明日世界生存指南
亲爱的女儿：
妳听说过推荐算法吗？听说它是很多人觉得滥用程度最高的词之一。可是它并不复杂，推荐谁都懂。算法或许在爸爸的同时代人里算个新概念，但妳的同辈应该很熟悉了。推荐不用解释，算法只不过是用来解决问题的特定步骤而已。当然，这个定义听上去不难懂，但是在电脑领域说算法，有一些和人类语言不一样的地方，这里我们可以忽略。总之，推荐算法就是利用电脑运算，通过特定的步骤来向网络服务的用户推荐内容的机制。
首先我们要问：为什么要有这样一种机制？为什么我们需要被推荐内容？我想，在妳这一代人看来，很可能是这样的：打开 YouTube 和抖音，就有听不完的歌，看不完的视频。这些内容好像自上古时代以来就是在那里的，只等着妳点一下手机。
如果我女儿之外的人——大人，大叔——听到了这段，请不要觉得荒诞。在妳们看来，当然，歌要有人写出来，词要有人写，然后要有人编曲，有人唱，有人录音，还要做成唱片、做宣发，然后卖到人们手中。这些人现在当然还是存在，没有她们，我们还是听不到歌，但是新一代在 YouTube 和流播网站听歌，那感受是很不一样的。
我经常用“自来水”的比喻：拧开水龙头就有水出来。虽然理性上妳知道自己有在付水费、有污水处理厂等一系列基础设施，我们才能享用自来水。但妳确实会把自来水视为一种理所当然的事。我们称之为“内容”的东西正在渐渐变成自来水。
好吧，刚才打了个岔。我想说的是，正如之前在讲互联网的时候我说过旧时互联网和今天的一大区别是以前上了网不知道该干什么。在现在这样一个一打开软件有不怕没东西听和看的时代，很多人可能会认为为什么还要别人推荐内容。如果妳也是这么想的，我认为妳已经着了推荐系统的道。因为在 YouTube 首页就充斥着推荐系统。妳每天都被推荐系统引导着去看和听不同的影片和音乐，但却可能几乎意识不到它的存在。可以说，这有点像广告想要达到的最高境界了。
在上一封信里我有提到推荐算法，不过那主要是在说新闻媒体。但推荐算法已经遍布全网。其实，有一个更口语化的说法或许更加准确，那就是“猜妳喜欢”。在亚马逊等网站买了书，会看到它告诉妳，妳可能还想看这本；在 YouTube 会有推荐视频；Netflix 里我们看到的一排排影片列表也是根据复杂的推荐算法为妳排出的；在 iPhone 上往下拉，Siri 会猜妳想用哪个软件，这也是一种推荐系统。
推荐系统的结果，看上去可以很简单直白。例如，我现在打开 YouTube，最上面的两排里，有好几个都是我近期常看的频道的新内容，其中包括一个育儿节目、一个九十年代电视剧片段、一个现场音乐会、两个正在直播的新闻节目等等。但这些结果背后都有复杂的计算。Netflix 在自己的网站上大致描述了推荐算法背后包含哪些因素。她们会看妳之前看了哪些影片，给它们打多少分，这些影片的类型、年份、演员等具体信息，和妳口味类似的人的使用状况，妳在一天的什么时候看 Netflix、用什么设备、通常看多久等等。还有两个有趣的地方，一是 Netflix 明确说用户的性别和年龄不会用作推荐系统的参考，二是最近的观看历史的权重高于之前的观看历史，也就是说 Netflix 的算法更看重妳最近看了什么，认为从那里更容易推演出妳接下来更想看什么。
推荐算法是 Netflix 成功的法宝，所以她们不会告诉妳收集了上述复杂的信息之后具体的推理过程。但我们可以根据常识做一些猜测。例如，用什么设备看视频，这件事为什么重要？一种理解方法是，用户用手机看视频时，由于屏幕小，流量可能有限，并且有可能在通勤途中，因此比较可能选择短平快的内容，例如综艺节目，或是较为轻松的电视剧。或许 Netflix 的产品经理不是这么想的，但这里的关键是各种和内容本身不直接相关的因素都被纳入了推荐系统的考虑范畴。这一点并没有什么异常，因为一向如此。在前互联网时代同样如此。
发现内容的渠道千千万万，但有一些核心原则和现在这复杂而高级的推荐算法并无本质区别。我可以说一个例子——
在大量音乐青年主要的精神食粮是打口唱片的年代，我曾经无数次感受到唱片店老板貌似漫不经心的目光。我在一盒盒唱片中翻翻拣拣的动作，都被他暗自看在眼里。有时我刚选出了两张唱片，他就一言不发面无表情地从另一个箱子里掏出几张别的递给我。他就是一套人肉推荐算法。
