“亲爱的程序员，我们不必害怕算法”

在当当、亚马逊等网站的购书页面你往往会看到“你可能还想看这本”；在B站会有推荐视频；大名鼎鼎的奈飞 （Netflix） 首页里的一排排影片列表，也是根据复杂的推荐算法所排出的；在iPhone从上往下拉，Siri会猜你想用哪个软件，这也是一种推荐系统。

图源Unsplash

推荐系统的结果看上去可以很简单直白。例如，我现在打开YouTube，最顶置的两排里，有好几个都是我近期常看的频道的新内容，其中包括一个育儿节目、一个九十年代电视剧片段、一个现场音乐会、两个正在直播的新闻节目等等。但这些结果背后都有复杂的计算。

奈飞在自己的网站上大致描述了推荐算法背后包含哪些因素。他们会看用户之前看了哪些影片，给它们打了多少分，这些影片的类型、年份、演员等具体信息，和用户口味类似的人的使用状况，用户在一天的什么时候看奈飞，用什么设备，通常看多久等等。

还有两个有趣的地方，一是，奈飞明确说用户的性别和年龄不会用作推荐系统的参考，二是，最近的观看历史的权重高于之前的观看历史，也就是说奈飞的算法更看重用户最近看了什么，认为从那里更容易推演出用户接下来更想看什么。

推荐算法是奈飞的制胜法宝，所以他们不会告诉别人收集了上述复杂的信息之后具体的推理过程，但我们可以根据常识做一些猜测。

例如，用什么设备看视频，这件事为什么重要？一种理解方法是，用户用手机看视频时，由于屏幕小，流量有限，并且有可能在通勤途中，因此更容易选择短平快的内容，如综艺节目，或是较为轻松的电视剧。

或许奈飞的产品经理不是这么想的，但这里的关键是，各种和内容本身不直接相关的因素都被纳入了推荐系统的考虑范畴。这一点并没有什么异常，因为一向如此，在前互联网时代同样如此。

二、人肉算法时代

发现内容的渠道千千万万，但有一些核心原则和现在这复杂而高级的推荐算法并无本质区别。

比如，在大量音乐青年主要的精神食粮是打口唱片的年代，我曾无数次感受到唱片店老板貌似漫不经心的目光。我在一盒盒唱片中翻翻拣拣的动作都被他暗自看在眼里。有时我刚选出了两张唱片，他就一言不发面无表情地从另一个箱子里掏出几张别的递给我。

《后来的我们》

老板就是一套人肉推荐算法。

和如今的音乐App比，这套算法很不周全，不过颇有些特别之处。例如，有时他会通过某种无伤大雅的羞辱来达到让人消费的目的。具体表现为“这你都没听过！”之类的话术。还有的时候他也会诉诸于社交性，比如说哪个哪个资深乐迷都买了之类。

总之，我们都了解他的伎俩，也都比较能以平常心对待他，因为在那个年代还有一个重要的推荐系统，那就是乐评。

是的，从今天的角度看，这简直原始得难以想像，一个由许多活人组成的推荐系统，效率何其低下，人工成本又多么高昂？

那个时候的乐评 （也包括影评、电视评论、书评等） 首先当然是刊载于杂志，但在售卖或租赁唱片、影碟的店里也会有一种乐评，那就是店员的个人心水推荐。

有的店会专门辟出一块空间，用来摆放各店员本期推荐的音乐或电影，用卡片纸写上几十一百字的推荐放在旁边。久而久之，顾客和店员的口味会自然形成匹配，产生专门买某店员的推荐的习惯。

九十年代的美剧《宋飞正传》有一集的设定，就是Elaine由于喜欢一位店员的推荐，在想象中爱上了他，由此展开故事。而在日本的许多唱片店，这种做法至今得以保留。

在这里我们可以看到，人们还有读乐评习惯的年代和如今这个年代的重要区别。那就是活人在整个推荐过程中的能见度。

应该说，在读乐评影评的时代，导购并不是它们唯一的功能。不可否认，它是很重要的功能，因为文化产品在那个时候已经过剩，消费者已经需要专业意见来帮助自己做出选择了。 但我们并不是只读自己可能会买的唱片的评论，也不一定只读自己喜爱的乐评人的评论。

那么，读评论是在求推荐吗？肯定有这方面的考虑，但它更是一种 参与公共话语的过程 ，用英文的说法，是一种“making sense of the world （搞清世界是怎么回事） ”的过程。

