被算法操控的生活：重新定义精准广告、大数据和AI

他在抱怨司机刹车刹得太急。

此外，我还看到有人把25年前在学校舞厅拍摄的照片扫描并上传上来；我看到了假日快照和工作之余的开怀畅饮；我看到了有关唐纳德·特朗普的笑话、旨在改善医疗和住房现状的运动，以及对政治决策的愤怒；我看到人们吹嘘他们在工作和养儿育女方面的成功；我看到婚礼照片，以及婴儿和孩子们在游泳池里快乐嬉戏的照片；从极度私人的信息到公开的政治事件，我们的脸书动态消息无所不包，你可以在这里找到一切。

我选择了32个脸书上的朋友，看每个人最近浏览过的15个帖子。我把每一个帖子归类到13个常见类别中的一个：家庭/伴侣、户外活动、工作、笑话/段子、产品/广告、政治/新闻、音乐/体育/电影、动物、朋友、地方事件、思想/观点、社会活动，以及生活方式。然后我做了一个矩阵——一个32行、13列的电子表格，再填入我的朋友们在每一个分类中所发布的帖子的次数。例如，我大学期间相识的朋友马克那行有1个关于他工作的帖子、8个配有他与家人度假照片的帖子、3个关于脱欧（Brexit）政策的帖子（作为一个生活在巴黎的苏格兰人，他反对脱欧）、1个在纽约旅行的帖子、1个标记在2015年11月巴黎恐怖袭击中自己安然无恙的帖子。在我同事托尔比约恩(Torbjörn)的那一行，最常见的帖子(其中5篇）是关于诺贝尔奖晚宴的，他不仅参加了这个晚宴，还接受了瑞典电视台的采访。我把这些都算为工作相关帖，另外两个关于他演讲的帖子也在这一类。除了两个有关家庭的帖子，托尔比约恩的其他帖子都分布在不同的类别中。

为弄清楚马克、托尔比约恩以及我其他的朋友们如何平衡工作和家庭生活，我将他们的工作相关帖和生活相关帖的数量用黑点在二维坐标中做了标记，结果如图3.1所示：马克在左上角，他有8个家庭帖和1个工作帖；托尔比约恩在右下偏中的区域，他有7个工作帖和2个家庭帖。其他的每一个点都代表我的一个朋友，这幅图呈现了他们在这个工作和

被算法操控的生活

20

家庭/伴侣的二维坐标系中的位置。

我的一小部分朋友主要发工作相关帖，另一些朋友主要发家庭相关帖。但其中也有些人两种类型的帖子都发，还有少数人这两种类型的帖子都不发。如果将每一个帖子类型视为一个空间维度，我已经为大家展示了两个维度：第一个维度的工作帖和第二个维度的家庭/伴侣帖，我还可以继续展示第三个维度的户外运动帖、第四个维度的政治/新闻帖等。我的每一个朋友都是这13维空间中的一个点。

但我遇到了一个问题，当维度增加时，数据变得更加难以具象化。在我的脑海中，我无法形成一个清晰的概念，13维空间中的一个点是什么样的。如图3.1所示，观察两个二维平面上的点不成问题。而三维空间也难不倒我：首先，我想象在一个立方体中放置的点，然后考虑当我旋转这个立方体时，这些点会如何改变位置，但我们却无法想象这些点在四维或更高维度的世界中是什么样的。我们的大脑只能想象出二维或三维空间，因为我们日常生活中经历的就是二维或者三维。

第一部分 算在时视我数据做了什么？

21

所以对于我们这些无法理解四维或者更高维空间中的点的人来说，最简单的处理方式是使用大量的二维快照。图3.1是一张显示工作与家庭/伴侣之间关系的快照。从其他类似的快照中，我可以看到，那些常发生活相关帖、食物相关帖和旅行相关帖的人很少发政治/新闻帖。这两种兴趣呈负相关：如果一个朋友喜欢上传他刚刚去过的餐馆照片，那么他往往不会发表自己对时事的看法。但是有些类型的帖子呈正相关：我的朋友如果写作有关音乐、电影和体育的文章，那么他也会倾向于分享笑话或段子。

