1　Python和一個(gè)數(shù)學(xué)天才黑了約會(huì)網(wǎng)站的故事

Python從一誕生就吸引了人們的注意，多年來(lái)，它的地位一直在穩(wěn)步上升。2014年，一名黑客改行的新聞工作者凱文（Kevin Lee Poulsen）報(bào)道了一名數(shù)學(xué)家兼黑客克里斯·麥金萊（Chris McKinlay）用黑科技收獲愛(ài)情的真實(shí)故事，并火遍了互聯(lián)網(wǎng)，讓人們進(jìn)一步認(rèn)識(shí)到原來(lái)Python可以這么強(qiáng)大。故事源于2012年6月初的一天凌晨，35歲的加州大學(xué)洛杉磯分校（UCLA）數(shù)學(xué)系博士生克里斯一邊用計(jì)算機(jī)做博士論文研究，一邊打開(kāi)一個(gè)新窗口查看他在約會(huì)網(wǎng)站OKCupid的收件箱。自從9個(gè)月前和女友分手后，他一直試圖通過(guò)OKCupid尋找一份新的愛(ài)情。這個(gè)網(wǎng)站以通過(guò)算法自動(dòng)匹配約會(huì)對(duì)象而出名，但他給那些被OKCupid算法吹噓為很般配的女孩發(fā)了許多短信，大多石沉大海，在9個(gè)月的時(shí)間里他一共才和6個(gè)女孩見(jiàn)了面，都是一次之后就沒(méi)了下文。這天，當(dāng)他盯著那份孤獨(dú)的個(gè)人檔案，突然間意識(shí)到哪里出了問(wèn)題。

OKCupid會(huì)員們需要回答從政治、宗教、家庭到愛(ài)情等各種各樣的一系列問(wèn)題。平均而言，會(huì)員需要從數(shù)千個(gè)問(wèn)題中選出350個(gè)問(wèn)題，對(duì)每一個(gè)問(wèn)題，都寫(xiě)出一個(gè)自己的標(biāo)準(zhǔn)答案，同時(shí)以5分制打分的方式對(duì)其他回答進(jìn)行評(píng)價(jià)。系統(tǒng)會(huì)根據(jù)用戶對(duì)問(wèn)題的回答，自動(dòng)計(jì)算潛在約會(huì)對(duì)象間的匹配度并優(yōu)先推薦匹配度高的人。

但從數(shù)學(xué)上講，克里斯與洛杉磯女性的匹配度是非常低的。OKCupid的算法只使用兩個(gè)潛在約會(huì)者都決定回答的問(wèn)題來(lái)進(jìn)行匹配，而克里斯選擇的問(wèn)題被證明是不受女性待見(jiàn)的。當(dāng)他滾動(dòng)搜索匹配對(duì)象時(shí)，只有不到100名女性出現(xiàn)在90%的匹配指數(shù)之上。而洛杉磯大約有200萬(wàn)女性，其中約8萬(wàn)人是OKCupid用戶，在一個(gè)匹配度等于可見(jiàn)性的網(wǎng)站上，他基本上就是一個(gè)幽靈，這就是問(wèn)題所在。

首先，他必須提高匹配人數(shù)。如果通過(guò)統(tǒng)計(jì)抽樣，可以確定哪些問(wèn)題對(duì)他喜歡的女性有重要意義，他就可以建立一個(gè)全新的個(gè)人檔案，誠(chéng)實(shí)地回答這些問(wèn)題，而忽略其他問(wèn)題。這樣，他就可以匹配到洛杉磯每一個(gè)可能適合他的女性，同時(shí)自動(dòng)過(guò)濾掉那些不適合的。要達(dá)到這個(gè)效果，首先他需要數(shù)據(jù)。為此他建立了12個(gè)OKCupid機(jī)器人賬戶，并編寫(xiě)了一個(gè)Python腳本來(lái)管理它們。Python腳本搜索年紀(jì)和他相仿的女性，訪問(wèn)她們的頁(yè)面，并從她們的個(gè)人資料中搜尋種族、身高、吸煙與否、星座等內(nèi)容。此外，為了找到調(diào)查問(wèn)題的合適的回答，他不得不采取一些非常的手段。OKCupid可以讓一個(gè)用戶看到其他人對(duì)某個(gè)問(wèn)題的回復(fù)，但前提是該用戶也回答過(guò)這些問(wèn)題。于是，克里斯設(shè)置了他的機(jī)器人隨機(jī)地、簡(jiǎn)單地回答每一個(gè)問(wèn)題，因?yàn)樗](méi)有使用這些虛擬的機(jī)器人資料來(lái)吸引任何一個(gè)女性，所以機(jī)器人的回答本身無(wú)關(guān)緊要，重要的是要把這些女性的回答收集到一個(gè)數(shù)據(jù)庫(kù)中。

