[[121078]]

算法對(duì)于我們今天生活十分重要，怎樣宣揚(yáng)也不會(huì)夸張。它們?cè)谔摂M世界中無(wú)處不在，從金融機(jī)構(gòu)到交友網(wǎng)站。但是，相比于其他算法，其中有一些算法更大程度上改變并控制著我們的世界——本文列舉了其中十種最為重要的算法。

在正式介紹算法內(nèi)容之前，讓我們來(lái)迅速?gòu)?fù)習(xí)一些基本內(nèi)容。雖然，沒(méi)有明確的定義，但是計(jì)算機(jī)科學(xué)家將算法描述為一個(gè)定義了操作順序的規(guī)則集合。它們是一組順序指令，用來(lái)告訴計(jì)算機(jī)怎樣解決一個(gè)問(wèn)題或者達(dá)到某種既定目標(biāo)。認(rèn)識(shí)算法的好方法，是將算法可視化為流程圖。

1. Google Search 谷歌搜索

不久之前，搜索引擎成為了互聯(lián)網(wǎng)時(shí)代的霸主。與搜索引擎一起崛起的還有谷歌和谷歌提出的PageRank算法。

[[121079]]

今天，在美國(guó)的核心搜索市場(chǎng)中，谷歌的市場(chǎng)占有率達(dá)到了66.7%，其次是微軟（18.1%），雅虎（11.2%），Ask（2.6%），AOL（1.4%）。毋庸置疑，谷歌已經(jīng)統(tǒng)治了搜索市場(chǎng)，而且我們中的很多人把谷歌作為使用互聯(lián)網(wǎng)的主要途徑。

PageRank 的工作依賴(lài)于兩個(gè)組成部分，一是叫做“蜘蛛”或者“爬蟲(chóng)”的自動(dòng)程序，另一部分是關(guān)鍵詞索引及其 位置。這個(gè)算法通過(guò)計(jì)算某個(gè)網(wǎng)頁(yè)的相關(guān)鏈接數(shù)量和鏈接質(zhì)量，來(lái)大致計(jì)算這個(gè)網(wǎng)頁(yè)的重要性。算法的基本思想是越重要的網(wǎng)頁(yè)會(huì)有越多的鏈接指向它。這是一個(gè)基 本的人氣競(jìng)賽。除此之外，PageRank算法也考慮了一個(gè)網(wǎng)頁(yè)中關(guān)鍵詞的頻率和出現(xiàn)位置，以及這個(gè)網(wǎng)頁(yè)發(fā)布的時(shí)間。

2. Facebook News Feed

雖然我們不愿承認(rèn)，但是Facebook的新聞提要（NewsFeed）是我們最喜歡浪費(fèi)時(shí)間的地方。除非你的個(gè)人偏好已經(jīng)設(shè)置為展示所有事件并且 按照時(shí)間順序更新所有好友新聞，不然你看到的新聞是一個(gè)預(yù)處理之后的選擇，這個(gè)預(yù)處理是由Facebook的算法為你量身選擇某些新聞而展示。

為了決定哪些新聞的內(nèi)容是最有意思的，這個(gè)算法會(huì)考慮很多因素，比如評(píng)論數(shù)，發(fā)表人（是的，有一個(gè)內(nèi)容的“流行”人物排名，所謂的“流行”人物是與你互動(dòng)最多的人），發(fā)表類(lèi)型（比如照片、視頻、狀態(tài)、更新等等）。

3. OKCupid 情侶匹配

在線(xiàn)交友現(xiàn)在是一個(gè)價(jià)值20億美元的產(chǎn)業(yè)。由于Match.com, eHarmony, and OKCupid等網(wǎng)站的發(fā)展，這個(gè)產(chǎn)業(yè)自從2008年以來(lái)每年擴(kuò)大3.5%。分析家認(rèn)為這個(gè)產(chǎn)業(yè)的加速發(fā)展在未來(lái)五年還將繼續(xù)——情有可原：這是情侶遇見(jiàn) 的有效方式。婚戀網(wǎng)站不僅僅造就了更多的成功婚姻，他們也擅長(zhǎng)于根據(jù)個(gè)人不同的喜好和傾向，匹配潛在情侶。當(dāng)然，這樣的匹配完全是由算法完成的。

我們將以O(shè)KCupid為例，OKCupid是一個(gè)免費(fèi)的婚戀網(wǎng)站，聯(lián)合創(chuàng)始人之一是哈佛大學(xué)的數(shù)學(xué)家Christian Rudder。OKCupid采用一種絕對(duì)的分析方法促成約會(huì)，他們從用戶(hù)那里盡力獲取信息。OKCupid 的配對(duì)算法不僅僅是簡(jiǎn)單地匹配一些共同愛(ài)好，同時(shí)，每一個(gè)問(wèn)題都被賦予了權(quán)重，用來(lái)衡量這個(gè)問(wèn)題對(duì)于用戶(hù)和他們潛在情侶的重要程度。這就是所謂的差異造就 不凡——這是OKCupid成為***效婚戀網(wǎng)站的原因之一。