和 Netflix 比，这套算法很不周全，不过颇有些特别之处。例如，有时他会通过某种无伤大雅的羞辱来达到让人消费的目的，具体表现为“这妳都没听过！”之类的话术；还有的时候，他也会诉诸于社交性，比如说哪个哪个资深乐迷都买了之类。
总之，我们都了解他的伎俩，也都比较能以平常心对待他，因为在那个年代还有一个重要的推荐系统，那就是乐评。
是的，从今天的角度看，这简直原始得难以想像，一个由许多活人组成的推荐系统，效率何其低下，人工成本又多么高昂？那个时候的乐评（也包括影评、电视评论、书评等）首先当然是刊载于杂志，但在售卖或租赁唱片、影碟的店里也会有一种乐评，那就是店员的个人心水推荐。有的店会专门辟出一块空间，用来摆放各店员本期推荐的音乐或电影，用卡片纸写上几十一百字的推荐放在旁边。久而久之，顾客和店员的口味会自然形成匹配，产生专门买某店员的推荐的习惯。九十年代的美剧《宋飞正传》，有一集的设定，就是 Elaine 由于喜欢一位店员的推荐，在想像中爱上了他，由此展开故事。在日本的许多唱片店，这种做法至今得以保留。
在这里我们可以看到，人们还有读乐评习惯的年代和如今这个年代的重要区别，那就是活人在整个推荐过程中的能见度。应该说，在读乐评影评的时代，导购并不是它们唯一的功能。它是很重要的功能，这一点无需否认。因为文化产品在那个时候已经过剩，消费者已经需要专业意见来帮助自己做出选择了。但我们并不是只会读有关自己可能会买的唱片的评论，也不一定只读自己喜爱的乐评人的评论。
读评论是在求推荐吗？应该说，肯定有这方面的考虑，但它更是一种参与公共话语的过程，用英文的说法，一种 making sense of the world（搞清世界是怎么一回事）的过程。在这个过程中，妳可能会发现一些自己喜欢的音乐和电影，但那从本质上说，并不是目的。
如果上面说的这些，让妳感觉我对于推荐系统有某种怀疑，这就是原因。“给我推荐几个好听的歌吧”是一种相当无趣的请求，它的草率体现在“个”这个量词的使用中。她知道歌的量词是“一首”，但由于她其实并不在乎妳是不是真的推荐给她，所以使用了一个最通用的量词，用来体现一种“无所谓”的淡然态度。推荐算法是为这些人准备的。
我想，或许是因为推荐算法出现的时候，我已经形成了自己的认知和审美系统，比较知道自己想听什么、想看什么，所以算法最初的原始和简陋绝不可能令我满足，相反会令我鄙视。对妳这一代，可能并非如此。妳们中的大部分人可能不会经历细读杂志（或乐评网站）来塑造音乐口味的过程，而是一开始就接受了推荐算法的洗礼。
不过也必须指出，并没有什么人会真的是一张白纸。以音乐而言，妳从小看到我弹钢琴，在幼儿园里老师会带妳们玩节奏游戏，之后妳也有可能跟随正式的音乐老师学习。在这种情况下，当妳第一次和推荐算法相遇时，妳是做好了准备的。
电影和电视剧也是这样吗？虽然拍电影作为一种课外活动不如学习乐器普遍，但讲故事是伴随每一个人童年的活动，如今，智能手机的普及，也令拍视频变得不再神秘。事实上，用视频讲故事、说明问题，已经是许多小学生的作业形态之一。只要有人引导她们去从视听语言、电影艺术的角度认真思考这其中的每一个步骤，她们在人生第一次自主使用 Netflix 之前，就已经对于电影有了爸爸这一代人没有的心得。
在推荐内容一事上，我们也不能忽视实体世界社交的作用。设计推荐算法的人都明白，妳的朋友的推荐，在很多时候比任何聪明的算法都更有效。爸爸的一位乐迷朋友经常和我抱怨说，无论他如何给女儿介绍一九六零、七零年代的音乐，上小学的女儿依然只是听她的同学和朋友听的东西。在今天这基本就是 Hip Hop，而且排除了八零、九零年代的 Hip Hop。如果我们带着善意去思考推荐算法，这里倒是它可以发挥正面效用的地方。
中国有家酒店，在客房内对于自己提供的宽带上网服务写了一份免责声明，说“网络是一个巨大且可能令人产生困惑的地方”，如果客人因为上网受到了伤害，本酒店不负责任。在我看来，推荐算法要是能把巨大的互联网上那些可能令人产生困惑的东西适时地推送过来，倒也是功德一件。只不过，上面那位朋友的经历（这种经历很多父母都有）告诉我们，或许，有比推荐算法更大的力量在左右着人们的内容消费。