然而，在收集了大約1000份個(gè)人資料后，他遇到了第一個(gè)問(wèn)題。OKCupid已經(jīng)有一個(gè)系統(tǒng)來(lái)防止這種數(shù)據(jù)收集機(jī)器人，它可以很容易地發(fā)現(xiàn)這些數(shù)據(jù)收割機(jī)。一個(gè)接一個(gè)地，他的機(jī)器人被禁止了。他意識(shí)到應(yīng)該訓(xùn)練機(jī)器人模仿人的行為，這樣才能防止被禁。

克里斯想起了他的朋友薩姆·托里西，一位神經(jīng)科學(xué)家，托里西當(dāng)時(shí)在教克里斯音樂(lè)理論，作為交換，克里斯教托里西高級(jí)數(shù)學(xué)課程。托里西也在OKCupid上有賬戶，他同意在自己的計(jì)算機(jī)上安裝監(jiān)視軟件來(lái)收集他在該網(wǎng)站的使用習(xí)慣。有了托里西和自己的這些行為數(shù)據(jù)，克里斯編程他的機(jī)器人，模擬人的點(diǎn)擊率和打字速度。他從家里帶來(lái)了第二臺(tái)計(jì)算機(jī)，把它插到數(shù)學(xué)系的寬帶交換機(jī)上，這樣它就可以24小時(shí)不間斷地讓這些機(jī)器人干活。三周后，他從20 000名女性那里收集了600萬(wàn)個(gè)問(wèn)題和回答。這時(shí)候克里斯已經(jīng)顧不上他的論文了，他大多數(shù)晚上都睡在自己的小隔間里，要睡覺(jué)的時(shí)候就在桌子上放一張薄床墊。

拿到數(shù)據(jù)還只是第一步，他必須在調(diào)查數(shù)據(jù)中找到一種模式，即根據(jù)女性的相似性對(duì)她們進(jìn)行大致分組。他嘗試了幾種不同的方法，在嘗試了貝爾實(shí)驗(yàn)室發(fā)明的一種稱(chēng)為K-mode聚類(lèi)的算法后終于獲得了想要的突破。根據(jù)自己的問(wèn)題和回答，20 000名女性被聚類(lèi)成7個(gè)統(tǒng)計(jì)上不同的群體。

他重新給他的機(jī)器人分配了任務(wù)，這次訓(xùn)練的樣本略有差異，機(jī)器人收集了5000名在過(guò)去一個(gè)月登錄了OKCupid的洛杉磯和舊金山的女性。然后又用K-mode算法聚類(lèi)，證實(shí)了它們?nèi)匀灰灶?lèi)似的方式聚類(lèi)。統(tǒng)計(jì)抽樣的方法看來(lái)是有效的。

現(xiàn)在，所有女性被他分成了7個(gè)群體，他只需要決定哪個(gè)群體最適合他就行。他查看了每個(gè)群體的統(tǒng)計(jì)特性。一組太年輕，兩組太老，另一組太偏基督教。一組25歲左右的女性群體讓他流連忘返，她們是經(jīng)濟(jì)獨(dú)立的音樂(lè)家或藝術(shù)家，這看起來(lái)是個(gè)理想的群體。他決定在這里進(jìn)行淘金。但是，鄰近的一個(gè)群體的女性看起來(lái)也相當(dāng)酷，她們略微成熟一點(diǎn)，專(zhuān)業(yè)從事創(chuàng)造性工作，比如編輯和設(shè)計(jì)師。最后他決定兩個(gè)組都試試，為此他把兩組分別命名為A、B組，針對(duì)這兩組，又各優(yōu)化了一份個(gè)人檔案。

