用脸书广告和付费的“键盘侠”影响了美国总统选举结果，这些“键盘侠”在推特和各种政治类博客上进行唇枪舌剑的激烈争论，刻意制造两极分化。

大家对数学和算法的潜在风险非常关切，这和我研究“大家也喜欢”算法及脸书的人格分析算法时的心情不谋而合。我们仿佛在让算法代替我们思考和做出决定。但真正的风险在于，我们看到的一些新闻是被带有政治偏见的黑帽故意扭曲或编造的。但那些媒体在报道此类故事时对数学的评价让我不安，此外令我担忧的还有，他们含沙射影地谴责民众轻信媒体上的谣言。难道美国人民真的就这么愚蠢，不能过滤那些由马其顿少年和俄罗斯水军编造的新闻吗？人们在脸书上看到的内容会对他们产生强烈影响吗？我很多同事似乎都这么认为，但我不太同意这种看法。

早在学者和记者们担心会出现有关特朗普与希拉里的过滤气泡之前，两位年轻的计算机科学家就已经在研究政治运动如何塑造互联网以及被互联网塑造的课题。在2004年的总统大选前，拉达·阿达米克（LadaAdamic）和娜塔莉·格兰斯（Natalie Glance）对“博客圈”（blogosphere）进行了调查。

与今天的社交媒体相比，这些博客显得稀奇古怪。它们的格式很简单：几段解释博主观点的文字、几张取自报纸的图片，以及一些文章中引用的新闻网站和其他博客的链接，但是连接社交媒体的“赞”和“分享”按钮全都没有。那时候，脸书还未大行其道，推特甚至还没有被开发出来。

第二部分 算法想控制我们我们的情绪和行为吗？

①回声室效应或称“同温层效应”，指在媒体上一个相对封闭的环境中，一些意见相近的声音以夸张或其他扭曲的形式不断重复，使处于该环境中的大多数人认为这些被歪曲的故事就是全部事实。

125

政治类博客通过网页之间的链接联系起来，并且通常采用博客链接列表(blogrolls）的方式将博主认可的网站和文字罗列出来。

图11.1显示了在2004年美国总统大选拉开序幕之前，前20名自由主义者的博客（支持民主党，黑色圆圈）和前20名保守主义者的博客（支持共和党，灰色圆圈）之间的链接情况。圆圈的大小代表每个博客在众博客中的受欢迎程度，直线的粗细代表博客之间的链接数量。

我们可以看出，2004年的博客圈泾渭分明地形成了两个世界，民主党人士的博客几乎只链接民主党派的博客，共和党人士的博客几乎也只链接共和党派博客。连接这两个世界的链接屈指可数。共和党人士的博客中唯一出现为数不多的民主党派博客链接的是《每日要闻》(The DailyDish)，它由安德鲁·苏利文运营（图11.1中用 AS 表示)，而他在2004年的选举中改变了自己的政治立场，支持了民主党候选人约翰·克里( John Kerry )。

被算法操控的生活OUTNUMBERED

126

民主党派的博客网络和共和党派的博客网络属于两个不同的世界。如果你仔细观察图11.1，就会发现保守主义者的博客间的链接比自由主义者的博客间的链接更多。比起自由主义博主，保守主义博主们更倾向于评论彼此的博客文章，也就是说共和党支持者之间的内部讨论更加积极。不过，更重要的是，无论自由主义者还是保守主义者在网上都没有对外界不闻不问。不管是来自哪个党派阵营，每两篇博文中都会有一篇提及主流媒体的新闻。例如，在选举前的两个半月里，《华盛顿邮报》被自由主义者的博客引用了900次，被保守主义者的博客引用了500次。自由主义者的博客和保守主义者的博客虽然不怎么往来，但它们对主流媒体都持开放态度。

拉达和娜塔莉的研究预示了计算机科学家在未来分析新闻和政治的方式。他们在研究中剖析政治网络，在辩论中自动识别关键字，找出政治评论员的社交方式。这种方法正在改变我们理解媒体的方式。他们在文章中写道，“我们将追踪新闻和观念在社区中的传播情况，并确定网络中的链接模式是否会影响传播的速度和范围。

从学术的角度来说，当时出现的很多可能性都是令人兴奋的。拉达和娜塔莉的研究表明，研究人员可以通过数学来理解我们交流政治话题的方式。但是如果科学家可以研究出理解政治话题交流的方法，政党和大公司就可以利用这些方法来操纵我们之间的对话。而自2004年以来，这些方法发展得非常迅速。