说了这么多，我并不抗拒推荐算法。我不同意它目前的某些基本假设，例如“根据听众此刻的心情推送歌曲”，就是假设艺术应该配合人的情绪。我认为，艺术应该提升或超越人的情绪。但是在很多情况下，我也受益于推荐算法。这里最直接的例子，就是当我要了解一个陌生领域的知识时，亚马逊的“妳还可能对这些书感兴趣”，往往能够提供快速入门的方法。
另一方面，在深不见底的 YouTube 上听未正式发行的古典音乐录音，也往往能训练它的推荐算法在日后推一些令人惊喜的录音给我。
我想，和推荐算法共处时最重要的一点，就是要意识到它的存在，并且自己去挖掘算法意识到的相关性背后的故事。这是因为推荐算法是软件，它需要用精确的语言定义所有问题，在这个过程中，人类一切行为必然带有的混乱和非理性因子会被抹除。为什么妳看了电影甲之后 ，Netflix 会推荐电影乙给妳？或许是因为题材近似、风格近似，或是一万个看过电影甲的人里，有九千个都去看了电影乙。
这些是容易描述和定义的因子。但或许，只要通过简单的调研，就会发现电影乙的导演长期做过电影甲的导演的副导演；或者电影甲和电影乙的名字，都是直接借用自七十年代著名的流行歌曲；又或者电影乙最初是出于纯粹的商业与考虑对电影甲进行的抄袭模仿，但是在几十年后由于观众口味的变化被翻案重新评价，地位甚至超乎电影甲之上......
如此，妳就可以开始画自己的知识谱系，深挖作品之间、作者之间、作者与时代氛围之间的关系。这就是所谓的“making sense of the world”，而它，远比“找好听的歌听”更加重要。因为，“making sense of the world”本来就是人类在创作时所做的事。
2020.09.17
精选评论
共 18 条如果在生活中，用“人肉推荐算法”的方法，有时间看一个人拒绝什么，比看他喜欢什么更可靠。
夏夏 ：是啊...
最近很多朋友抱怨B站（哔哩哔哩）的推荐算法很狭隘，我就很少用它了。同理，知乎的推荐也比较讨厌。
则西 ：只看自己关注的up主就好了
觉得李老师每期节目都是值得反复收听反复琢磨并体会的
我个人的“人肉推荐算法”是b站对民族主义强国体震惊体推荐全选“不感兴趣”，尽量少用百度多用谷歌，少刷贴吧，少用qq，少看公众号，不刷朋友圈，不装抖音，不玩手游，不装头条，不看国产影视，不听国内流行歌曲，虽然知道肯定会有人跳出来啊blabla，但这是某种程度上避免被算法推荐一堆垃圾的最好做法了
促进自己思维的新陈代谢。听完之后认为推荐算法的目的只是让你留在软件里，无限循环被喂食，并不是『making sense of our world』
making sense of the world
成长在打口碟和流媒体时代之间的人体会又会不一样，举个例子，我是一点也不排斥Spotify或者YouTube Music给我推荐的歌单的，听见感兴趣的歌我又会点进这个歌手或者这张专辑按照专辑听。。
‘’making sense of the world‘’，好浪漫，但也本是初衷～无论什么技术，什么人造物或环境，我想，去驾驭，内在和外在，让它们变成帮助自己的东西，是很理想的一件事～很高兴在这个节目中也感觉到了这个意思～
推荐有时候也挺有用，我有时候想找什么东西又不知道这东西叫什么，就靠着这些推荐左搜右搜的找出来
意思是可以通过推荐算法反推，从而构造出一个精确而理性的网络。而通过这个网络与对应时代进行比较，可以逐渐剥离出人的作用，再借此完善自己的观念。 不懂我在说什么，没想清楚。
我害怕推荐算法，感觉人很容易沉溺其中，被它支配。
感谢。很受益。
推荐算法跟公司效益挂钩，理解为“导购”更合适，他是为软件公司服务的。用户的期望：“被推荐高质量作品”，而推荐算法的职责：“帮软件公司在短时间内带来更多经济效益”。 算法无审美，他只会基于浏览量、点赞数等数据从大众的评价中推测作品质量。即使算法可以大致预估出作品质量，在选拔推荐的产品时，它依然把产品的经济效益看得更重，而不同于“人肉推荐”的“高质量优先”原则。这就是“推荐算法”并不能替代靠谱的“人肉推荐”的原因。
我曾经有意地把QQ音乐、网易云、虾米训练成了三个不同风格的推荐体系，一个新潮系的、一个华语经典系的、一个纯音乐系的，那会儿感觉自己人格分裂了哈哈哈
什么时候再出新节目呀…