4. NSA 數(shù)據(jù)采集，解讀和加密

我們?cè)絹?lái)越多地被算法而不是被人觀(guān)察。感謝Edward Snowden，我們知道了美國(guó)安全局（NSA）及其小伙伴已經(jīng)暗中監(jiān)控了上百萬(wàn)的無(wú)辜公民。近期披露的文件顯示，已經(jīng)有許多的監(jiān)控項(xiàng)目被 FiveEyes實(shí)施，F(xiàn)iveEyes是由美國(guó)、澳大利亞、加拿大、新西蘭和英國(guó)共同組成的情報(bào)組織。它們已經(jīng)監(jiān)控了我們的移動(dòng)電話(huà)、電子郵箱、網(wǎng)絡(luò)攝 像頭圖像和地理位置信息。同時(shí)，“它們”我指的是他們的算法，這其中有太多的數(shù)據(jù)，人力無(wú)法進(jìn)行收集和解讀。

有意思的是，NSA聲稱(chēng)實(shí)際上他們并沒(méi)有“采集”我們的數(shù)據(jù)。根據(jù)一份1982年的程序手冊(cè)，“信息“采集”是指當(dāng)信息被收集并被國(guó)防部情報(bào)機(jī)構(gòu)在 職責(zé)范圍內(nèi)使用”。同時(shí)“數(shù)據(jù)由電子系統(tǒng)采集是指信息采集并被轉(zhuǎn)換為可理解的形式”。英國(guó)衛(wèi)報(bào)的Bruce Schneier解釋道：

“ 因此，假設(shè)你的朋友在家里有成千上萬(wàn)的書(shū)籍，根據(jù)NSA的解釋?zhuān)⒉?ldquo;收集”圖書(shū)。只有他真正在讀的那些才是他“收集”的圖書(shū)，他利用圖書(shū)做其他事情時(shí)并不能認(rèn)為他在“收集”圖書(shū)。”

這會(huì)產(chǎn)生一個(gè)問(wèn)題因?yàn)椋?/p>

計(jì)算機(jī)算法與人們密切相關(guān)。當(dāng)我們想到計(jì)算機(jī)算法正在監(jiān)控我們并且分析我們的個(gè)人數(shù)據(jù)時(shí)，我們必須想想在算法背后的人。是不是有人正在看著我們的數(shù)據(jù)，事實(shí)上，他們能做的事情正是監(jiān)視。

***，最相關(guān)的還有美國(guó)國(guó)家安全局的Suite B 加密算法，這是一套功能強(qiáng)大的算法，用于加密、數(shù)據(jù)交換、數(shù)字簽名和哈希。機(jī)構(gòu)正是利用這一算法來(lái)保護(hù)分類(lèi)以及未分類(lèi)文件的。

5. 推薦算法

諸如比如 亞馬遜和 Netflix 這樣的網(wǎng)站，會(huì)記錄你購(gòu)買(mǎi)過(guò)的書(shū)籍或是你看過(guò)的電影，然后根據(jù)我們的愛(ài)好為我們推薦商品。

正如許多自動(dòng)程序一樣，這種二十一世紀(jì)獨(dú)有的技術(shù)既有優(yōu)點(diǎn)也有缺點(diǎn)。雖然這樣的推薦有時(shí)候很有幫助，但是有時(shí)候也會(huì)偏離目標(biāo)——特別是你為你的三歲女兒選購(gòu)了一本兒童讀物作為禮物之后。

與PageRank和Facebook的新聞提要一樣，這樣的算法正在造成所謂的“過(guò)濾器泡沫”，這是一種現(xiàn)象，用戶(hù)與他們不感興趣的信息隔離—— 有效地將用戶(hù)通過(guò)意識(shí)形態(tài)的“泡沫”隔離起來(lái)。這導(dǎo)致了Eli Pariser提出的“信息決定論”，我們過(guò)去在網(wǎng)上瀏覽的興趣決定了我們的未來(lái)。

6. Google AdWords

與之前的算法類(lèi)似， Google, Facebook以及其他的網(wǎng)站跟蹤你的行為、用詞、搜索請(qǐng)求來(lái)推送相應(yīng)廣告。 Google’s AdWords——公司最主要的收入來(lái)源——正是以這樣的模式進(jìn)行預(yù)測(cè)的，同時(shí)Facebook也在盡力進(jìn)行相關(guān)研究（你***一次點(diǎn)擊Facebook的 廣告是什么時(shí)候？）

