小心所谓「量身定制」

今天无意中看到篇关于「今日头条」创始人的专访文章，大致是讲要摒弃编辑思维，拥抱机器学习技术。其中，还特意谈到了「今日头条」最受诟病的内容低俗问题。

创始人这么解释：你看到的都是基于你喜欢看什么推荐而来，如果你发现首页全是低俗内容，那你得问问自己为什么会这样。

先不谈这是否能解释今日头条的内容问题，但这确是推荐算法存在的问题。

目前的推荐算法，大致有两种模式。

第一种：根据人与人之间的相似度进行推荐。

拿音乐举例，若甲乙两人在曲库上有极大相似度，就可以假定甲乙两人在品味上是接近的。这时若甲曲库中新增了一首歌，那这首歌很大概率上乙也会喜欢。

第二种：根据属性的相似度进行推荐。

还是拿音乐举例，假如一个人曲库中「古典」属性的音乐较多，那么他就有更大概率喜欢「古典」类的音乐，而不是「流行」类音乐。

现有应用的算法，大致是由这两种思路混合而来，效果也参差不齐。究其根本，在于这两种算法思路其实是有瑕疵的。

我读郭敬明和韩寒的小说，你也读郭敬明和韩寒的小说，这就能证明我喜欢巴尔扎克，你也会喜欢巴尔扎克？这显然不成立。

另外，假如我喜欢读《物理世界奇遇记》，未必我也喜欢读《时间简史》。虽然两者同属物理类的科普书，但细节上却全然不同。

由此，推荐算法的作用其实并非找出人们所爱，而是排除人们不爱。

算法提供的结果，只是排除了你不太可能喜欢的。换句话说，算法缩小了我们的选择范围，但绝不能精准定位。

若用大海捞针做比喻，算法能告诉你针掉到了哪片海域，或是哪座海岛周边，却无法告诉你针掉在东经128度，西经37度，海拔-320米的位置。

所以你坚守自己的品味就很重要。

记得我使用「豆瓣电台」时，刚开始不知道要“坚守”品味。网站推荐一首，我觉得有一点好听就 Star。结果我回过头一看，自己 Star 了一堆我不想听第二遍的歌，而这些不好听的歌又会让算法推给我更不喜欢的歌。

这种情况，就叫「养废了」。

推荐算法的推荐结果，天生就是一个弥散的范围，你需要仔细鉴别这些推荐结果，衡量它们的合适程度，因为这些操作不仅适用于当下，还会对算法接下来的动作有极大影响。

千万不要以为有推荐算法就能高枕无忧了，仔细斟酌是必须的。