之后，他又通過(guò)文本挖掘這兩個(gè)類(lèi)別來(lái)了解她們感興趣的內(nèi)容，發(fā)現(xiàn)教育是一個(gè)共同的熱門(mén)話題，因此他寫(xiě)了一篇突出自己作為數(shù)學(xué)教授的簡(jiǎn)介。不過(guò)，重要的部分是調(diào)查問(wèn)題。他挑出了在這兩組人中最受歡迎的500個(gè)問(wèn)題并誠(chéng)實(shí)地回答了這些問(wèn)題，他不想未來(lái)的情侶關(guān)系建立在計(jì)算機(jī)自動(dòng)編造的謊言之上。但是他也機(jī)靈地讓他的計(jì)算機(jī)計(jì)算出每個(gè)問(wèn)題的重要性，使用一種稱(chēng)為自適應(yīng)增強(qiáng)的機(jī)器學(xué)習(xí)算法得出最佳權(quán)重，簡(jiǎn)而言之，哪個(gè)問(wèn)題重要就回答哪個(gè)。

最后，兩份個(gè)人檔案新鮮出爐了，一個(gè)封面上他正在攀巖，而另一個(gè)封面上，他正在演唱會(huì)上彈吉他。對(duì)于問(wèn)題的重要性，他完全遵循計(jì)算機(jī)的指示。一切設(shè)置好以后，他在OKCupid上搜索洛杉磯的女性，并按匹配百分比排序。喔呼！在頂部，滿頁(yè)匹配率為99%的女性，一頁(yè)又一頁(yè)，在翻閱了一萬(wàn)名來(lái)自洛杉磯各地的女性之后，他的匹配度仍然維持在90%以上。

匹配的女性完全找出來(lái)了，他還需要一步——引起她們的注意。在OKCupid上，當(dāng)有人瀏覽某會(huì)員的網(wǎng)頁(yè)時(shí)，該會(huì)員會(huì)收到通知，所以他又用Python寫(xiě)了一個(gè)新的程序來(lái)訪問(wèn)最匹配他的女孩的網(wǎng)頁(yè)，并按年齡自動(dòng)循環(huán)：

周一是1000名41歲的女性，周二是1000名40歲的女性；兩周后，當(dāng)訪問(wèn)完27歲這個(gè)群體的女性后，又循環(huán)再來(lái)。很快，女孩們回訪了他的個(gè)人資料，每天約400人，消息隨之滾滾而來(lái)。一位女士寫(xiě)道：“到目前為止，我還沒(méi)有遇到任何人擁有這樣的匹配度，我覺(jué)得你的個(gè)人資料很有趣。”

“我想我們有很多共同點(diǎn)，也許不是數(shù)學(xué)，但肯定還有很多其他有趣的東西！”，另一個(gè)人寫(xiě)道。

克里斯的匹配搜索的數(shù)學(xué)部分已經(jīng)完成了。現(xiàn)在，他得離開(kāi)辦公室去約會(huì)。

6月30日，克里斯在加州大學(xué)洛杉磯分校的體育館淋浴后，開(kāi)著他那輛破舊的日產(chǎn)汽車(chē)穿過(guò)城鎮(zhèn)，開(kāi)始了他的第一次數(shù)據(jù)挖掘出來(lái)的約會(huì)。希拉是一位年輕的網(wǎng)頁(yè)設(shè)計(jì)師。他們?cè)贓cho公園的一家咖啡館共進(jìn)午餐。但在約會(huì)結(jié)束時(shí)，雙方都清楚地意識(shí)到，他們之間并無(wú)火花。第二天，他約會(huì)一個(gè)來(lái)自B組的迷人的博客編輯。他原計(jì)劃在Echo公園湖邊浪漫散步，但發(fā)現(xiàn)湖水正在疏浚，她最近一直在讀普魯斯特的書(shū)，對(duì)自己的生活感到沮喪。他覺(jué)得氣氛有點(diǎn)壓抑。