在这个过程中，你可能会发现一些自己喜欢的音乐和电影，但从本质上说，那并不是目的。真的目的还是在于“making sense”，搞清楚。

而当今我们批判推荐算法时所提出的罪名，诸如推荐算法让人懒惰、让人陷入虚无的循环，都忽略了硬币的另一面，那便是“人”本身没有求知欲。

《监视资本主义》

三、算法面前，没有人是一张“白纸”

作为一个中年人，或许是因为推荐算法出现的时候，我已经形成了自己的认知和审美系统，知道自己想听什么、想看什么，所以算法最初的原始和简陋绝不可能令我满足，相反会令我鄙视。

对更年轻的一代人可能并非如此。 大部分95、00后可能不会经历通过细读杂志或乐评网站来塑造音乐口味的过程，而是一开始就接受了推荐算法的洗礼。

不过也必须指出， 并没有什么人真的是一张白纸。

以音乐而言，一个生长在音乐家庭的小孩必定从小听过不同的乐器演奏，在幼儿园也许玩过与节奏相关的游戏，上小学后再上音乐课等等。在这种情况下，当他第一次和推荐算法相遇时，是做好了准备的。

《京城之王》

电影和电视剧也是如此。虽然拍电影作为一种课外活动不如学习乐器普遍，但讲故事是伴随每一个人童年的活动。如今智能手机的普及，也令拍视频变得不再困难。事实上，用视频讲故事、说明问题，已经是许多小学生的作业形态之一。

只要有人引导孩子去从视听语言、电影艺术的角度认真思考这其中的每一个步骤，他们在人生第一次自主使用视频网站之前，就已经对于电影有了老一代人没有的心得。

在推荐内容一事上，我们也不能忽视实体世界社交的作用。设计推荐算法的人都明白， 用户的朋友的推荐，在很多时候比任何聪明的算法都更有效。

一位乐迷朋友经常和我抱怨说，无论他如何给女儿介绍六零、七零年代的音乐，上小学的女儿依然只听她的同学和朋友听的东西。在今天基本就是嘻哈，而且排除了八零、九零年代的嘻哈。如果我们带着善意去思考推荐算法，这里倒是它可以发挥正面效用的地方。

中国有家酒店，在客房内对于自己提供的宽带上网服务写了一份免责声明，说 “网络是一个巨大且可能令人产生困惑的地方”，如果客人因为上网受到了伤害，本酒店不负责任。

在我看来，推荐算法要是能把巨大的互联网上那些可能令人产生困惑的东西适时地推送过来，倒也是功德一件。只不过，上面那位朋友的经历告诉我们，或许有比推荐算法更大的力量在左右着人们的内容消费。

四、与算法共存

说了这么多，我并不抗拒推荐算法。

当然，我不同意它目前的某些基本假设，例如“根据听众此刻的心情推送歌曲”，就是假设艺术应该配合人的情绪。我认为艺术应该提升或超越人的情绪。

但是在很多情况下，我也受益于推荐算法。最直接的例子，就是当我要了解一个陌生领域的知识时，亚马逊的“你还可能对这些书感兴趣”往往能够提供快速入门的方法。

另一方面，在深不见底的YouTube上听未正式发行的古典音乐录音，也往往能训练它的推荐算法在日后推一些令人惊喜的录音给我。

我想， 和推荐算法共处时最重要的一点就是要意识到它的存在， 并且自己去挖掘算法意识到的相关性背后的故事。 这是因为推荐算法是软件，它需要用精确的语言定义所有问题。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Android工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则近万的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Android移动开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Android开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！

如果你觉得这些内容对你有帮助，可以扫码获取！！（备注：Android）

题外话

不管怎么样，不论是什么样的大小面试，要想不被面试官虐的不要不要的，只有刷爆面试题题做好全面的准备，当然除了这个还需要在平时把自己的基础打扎实，这样不论面试官怎么样一个知识点里往死里凿，你也能应付如流啊

这里我为大家准备了一些我工作以来以及参与过的大大小小的面试收集总结出来的一套进阶学习的视频及面试专题资料包，主要还是希望大家在如今大环境不好的情况下面试能够顺利一点，希望可以帮助到大家~

欢迎评论区讨论。

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！

欢迎评论区讨论。*

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！