大部分人都有过用淘宝买衣服的经验，当你在搜索框输入某种类型的衣服，在多的数不清的商家和产品中，系统会为妳优先推荐款式，当你点击进去某种款式的衣服、再回到搜索界面，系统就会为你推荐与你点击过的相似款式——这种机器学习行为简单直接，也很容易理解。

重度网购用户（如笔者本人）会发现，随着你浏览不同的店铺、收藏店铺或商品，一段时间后，你的淘宝首页会开始推荐一些可能跟你过去浏览的衣服截然不同的款式甚至风格，甚至一些从来没有搜索过，但是却感兴趣的商品。有时候你甚至会发现，算法可能已经先你一步，预测到你需要的东西。

这种听上去十分“聪明”的推荐算法，实际上也是主流交友平台所用的核心算法的一种。但它们是如何预测到的？

许多推荐演算法——包括淘宝、Amazon、甚至Netflix都在使用类似的逻辑，研究者称其为“协同过滤（collaborative filtering）”。这种算法不会仅从我们自己在平台上的行为作为训练数据寻找规律——包括点击、停留时间、最终下单等——还会从那些跟用户购买行为相近的其他用户上寻找经验，把这些用户感兴趣的内容推荐给我们。

（仔细想一想，你在交友平台上成功结识的伴侣，很可能要归功于交友平台上那些同样对你的伴侣感兴趣的人.....）

尽管交友平台算法究竟如何运作属于商业机密，我们无法得知全貌，但研究者告诉我们Tinder、Bumble和Hinge这些平台都在使用这类筛选机制。

当然，在此基础之上还有其他更复杂的算法在运作。其中一个最具争议性的是一种“配对评分系统”——类似于国际象棋中，棋手每下一盘棋就会得到一个分数，交友平台的算法也会根据用户的滑动行为计算“吸引力分数”，当有人看到你的个人介绍然后右滑（感兴趣），你的评分就会提高，有人滑左（拒绝）就会降低评分，高评分者滑右对你加分更多，这种平台通过衡量你的“吸引力等级”的方式曝光后引发很大反弹。

事实上，无论是交友平台也好、还是TikTok或YouTube也好，任何推荐算法乃至其他类型的AI模型的智能都仰赖训练数据——数据足够优质、数量越大，算法就越“聪明”。理论上来说，聚集了众多用户的主流程式应该更“懂得”为我们筛选约会对象，但现实却并非如此。

当我带着这个问题询问来自加州大学戴维斯分校（UC Davis）心理学系、研究吸引力和恋爱关系的学者Paul Eastwick时，他带我简单回顾了一下配对算法的历史。

早在Tinder尚未出现的时候，算法很大程度上会按照人们提出的对约会对象的要求来搜寻：“你说你想找一个幽默的人，那我给你推荐一群幽默的人会怎么样？现实是，当你和这些人实际上见面后，比起随机挑选的人，你不见得会更喜欢他们。”

当这一类算法行不通时，交友平台就不再依靠用户自身的判断，而是要求用户提供一系列关于自己的信息——从职业、国籍、兴趣爱好到价值观——把所有这些人的信息扔到一起，通过机器学习来寻找规律、发现哪些特质让两个人更“相配”时，但，这样的做法同样失败了。

Paul Eastwick说“我们几乎找不到任何证据，证明能够从人们自己提供的信息中预测他们会跟怎样的人更合得来。你能预测谁更受欢迎、更挑剔，但却无法根据任何这些信息来测两个人是否相配。”

就在过去十年内，许多交友平台开始更多的从他们的行为中推断人们想要什么，也就是前文提及的那些案例。但数据告诉我们，即使是这些新的算法也不是特别成功——在美国，只有十分之一的用户成功通过交友平台找到伴侣。

在主流的交友平台以外，还有许多开发者、创业者试图破解究竟哪些资料、条件能推断出人们的契合度。

不久前，一款来自美国史丹福大学的交友软件Date Drop席卷美国至少10间知名高校，用户需要回答一份包括66个围绕价值观、生活方式和政治观点的问卷，当中包括描述一次理想的约会这样的开放式问题，语音讨论，还有更具体的反映个人信念的问题，例如用户需要在从“强烈不同意”到“强烈同意”之间，回答自己对于“我宁愿失败也不愿考试作弊”、“我相信我真的能改变世界”这类观点的认同程度——如此一来，算法似乎有更多的数据和指标。

不过，该软件最与众不同、同时也是最吸引人的一点是没有滑动功能，每周二晚9点，系统为你匹配的一位最佳约会对象会出现在程式界面上，双方可以约线下见面、互相了解。到下周同一时间之前，系统都不会再提供新的对象。

《华尔街日报》今年2月报道称，这个程式年9月发布后先是在史丹福大学校内爆火，吸引超过5000名用户——相当于该校约7500名学生近七成，随后又扩散至华盛顿大学、哥伦比亚、普林斯顿和麻州理工等10间名校，并获得210万美在去元（约1646万港元）的风投资金。

不过新生Mila Wagner-Sanchez在文章中记述，跟她身边的许多朋友一样，她在使用该软件线下约会过两次之后，就忙于学业和其他事情，对软件的新奇感也降低了。

对许多人而言，这个软件最有趣的一点可能并非算法本身，而是它的规则——它抹去了用户通过传统个人资料的判断过程，强行要求跟配对对象坐下来，面对面交流。

Eastwick表示，行为心理学中关于伴侣匹配法则的理论最终被证明是错的——包括双方的相似性，以及所谓的“配偶价值（mate value）”的适配度，即从外貌到个人品质再到社会地位等一个人的综合条件的优劣。科学提供的最有可能指向契合度的因素，恰恰是交友平台所无法获得的数据——即人们在现实世界的互动：“在某种意义上，研究者（发现）让两个人彼此喜欢的最大、最可靠的做法，是让他们经历一个叫作“快速交友程序”的流程......当他们坐下来，坦诚交流时，他们往往会更喜欢对方。”

另一位研究交友平台算法和恋爱关系的学者Liesel Sharabi就指出，平台能够基于一个用户的匹配率和与其他用户的对话在一定程度上衡量对伴侣的兴趣或偏好，但更重要的数据实际上是在见到一个人后发生的事情——而这样的数据，恰恰是算法无法获得的。

一些交友平台似乎正在朝这个方向努力。Bumble今年3月透露将取消滑动功能，正在测试一款名为“Bee”的AI交友助理，它能为用户“面试”潜在约会对象并进行推荐，同时还会提出约会建议、并在约会后搜集彼此对对方的反馈。另一个被投资者看好的程式Eight同样取消了滑动功能，仅在每周三和周日的晚上8:00至9:00开放，经过验证的用户会被配对进行8分钟的实时视讯约会。只有当双方在视讯对话后仍然对彼此感兴趣时，程序才会允许双方文字聊天。

有了这些新的交互数据，算法会变得更加智能吗？我们可能只有等到体验过后才知道了。至少目前来说，比起不太聪明的算法，或许人类的大脑——一个由我们自身经验训练出来、更加复杂，也可能更加混乱的神经网络可能更可靠。