第三次約會(huì)也是B組的。他在韓國(guó)城的一家酒吧里和艾莉森見(jiàn)面了，她是一個(gè)正在學(xué)習(xí)編劇的學(xué)生，肩上文著一個(gè)斐波那契螺旋線。他們喝了韓國(guó)啤酒，聊得似乎很嗨，第二天在自己的小隔間里醒來(lái)，克里斯的頭仍然很痛，他在OKCupid里給艾莉森發(fā)了一條信息，但她再也沒(méi)有回信。被拒絕讓他覺(jué)得很不好受，好在他仍然受到很多女性的關(guān)注，每天收到20多條主動(dòng)示好的信息。信息太多，他只對(duì)那些表現(xiàn)出幽默感或在簡(jiǎn)介中顯示出有趣特性的人做出回應(yīng)，其他就只好忽略了。相比以前需要來(lái)回交換四五條信息才能成功安排一次約會(huì)，現(xiàn)在他只需要一個(gè)回復(fù)：“你看起來(lái)真的很酷，想見(jiàn)面嗎？”

剛開(kāi)始的一些約會(huì)他還頗費(fèi)心思去安排。但是，約會(huì)隊(duì)列中的女孩太多，他不得不提高效率，經(jīng)常需要一天安排兩次約會(huì)。他為此制定了一套規(guī)則來(lái)完成他的馬拉松式愛(ài)情搜索。比如，不再喝酒，如果不合適就當(dāng)機(jī)立斷，不聽(tīng)音樂(lè)會(huì)，不看電影，保持注意力在彼此，不進(jìn)行任何會(huì)讓注意力轉(zhuǎn)移的其他活動(dòng)，等等。

經(jīng)過(guò)一個(gè)月和這兩個(gè)群體的人不停地約會(huì)，他發(fā)現(xiàn)自己為了約會(huì)東區(qū)的女孩群體而花費(fèi)太多的時(shí)間在高速公路上。他刪除了他在A組的個(gè)人資料。相應(yīng)地，效率提高了，但結(jié)果還是一樣。當(dāng)夏天接近尾聲時(shí)，他已經(jīng)進(jìn)行了55次約會(huì)，每次都仔細(xì)地記錄在實(shí)驗(yàn)室的筆記本上。但只有三次約會(huì)后續(xù)又進(jìn)行了第二次約會(huì)；只有一次導(dǎo)向了第三次約會(huì)。克里斯開(kāi)始懷疑他的算法，也許網(wǎng)撒得有點(diǎn)大？

就在這時(shí)，28歲的藝術(shù)家、正在UCLA攻讀美術(shù)碩士學(xué)位的克里斯蒂娜·王甜（Christine Tien Wang）發(fā)過(guò)來(lái)了一條消息。她在UCLA附近尋找6英尺（1英尺≈0.3048米）高、藍(lán)眼睛男孩時(shí)突然看到了克里斯的資料，他們是91%的匹配。他在校園的雕塑花園約見(jiàn)了她，從那里他們走到一家壽司店。他立刻感覺(jué)到了彼此間的電流，他們談?wù)摃?shū)籍、藝術(shù)、音樂(lè)。當(dāng)她坦白承認(rèn)在給他發(fā)短信之前，她對(duì)自己的個(gè)人資料做了一些調(diào)整時(shí)，他把自己的愛(ài)情黑客行為都告訴了她。“太黑了，太壞了”，她雀躍地說(shuō)，“不過(guò)我喜歡。”

這是第88號(hào)候選人的第一次約會(huì)，接著是第二次，然后是第三次，兩周后，他們都暫時(shí)關(guān)閉了他們的OKCupid賬戶。一年后，克里斯向王甜求婚，她愉快地答應(yīng)了。

對(duì)王甜來(lái)說(shuō)，克里斯的黑客行為是一個(gè)有趣的故事，但所有的數(shù)學(xué)和編碼只是他們故事的序幕，一段感情中真正的“入侵”（hacking）發(fā)生在相遇之后。克里斯說(shuō)：“我認(rèn)為，我所做的只是對(duì)網(wǎng)站上所有人所做的事情進(jìn)行了一個(gè)算法化、數(shù)據(jù)驅(qū)動(dòng)和基于機(jī)器學(xué)習(xí)的改進(jìn)，每個(gè)人都試圖創(chuàng)建一個(gè)最佳的形象，我只是用Python結(jié)合大數(shù)據(jù)設(shè)計(jì)了一個(gè)。”