主成分分析法：15个帖子就能让他人读懂我们的生活

将成对的数据进行比较，让我们开始对13维数据集的一些模式有了大概的了解，但这并不是一种特别系统的方法。我们共有多达78对关系要看，把它们全部绘制成二维图并加以研究需要时间。在某些情况下，关联性是多重的：一些分享笑话和段子的人，既写关于音乐和电影的文章，也分享新闻和政治，但倾向于不发生活相关帖。因此我需要一种这样的方法，它能够系统地对这些关联的重要性进行排序：找出那些最重要的、最能够体现我的朋友之间差异的关联。

我将—种称为主成分分析的方法（Principal Component Analysis，简称PCA）用于研究朋友的数据。主成分分析法是一种统计方法，它可以对我原始的13维数据集进行旋转①以揭示帖子之间最重要的关联，其中每个帖子的类别都是单一维度。第一主成分（即数据中体现的最强相关性）是一条直线，往右依次为家庭/伴侣、生活方式和朋友，往左依次为笑话/段子、工作和政治/新闻。这些是对我的朋友们进行区分的最重要关系。有些人喜欢发布关于他们个人生活经历的帖子，有些人则喜欢分享这个世界上和他们工作中发生的事情。

被算法操控的生活OUTNUMBERFD

①“旋转”一词在数据分析中指的是对多维数据集的数据进行浏览的过程中，通过改变维方向来从不同角度观察数据，其实也就是在多维数据集浏览器中对维度的拖动和替换。这种操作可以将多维数据集中的不同维进行交换显示，得到不同视角的数据，使研究者能够更加直观地观察数据集中不同维之间的关系。

22

数据中第二重要的关系将工作与爱好区分开来，往上是工作和生活方式，往下是音乐/体育/电影、政治/新闻和其他关于文化的帖子。从数学的角度来说，第二主成分是一条离数据点最近的直线，与第一主成分的直线呈直角。我们很难想象如何在13维空间中画出线条和旋转数据，但用计算机来绘制线条和执行所需的旋转则轻而易举。图3.2显示了我们如何在二维空间中查看13种不同的帖子类型。

第一部分 算在监个我据做了什么？

①数据点是一个独立的信息单元。一般而言，任何单一事实都是数据点。在统计或分析中，数据点通常来自测量或研究，并用数字或图形表示。

23

对第一主成分最大的正贡献（图3.2右侧）来自家庭/伴侣类帖子，第二大则来自生活方式，第三和第四分别来自朋友和户外活动。这些帖子的共同点在于它们均与我们的个人生活息息相关，涉及的都是我们做的事情以及我们和谁一起做。对第一主成分做出负贡献的帖子来自笑话/段子、工作、音乐/体育/电影以及政治/新闻（图3.2左侧）。这些类型的帖子均与公共生活相关：或者与我们的工作相关，或者与新闻或时事相关。我将第一主成分称为“公共-个人”，因为它体现了我的朋友们使用脸书的差异：要么发布关于自己个人的帖子，要么对当今世界进行评论。

对第二主成分贡献最大的帖子类型是工作，其次是生活方式（见图3.2上半部分直线)。我在脸书上看到的许多生活相关帖都是关于朋友们完成工作后的活动—在会议结束后喝杯啤酒放松，或者在会议晚宴上拍照留念，因此，将这两类帖子归到一起也说得通。做出负贡献的则全都与更广泛意义上的文化领域事件有关：新闻、运动、笑话全都如此，社会活动和广告亦然。因此，第二主成分的最佳描述应该是“文化-工作场所”。

请注意，虽然我将成分冠以“公共-个人”“文化-工作场所”的名称，但我只是在简单地给算法生成的类别命名而已。因此是算法，而不是我，认为这些就是描述我朋友的最佳维度。

现在有了这些维度的定义，我就可以对我的朋友进行分类。他们中谁对公共生活或个人生活更感兴趣？谁更喜欢谈论与工作相关的话题，谁又更喜欢文化类话题呢？

为了找到答案，我把我的朋友放在横轴标为公共-个人、纵轴为文化-工作场所的二维坐标系中（图3.3)。当我看到这些名字弹出在我的屏幕上时，我立刻就知道这些成分的划分是有道理的。绝大多数在最右端、用小方框标记的人，比如杰西卡、马克和罗丝，都有孩子，并且很乐意分享他们孩子的信息。在我做主成分分析的时候，绝大多数在左下角、用小叉标记的人，都没有孩子，因此更多地发布关于各领域时事热点的帖子：

