第一章　誰在替你思考？

推薦系統使我們的生活方便多了。想知道應該租借哪部電影錄像嗎？傳統方法是詢問好友，或者查看影評人是否給出了好評。

現在，人們會上網查看根據大眾行為總結出的指南。其中，一些“偏好引擎”完全就是最流行事物的清單。《紐約時報》列出了“被電子郵件轉發最多的文章”。iTunes列出了下載最多的歌曲。美味標簽列出了最流行的網紅美食標簽。這些簡單的過濾器常常可以使網民鎖定最熱門的事物。

一些推薦軟件還不止于此，它們試圖讓你知道和你相似的人喜歡什么。亞馬遜告訴你，購買《達芬奇密碼》的人還購買了《圣血與圣杯》。網飛根據你過去推薦過的電影向你進行推薦。這是真正的“協同過濾”，因為你的電影評分幫助網飛向其他人進行更好的推薦，而他們的評分又幫助網飛對你做出更好的推薦?；ヂ摼W是這種服務的完美載體，因為互聯網零售商可以用很低的成本跟蹤顧客行為，并且自動聚集、分析和展示這種信息，為隨后的顧客服務。

當然，這些算法并非完美。沃爾瑪需要向顧客道歉，因為當他們搜索《馬丁·路德·金：我有一個夢想》時，網站向他們推薦了《決戰猩球》系列光盤。類似地，亞馬遜也會冒犯顧客。當顧客搜索“墮胎”時，網站會問“你是說領養嗎？”亞馬遜之所以自動生成領養的問題，是因為之前許多搜索墮胎的顧客也搜索了領養。

不過，在網上，協同過濾器對消費者和零售商來說仍然是一個巨大的福音。在網飛，近2/3的出租電影是由網站推薦的。在網飛的五星評分系統中，和那些在推薦系統之外租借的電影相比，推薦電影的評分要高出一顆星。

電子郵件轉發最多的文章清單和暢銷書榜單具有集中關注度的作用，而更具個性化的推薦則具有分散關注度的優點。網飛可以向不同的人推薦不同電影。因此，在該公司的5萬部電影中，超過90%的電影至少每月都會得到租借。商家可以通過協同過濾器評估克里斯·安德森（Chris Anderson）所說的偏好分布的“長尾”。網飛推薦使其顧客出現在了過去很難被發現的小眾市場利基之中。

同樣的事情也發生在音樂領域。在潘多拉網站上，用戶可以輸入他們喜歡的一首歌曲或一個藝術家的名字。然后，網站幾乎可以馬上播放出一支又一支具有類似風格的歌曲。你喜歡辛迪·勞珀（Cyndi Lauper）和破嘴樂隊嗎？好，潘多拉會為你創建一個勞珀破嘴電臺，用于播放這些歌手和其他類似歌手的歌曲。在每首歌播放時，你可以點擊“我非常喜歡這首歌”或者“下次不要播放這種類型的歌曲了”，以便讓軟件更加了解你的喜好。

這個網站為我和我的孩子們提供了很好的服務。它不僅可以播放我們每個人都很喜愛的歌曲，而且找到了我們喜愛但卻從未聽說過的樂隊的作品。例如，我告訴潘多拉，我喜歡布魯斯·斯普林斯汀（Bruce Springsteen）。于是，它創建了一個電臺，開始播放這位老大和其他著名歌手的音樂。不過，幾首歌之后，我聽到了一首極其悅耳的歌曲，那是基頓·西蒙斯（Keaton Simons）的《現在》（通過手邊的快捷鏈接，你能輕松在iTunes或亞馬遜上購買這首歌曲及其專輯）。這就是長尾效應，因為像我這樣的書呆子永遠不可能自己去搜索這個家伙的音樂。通過類似的偏好系統，Rhapsody.com的100萬首歌曲中超過90%的歌曲每個月都會得到播放。

MSNBC.com最近添加了自己的“推薦故事”功能。它用插件跟蹤你最近閱讀的16篇文章，通過自動文本分析預測你想要閱讀的新故事。在開啟你的晨間閱讀時，基于16個故事的預測具有極高的準確度，而且有點令人尷尬。例如，它為我自動推薦了《美國偶像》的文章。

不過，芝加哥法律教授卡斯·桑斯坦（Cass Sunstein）擔心對于長尾的利用會帶來社會成本。這些個性化過濾器越成功，我們作為公民群體的共同經歷就越少。麻省理工教授、媒體技術大師尼古拉斯·尼葛洛龐帝（Nicholas Negroponte）在這些“個性化新聞”功能中看到了《我的日報》的苗頭——這種新聞出版物只向公民提供與他們的狹隘預設偏好相匹配的信息。當然，新聞的自我過濾已經出現很長時間了。副總統切尼（Cheney）只看福布斯新聞電視臺。拉爾夫·納德（Ralph Nader）只閱讀《瓊斯母親》。不同的是，現在，科技正在創造出極為強大的受眾審查制度。Excite.com和Zatso.net等網站開始允許用戶生成“我的報紙”和“個性化新聞播報”，其目標是創建一個“由你決定新聞”的世界。谷歌新聞允許你對新聞組進行個性化設置。電子郵件提醒和新聞推送允許你選擇“這是我想要的新聞”。如果愿意，我們現在甚至可以完全擺脫我們不感興趣的那些討厭的社會問題新聞。

所有這些協同過濾器都屬于詹姆斯·索羅維基（James Surowiecki）所說的“群體智慧”。在一些背景下，集體預測比群體中每個成員能夠取得的最佳預測更加準確。例如，想象你向一個大學班級中的學生懸賞100美元，讓他們對罐子里的硬幣數量進行最佳估計。通過計算他們的平均估計值，你就可以得到群體智慧。事實反復證明，這個平均估計值很可能比任何個體估計值更加接近真值。一些人的猜測值太大，一些人的猜測值太小——但是較大和較小的估計值整體上往往會相互抵銷，群體的預測常常優于個體。

在電視節目《誰想成為百萬富翁》中，“詢問觀眾”得到正確答案的概率超過90%（給某個朋友打電話得到正確答案的概率則不到2/3）。協同過濾器是一種定制版的觀眾調查。和你類似的人可以非常準確地猜測出你喜歡什么類型的音樂或電影，偏好數據庫是改善個人決策的有力途徑。