7. 高頻率的股票交易

很久之前，金融部門(mén)就開(kāi)始使用算法來(lái)預(yù)測(cè)市場(chǎng)波動(dòng)，但是他們?cè)诟哳l率的股票交易中的實(shí)踐才剛剛開(kāi)始。這樣的高速交易涉及的算法，也叫做機(jī)器人，可以對(duì)訂單在毫秒級(jí)做出判斷。相反，一個(gè)人通常需要至少一秒才能對(duì)潛在的風(fēng)險(xiǎn)做出反應(yīng)。因此，人們逐漸被排除在了實(shí)際交易的循環(huán)之外——一個(gè)全新的電子生態(tài)正 在逐漸形成。

但是，又是這些算法會(huì)造成錯(cuò)誤。Leo Hickman解釋道：

比如：2010年五月六日的“閃電崩盤(pán)”，當(dāng)時(shí)道瓊斯指數(shù)在幾分鐘內(nèi)平均下跌了1000點(diǎn)，而在二十分鐘之后市場(chǎng)才出現(xiàn)反彈。這樣的大幅直線(xiàn)下跌到 目前為止也沒(méi)能得到完整解釋?zhuān)谴蟛糠纸?jīng)濟(jì)學(xué)家將齊歸咎于“竟次”。“竟次”的罪魁禍?zhǔn)资菫榱诉_(dá)到高頻交易而大規(guī)模使用的量化交易算法。Scott Patterson，華爾街日?qǐng)?bào)的記著和《The Quants》的作者，將在交易場(chǎng)地使用這些算法比作飛機(jī)的自動(dòng)駕駛。今天，大部分的交易是由算法自動(dòng)完成的，但是當(dāng)情況出現(xiàn)不同時(shí)，比如發(fā)生閃電崩盤(pán) 時(shí)，應(yīng)當(dāng)有人工介入。

8. MP3 壓縮

壓縮數(shù)據(jù)算法是電子世界不可磨滅的重要一員。我們希望更快地接收媒體數(shù)據(jù)，同時(shí)希望節(jié)約硬盤(pán)空間。因此，人們?cè)O(shè)計(jì)了很多方法來(lái)壓縮和傳送數(shù)據(jù)。

比如，在1991年思科系統(tǒng)研發(fā)了CRTP協(xié)議。1987年，德國(guó)研究者發(fā)明了今天廣泛使用的MP3格式，從而將音頻的大小減少到原始大小的十分之一。這一壓縮格式導(dǎo)致了音樂(lè)產(chǎn)業(yè)的革命（影響有好有壞）。

9. 預(yù)測(cè)分析軟件

目前這一技術(shù)并沒(méi)有主宰我們的世界，但是它將很快主宰世界。越來(lái)越多的警察機(jī)構(gòu)正在使用一種預(yù)測(cè)分析技術(shù)——一種讓人想起電影《少數(shù)派報(bào)告》的新工具。

在2010年，據(jù)說(shuō)利用IBM的預(yù)測(cè)分析軟件（叫做CRUSH，全稱(chēng) Criminal Reduction Utilizing Statistical History），2006年以來(lái)孟菲斯市的警察局減少了超過(guò)30%的惡性案件，其中包括減少了15%的暴力犯罪。同時(shí)，在波蘭、以色列以及英國(guó)的城市也 在關(guān)注這一技術(shù)。現(xiàn)在，洛杉磯、圣克魯斯、查爾斯頓等也開(kāi)始了試點(diǎn)。

[[121082]]

這一技術(shù)結(jié)合了數(shù)據(jù)采集、統(tǒng)計(jì)分析，當(dāng)然還有前沿的算法。它使得警察可以評(píng)估城市的犯罪特點(diǎn)，并且預(yù)告可能的犯罪“熱點(diǎn)”，從而“積極地配置資源和分配人手，從而提高人力物力的使用效率，提高公眾安全”。

未來(lái)，這個(gè)系統(tǒng)可能會(huì)大規(guī)模替代分析家的工作。犯罪行為可以被精確的算法所追蹤，這些算法監(jiān)控了互聯(lián)網(wǎng)行為、GPS，個(gè)人電子設(shè)備，生物特征和其他現(xiàn)實(shí)中的通信方式。越來(lái)越多的無(wú)人機(jī)會(huì)用來(lái)追蹤潛在罪犯，通過(guò)分析他們的肢體動(dòng)作和其他的可視化線(xiàn)索，來(lái)預(yù)測(cè)他們的意圖。

10. 調(diào)音（Auto-Tune）

***，僅供娛樂(lè)，現(xiàn)在調(diào)音器由算法完成。無(wú)論是歌聲或是樂(lè)器的聲音，這些設(shè)備都能通過(guò)一組特定規(guī)則，略微修改音高，讓音高達(dá)到最接近的準(zhǔn)確半音上。有趣的是，這種技術(shù)最初由Exxon’s Any Hildebrand 用于處理地震數(shù)據(jù)。

美國(guó)女歌手Cher的《Believe》，被認(rèn)為是***首使用調(diào)音的流行歌曲。