被算法操控的生活

24

阿尔玛关心文学、康拉德关心电脑游戏、理查德关心政治。以圆圈为标志的左上一组是典型的学者，他们的帖子关注自己的作品和最近发表的文章。这里出现的朋友托尔比约恩是一位数学生物学家，在本书后面的章节，我还会谈到来自瑞典哥德堡（Gothenburg）的古怪数学家奥勒，他的帖子中既有与工作相关的，也有与政治相关的。

最让我惊讶的是，这种分类在很大程度上体现了我的朋友间真正的相似度和差异性。记住，我没有告诉算法我想要如何对这些人进行分类。我只是提供了13个宽泛的类别，是主成分分析法将它们减少到两个最相关的维度：公共-个人和文化-工作场所。这些维度合情合理，我的朋友之间最重要的区别就隐藏在这些维度中。

把我的朋友分成三种不同的类型（圆圈、小方框和小叉）也由一个算法来完成。我使用了—种叫作“k-均值聚类”（k-means clustering）的计算技术，根据不同的人在主成分分析法建立的维度里相互之间的距离来将他们分组，最终形成了三个类别：使用脸书专注于个人生活的人（小方框）、关注自己工作和与工作相关的生活方式的人（圆圈)，以及用脸书来对社会事件发表评论的人（小叉)。我要求算法找出对我朋友进行分类的最有效方法，而这些就是这种方法给出的答案。主成分分析法使用数据而不是我们的先入之见对人进行分类。

第一部分 算在监我据做了什么？

25

被我分类过的朋友大部分同意我主成分分析法得出的结论。在我眼里卡米拉是个专注工作的人，她说这分析的确反映了她使用脸书的方式一主要分享与职业相关的信息，因为她使用其他社交媒体网站分享她与朋友的互动以及她的家庭生活情况。罗斯则恰恰相反，他告诉我：“正如你的图表所显示的那样，我的脸书只是用来分享一些家庭照片。

托尔比约恩不喜欢我把他划为“只懂工作，不懂享乐”的人，但他承认在脸书上他主要关注工作圈，而不是个人生活。

对我在脸书上关注朋友进行分类可供一笑，但把我的朋友抽象到两个维度来研究有着更严肃的意义。主成分分析和类似的数学方法是大多数对我们行为进行分类的算法的基础。预测曾经犯过罪的人是否会再次犯罪的模型中也使用了这种方法，通过被告提供的问卷调查预测他或她是否还会犯下更多罪行；推特用它来计算你赚了多少钱；谷歌用它来评估你的广告偏好。其中所涉及的数据量和用来对我们进行分类的维度比我这次研究的数据量和维度要大得多，但是方法和我的不无二致：不停地旋转和降维，直到算法开始读懂你，透视你。

仅仅通过15个帖子就可以读懂我们的生活，多么不可思议。想象一下，手中拥有数十亿帖子的脸书会用它们做些什么呢？

被算法操控的生活

26

第4 章|脸书比你更了解你的人格和行为

脸书在全球拥有20亿用户，他们每小时发布数千万个帖子，记录着我们社交活动的方方面面。斯坦福大学研究生院商学院的迈克尔·科辛斯基（MichalKosinski）教授是最早意识到我们可以根据人们上传至社交媒体的大量数据，利用主成分分析法对他们进行分类的研究人员之一。当他还是剑桥大学博士生时，他与大卫·史迪威（David Stillwell）一起创立了一个叫“我的个性”（myPersonality）的项目。

他们获得了访问和存储超过300万脸书用户个人资料的许可，进而收集到了一个惊人的数据集。其中的许多用户随后参与了包括智力、个性和幸福感等主题在内的一系列心理测试，并回答了关于性取向、吸毒和生活方式等问题。这些数据为迈克尔提供了一个庞大的数据库，它将我们在脸书上的发布、分享和点赞的内容与我们的行为、观点和个性关联起来。

迈克尔首先研究的是将我们对立起来的属性：共和党或民主党，同性恋或异性恋，基督徒或穆斯林，男性或女性，单身或正在发展一段关系等。他的自的在于研究能否通过我们的点赞来评估我们的身份：哪些点赞最有可能与某个属性相关联？

