大部分人都有過用淘寶買衣服的經驗，當你在搜索框輸入某種類型的衣服，在多的數不清的商家和產品中，系統會為妳優先推薦款式，當你點擊進去某種款式的衣服、再回到搜索界面，系統就會為你推薦與你點擊過的相似款式——這種機器學習行為簡單直接，也很容易理解。

重度網購用戶（如筆者本人）會發現，隨着你瀏覽不同的店鋪、收藏店鋪或商品，一段時間後，你的淘寶首頁會開始推薦一些可能跟你過去瀏覽的衣服截然不同的款式甚至風格，甚至一些從來沒有搜索過，但是卻感興趣的商品。有時候你甚至會發現，算法可能已經先你一步，預測到你需要的東西。

這種聽上去十分「聰明」的推薦算法，實際上也是主流交友平台所用的核心算法的一種。但它們是如何預測到的？

許多推薦演算法——包括淘寶、Amazon、甚至Netflix都在使用類似的邏輯，研究者稱其為「協同過濾（collaborative filtering）」。這種算法不會僅從我們自己在平台上的行為作為訓練數據尋找規律——包括點擊、停留時間、最終下單等——還會從那些跟用戶購買行為相近的其他用戶上尋找經驗，把這些用戶感興趣的內容推薦給我們。

（仔細想一想，你在交友平台上成功結識的伴侶，很可能要歸功於交友平台上那些同樣對你的伴侶感興趣的人.....）

儘管交友平台算法究竟如何運作屬於商業機密，我們無法得知全貌，但研究者告訴我們Tinder、Bumble和Hinge這些平台都在使用這類篩選機制。

當然，在此基礎之上還有其他更複雜的算法在運作。其中一個最具爭議性的是一種「配對評分系統」——類似於國際象棋中，棋手每下一盤棋就會得到一個分數，交友平台的算法也會根據用戶的滑動行為計算「吸引力分數」，當有人看到你的個人介紹然後右滑（感興趣），你的評分就會提高，有人滑左（拒絕）就會降低評分，高評分者滑右對你加分更多，這種平台通過衡量你的「吸引力等級」的方式曝光後引發很大反彈。

事實上，無論是交友平台也好、還是TikTok或YouTube也好，任何推薦算法乃至其他類型的AI模型的智能都仰賴訓練數據——數據足夠優質、數量越大，算法就越「聰明」。理論上來說，聚集了眾多用戶的主流程式應該更「懂得」為我們篩選約會對象，但現實卻並非如此。

當我帶着這個問題詢問來自加州大學戴維斯分校（UC Davis）心理學系、研究吸引力和戀愛關係的學者Paul Eastwick時，他帶我簡單回顧了一下配對算法的歷史。

早在Tinder尚未出現的時候，算法很大程度上會按照人們提出的對約會對象的要求來搜尋：「你說你想找一個幽默的人，那我給你推薦一群幽默的人會怎麼樣？現實是，當你和這些人實際上見面後，比起隨機挑選的人，你不見得會更喜歡他們。」

當這一類算法行不通時，交友平台就不再依靠用戶自身的判斷，而是要求用戶提供一系列關於自己的信息——從職業、國籍、興趣愛好到價值觀——把所有這些人的信息扔到一起，通過機器學習來尋找規律、發現哪些特質讓兩個人更「相配」時，但，這樣的做法同樣失敗了。

Paul Eastwick說「我們幾乎找不到任何證據，證明能夠從人們自己提供的信息中預測他們會跟怎樣的人更合得來。你能預測誰更受歡迎、更挑剔，但卻無法根據任何這些信息來測兩個人是否相配。」

就在過去十年內，許多交友平台開始更多的從他們的行為中推斷人們想要什麼，也就是前文提及的那些案例。但數據告訴我們，即使是這些新的算法也不是特別成功——在美國，只有十分之一的用戶成功通過交友平台找到伴侶。

在主流的交友平台以外，還有許多開發者、創業者試圖破解究竟哪些資料、條件能推斷出人們的契合度。

不久前，一款來自美國史丹福大學的交友軟件Date Drop席捲美國至少10間知名高校，用戶需要回答一份包括66個圍繞價值觀、生活方式和政治觀點的問卷，當中包括描述一次理想的約會這樣的開放式問題，語音討論，還有更具體的反映個人信念的問題，例如用戶需要在從「強烈不同意」到「強烈同意」之間，回答自己對於「我寧願失敗也不願考試作弊」、「我相信我真的能改變世界」這類觀點的認同程度——如此一來，算法似乎有更多的數據和指標。

不過，該軟件最與眾不同、同時也是最吸引人的一點是沒有滑動功能，每周二晚9點，系統為你匹配的一位最佳約會對象會出現在程式界面上，雙方可以約線下見面、互相了解。到下周同一時間之前，系統都不會再提供新的對象。

《華爾街日報》今年2月報道稱，這個程式年9月發佈後先是在史丹福大學校內爆火，吸引超過5000名用戶——相當於該校約7500名學生近七成，隨後又擴散至華盛頓大學、哥倫比亞、普林斯頓和麻省理工等10間名校，並獲得210萬美在去元（約1646萬港元）的風投資金。

不過新生Mila Wagner-Sanchez在文章中記述，跟她身邊的許多朋友一樣，她在使用該軟件線下約會過兩次之後，就忙於學業和其他事情，對軟件的新奇感也降低了。

對許多人而言，這個軟件最有趣的一點可能並非算法本身，而是它的規則——它抹去了用戶通過傳統個人資料的判斷過程，強行要求跟配對對象坐下來，面對面交流。

Eastwick表示，行為心理學中關於伴侶匹配法則的理論最終被證明是錯的——包括雙方的相似性，以及所謂的「配偶價值（mate value）」的適配度，即從外貌到個人品質再到社會地位等一個人的綜合條件的優劣。科學提供的最有可能指向契合度的因素，恰恰是交友平台所無法獲得的數據——即人們在現實世界的互動：「在某種意義上，研究者（發現）讓兩個人彼此喜歡的最大、最可靠的做法，是讓他們經歷一個叫作「快速交友程序」的流程......當他們坐下來，坦誠交流時，他們往往會更喜歡對方。」

另一位研究交友平台算法和戀愛關係的學者Liesel Sharabi就指出，平台能夠基於一個用戶的匹配率和與其他用戶的對話在一定程度上衡量對伴侶的興趣或偏好，但更重要的數據實際上是在見到一個人後發生的事情——而這樣的數據，恰恰是算法無法獲得的。

一些交友平台似乎正在朝這個方向努力。Bumble今年3月透露將取消滑動功能，正在測試一款名為「Bee」的AI交友助理，它能為用戶「面試」潛在約會對象並進行推薦，同時還會提出約會建議、並在約會後搜集彼此對對方的反饋。另一個被投資者看好的程式Eight同樣取消了滑動功能，僅在每周三和周日的晚上8:00至9:00開放，經過驗證的用戶會被配對進行8分鐘的實時視訊約會。只有當雙方在視訊對話後仍然對彼此感興趣時，程序才會允許雙方文字聊天。

有了這些新的交互數據，算法會變得更加智能嗎？我們可能只有等到體驗過後才知道了。至少目前來說，比起不太聰明的算法，或許人類的大腦——一個由我們自身經驗訓練出來、更加複雜，也可能更加混亂的神經網絡可能更可靠。