到2016年美国大选和英国脱欧公投时，布莱特巴特（Breitbart）①和《赫芬顿邮报》已经聚集了这些早期右翼和左翼的政治类博客。当年的许多博主都在为这些网站或其他网站写文章，比如《德拉吉报道》(DrudgeReport)。像安德鲁·苏利文这样的一些人开始写文章披露经年不断的社交媒体活动如何让他们心力交瘁，但也有许多新的声音将他们取而代之：独立的政治类博客不断涌现，成干上万的人使用在线出版平台《媒体》(Medium）来记录他们的所思所想。这些文字来自世界的不同角落，每天能够达到几百万字。它们在Reddit上被大家“顶”或“踩”，在BuzzFeed(新闻聚合网站）和《商业内幕》(Business Insider）等热门网站上广泛传播，在Feedly 阅读器和 Fark 博客网站上聚集，在红板报（Flipboard）①上变成自发形成的报纸，并在脸书上得到分享。人们通过推特的280个字符对它们进行评论、探讨、嘲讽或者支持。

第二部分 算法想控制我我们的情绪和行为吗？

1布莱特巴特是美国的一个极右翼的新闻、观点和评论网站。

127

当评论员们分析这么多社交媒体时，他们通常会回到两个关键的主题：回声室效应和过滤气泡。这两个概念有所关联，但又略有不同。2004年的政治类博客是回声室效应的一个原始例子。意见一致的博主们被联系在一起，相互支持彼此的观点、强化彼此已有的想法。如果你在博客之间随意浏览，并从你浏览的任一网页中随机选择一个链接，你也许会发现第二个博客与第一个博客持相同的观点。如果你在2004年浏览一个自由主义者的博客页面，那么20次点击之后你仍然留在一个自由主义观点的页面上的概率超过99%。如果你从一个保守主义者的博客页面开始浏览，20次点击后你可能仍然在阅读保守主义观点的文章。每一个类型的博客都创造了他们自己的世界，在这个世界里，他们的观点得到了类似观点的呼应。

过滤气泡则出现得更晚些，并且仍在演变中。“过滤”和“回声”世界之间的区别在于它们是由算法还是由人创造的。博主们自主选择链接到不同的博客，而算法根据我们的“赞”、网页搜索和浏览历史，选择给我们推送什么样的内容。与博客不同，算法的选择中没有人本身的主动参与。正是这些算法有可能创造出过滤气泡。你在浏览器中所做的每一个动作都被用来决定接下来要给你看的是什么。

被算法操控的生活OUTNUMBERED

①红板报是一款免费的应用程序，将脸书和新浪微博等社交媒体上的内容整合起来以杂志的形式呈现给用户阅读。

128

每当你分享一篇《卫报》之类报纸的文章时，脸书都会更新它的数据库，以反映你对《卫报》感兴趣这一事实。类似地，当你分享《每日电讯报》的文章时，数据库会储存你喜欢《每日电讯报》的信息。在2016年4月与出版商的一次谈话中，在脸书负责开发动态消息（News feed）算法的亚当·莫塞里（AdamMosseri）向我解释说，“当你刚注册脸书的时候，你的动态消息是白纸一张。随着时间的推移，慢慢地你肯定会在脸书上与你所关心的人加好友，并关注你感兴趣的公众主页。就这样，你逐渐展示出了自己的个性化经历。

一次点击，次次点击

脸书的算法根据我们已经做出的行为来决定给我们看什么样的内容。要理解它作为过滤器的工作原理，你需要首先设想自己是一个相对开明和独立的人，刚刚注册了脸书。让我们假定你既看右倾的《每日电讯报》也看左倾的《卫报》，而且同时分享这两家报纸的文章。让我们再假设你右倾朋友的数量和左倾朋友数差不多。当然，我知道这在现实中不太可能，但为了弄清楚算法的潜在影响，我们必须假设你是这个世界上思想最开放的人。

现在你可以开始发帖了。想象一下，你发了几篇帖子，既有《卫报》的文章，也有《每日电讯报》的文章。你的朋友一开始并不怎么注意你的动态，但接着其中一个人评论了你从《每日电讯报》上转发的关于欧盟腐败问题的文章，然后你回复了他的评论，你们就这样在这篇文章上交流，接着又互“赞”对方的帖子。到了这时候，你已经开始向脸书提供它想要的东西了：什么样的内容会让你在它的网站上逗留。作为回报，脸书可以给你更多它认为你想要的东西。于是第二天，你的一个朋友的一篇抱怨欧盟新法规的帖子就出现在你的动态消息的顶部了。另一位朋友则分享了一条有关英国脱欧后的商业优势的文章，它也来自《每日电讯报》。这两篇文章都吸引了你的注意，你又发了评论，于是脸书注意到了你进一步的兴趣，会在第二天为你提供更多批评欧盟的内容。终于，一个过滤器慢慢地在你周围形成了。

第二部分 算法想能控制我们们的情绪和行为吗？

129