第一部分 算在监视我数据做了什么？

27

你点的“赞”在暴露你的智商

迈克尔和同事们在他们的科技论文中提供了一张可以用来预测关联性的点赞的表格，列出了一些令人无比尴尬的刻板印象。在2010/11年这项研究进行的时候，男同性恋者给电视节目《欢乐合唱团》(Glee）中的苏·西尔韦斯特（Sue Sylvester）和选秀节目《美国偶像》(AmericanIdol）中的亚当·兰伯特（AdamLambert）点赞，并支持各种人权运动。直男们则给体育用品零售商福洛客（Foot Locker）、纽约著名的嘻哈乐队武当帮（Wu - Tang Clan)、世界极限运动会（the X Games）和有关李小龙的帖子点赞。朋友少的人会点赞的帖子普遍与电脑游戏《我的世界》(Minecraft)①、硬摇滚音乐，以及和朋友一起散步再突然把他们推向某个人的恶作剧有关。朋友多的人则会给珍妮弗·洛佩兹（Jennifer Lopez）点赞。智商低的人会给幽默杂志《国家讽刺》(National Lampoon)②里的角色克拉克·格里斯沃尔德（Clark Griswold)、“婆婆妈妈”（“being amom”）和哈雷摩托的相关帖子点赞。智商高的人会给和莫扎特、科学、电影《指环王》(The Lord of the Rings)与《教父》(The Godfather)相关的帖子点赞。非裔美国人给涉及凯蒂猫（Hello Kitty)、巴拉克·奥巴马（Barack Obama）和说唱歌手尼基·米娜（NickiMinaj）的帖子点赞，但他们对露营或米特·罗姆尼（Mitt Romney）③的兴趣不如其他种族。

当然这些观察结果并不意味着某人给苏·西尔韦斯特点了一个赞，我们就应该论断他是同性恋，或者某人给讨论莫扎特的帖子点了赞，我们就能够说他很聪明。嘿嘿，你喜欢玩《我的世界》，你肯定是孤家寡人一个。这种推理不仅招人讨厌，而且通常是错误的。

被算法操控的生活

①《我的世界》是一款风靡全球的高自由度沙盒游戏。

②《国家讽刺》是一本美国幽默杂志。

③米特·罗姆尼是美国商人和政治家、第70任马萨诸塞州州长，2012年美国总统选举的共和党提名候选人，败于寻求连任的巴拉克·奥巴马。

28

与此相反，迈克尔发现虽然每个“赞”仅仅提供了关于一个人的点滴信息，但大量的“赞”累积起来就可以让他的算法得出可靠的结论。为了整合我们所有的“赞”，迈克尔和他的同事使用了主成分分析法。他收集了成干上万个不同类型的“赞”，并使用主成分分析法来找到它们中的哪些对同一个成分做出了贡献。比如说，披头士、红辣椒乐队（RedHotChili Peppers）和电视剧《豪斯医生》（House）都是在一个维度上被发现的，我们可以把它标记为“中年摇滚音乐和电影”。另一个维度则可以被我们标记为“广告产品”，包括迪士尼-皮克斯（DisneyPixar）、奥利奥和YouTube，不一而足。迈克尔发现，对我们进行精确分类需要40到100个维度。

迈克尔强调说，相比人类，电脑能发现更微妙的关系。“显而易见，那些去同性恋俱乐部、购买同性恋杂志的人更有可能是同性恋。”但他告诉我，电脑可以针对那些对我们而言不那么显著的信号做出预测。事实上，在被他的算法贴上“同性恋”标签的用户中，只有5%的人赞了一个明显的同性恋脸书页面。为确定用户的性取向，算法需要结合从“小甜甜”布兰妮（Britney Spears）到《绝望主妇》（Desperate Housewives）等众多不同的点赞数据。

虽然迈克尔对脸书数据的大规模分析别出心裁，但他对主成分分析方法的运用却并不新鲜。在过去的50年里，社会学家和心理学家一直利用主成分分析法对我们的个性、社会价值观、政治观点和社会经济地位进行分类。我们喜欢把自己想象成多维的人，把自己看作是复杂的个体，有着众多不同的性格侧面。我们告诉自己我们是独一无二的，我们一生中发生的数以百万计的独特事件塑造了独一无二的我们。但是主成分分析法可以将这些百万计的复杂维度减少到极少的维度，少到可以把我们“放到小盒子里”，或者用一个更形象的比喻来形容，少到可以用少量的不同符号来代表我们。主成分分析法告诉我们，我们可以或多或少地把我们的朋友

第一部分 算在监我数据做了什么？

29