科技作家克里斯托佛·斯坦納（Christopher Steiner）將算法描述為“龐大的決策樹，由一個(gè)個(gè)連續(xù)的二元判定組成??一組指令按序執(zhí)行并獲得一個(gè)理想的結(jié)果。信息經(jīng)由一個(gè)已知算法的處理，產(chǎn)出需要的答案?！?/div>
算法的存活狀態(tài)肯定不是像小狗一樣，而且算法是人類發(fā)明的。但是和那些處在進(jìn)化早期的小狗一樣，人類始終不能理解它們，而且算法在編碼時(shí)通常也沒有設(shè)計(jì)成會(huì)以人類習(xí)慣的方式做出回應(yīng)。與人類有交互的算法（很可能是所有人類使用的系統(tǒng)，比如股票交易市場(chǎng)）應(yīng)該進(jìn)化，不僅要有效，而且要可以理解。
但是小狗的馴養(yǎng)和進(jìn)化有一點(diǎn)不能忽視：人類也在為了和它們一起生活而進(jìn)化。它們也改變了人類。狗成為了人類生態(tài)系統(tǒng)的一部分。有證據(jù)表明狗和人類共同驅(qū)動(dòng)了大腦處理過程的進(jìn)化，諸如血清素（serotonin，一種神經(jīng)傳導(dǎo)物質(zhì)）這樣的化學(xué)物質(zhì)。只要有足夠的時(shí)間，算法可能也會(huì)對(duì)我們產(chǎn)生這種影響，改變我們思考的方式。（與小狗不同）算法可能不會(huì)在基因?qū)用嫔细淖兾覀?，但是正在改變我們的行為?/div>
算法做什么最出色
算法有五件事情尤其擅長(zhǎng)：快速執(zhí)行重復(fù)的任務(wù)、在不同選擇之間做邏輯判斷、分析預(yù)測(cè)、評(píng)估歷史數(shù)據(jù)、發(fā)現(xiàn)被忽視的環(huán)節(jié)。所有這些都是人類最不擅長(zhǎng)的。
如果你的工作內(nèi)容與算法之間存在競(jìng)爭(zhēng)，比如高頻股票交易，那么你很可能會(huì)敗下陣來。算法的工作速度是人類無可企及的。即便是最慢的決策也要快過人類，幾乎就是瞬時(shí)速度一樣。算法以毫秒為單位工作，蜂鳥的時(shí)間概念。有關(guān)高頻股票交易制造財(cái)富的內(nèi)容已經(jīng)寫得夠多了。紐約和芝加哥交易所很快將會(huì)實(shí)現(xiàn)近光速的連接速度：15毫秒。來回。只有算法能夠?qū)⑦@種速度派上用場(chǎng)。
這種快速的處理速度能夠讓算法在不同的決策中做判斷。這些決策通常是基于數(shù)據(jù)邏輯分析的預(yù)測(cè)——比如，某一個(gè)條件集合通常會(huì)導(dǎo)致某一種結(jié)果。當(dāng)然，這些預(yù)測(cè)并不是永遠(yuǎn)正確。但是因?yàn)樗惴軌蛱幚矸浅６喾浅６嗟臄?shù)據(jù)，而且速度非常非?？?，人類無法望其項(xiàng)背，這樣就可以更快地做出預(yù)測(cè)——并且針對(duì)結(jié)果采取行動(dòng)。
算法還能夠很出色的評(píng)估過往的事件和歷史數(shù)據(jù)集合，以便于改進(jìn)對(duì)未來的預(yù)測(cè)，給出可能的行動(dòng)建議。如今這個(gè)時(shí)代人類正在制造大量的數(shù)據(jù)——既有大型系統(tǒng)里面的大規(guī)模數(shù)據(jù)，也有個(gè)人設(shè)備、量化自我的小規(guī)模數(shù)據(jù)——我們需要依靠算法的幫忙來弄清楚它們，告訴我們這些數(shù)據(jù)意味著什么，數(shù)據(jù)的價(jià)值在哪里。
所有這些都是算法的優(yōu)勢(shì)，但是在人類與算法接觸的時(shí)候，同樣也會(huì)成為它們的劣勢(shì)。
尷尬的算法交互
算法會(huì)帶來一種新的、令人感到迷惑的體驗(yàn)。首先是一些算法很有效的地方，簡(jiǎn)直就是魔法：用戶獲得恰當(dāng)?shù)耐扑]，或是計(jì)算出從家到公司最快的路徑。你感覺好像有一個(gè)強(qiáng)大力量在幫你的忙：精靈式交互（The Genie Reaction）。
而另一面則是在算法愚蠢結(jié)果面前的“挫敗的無力感”（FAIL Frustration），這種結(jié)果往往是由于算法忽略了語境而導(dǎo)致的。應(yīng)用環(huán)境或內(nèi)容主題的相關(guān)信息是算法未知或無法解析差別的。比如將你陷入交通堵塞的導(dǎo)航系統(tǒng)可能并不知道有事故出現(xiàn)，曾經(jīng)就有某機(jī)頂盒產(chǎn)品將直男觀眾當(dāng)成基佬，推薦相關(guān)內(nèi)容。
除了推薦結(jié)果的好與壞之外，與算法共存的時(shí)候還有一些奇怪的場(chǎng)景。在《星球大展：新希望》（Star Wars: A New Hope）一片的末尾，盧克（Luke，劇中人物）關(guān)掉了計(jì)算機(jī)瞄準(zhǔn)。同樣，我們也可以相信自己的感受，主動(dòng)做出決定是否需要算法幫助我們。這樣做可能會(huì)有一些不便，但有時(shí)卻令人振奮。取消一次算法推薦或是行駛導(dǎo)航，試試“擊敗算法”（Beat the Algorithm）能成為一次令人愉快的新消遣活動(dòng)，雖然可能會(huì)伴隨懊惱。如果盧克沒有擊中目標(biāo)怎么辦？如果 iTunes 的 Genius 算法推薦效果很好怎么辦？如果其他回家的路線真的會(huì)更快怎么辦？
算法會(huì)給人類帶來不舒適、不人性化的局面。比如在程序地圖上看起來很合理的路線可能需要穿過三條交通擁堵的街道。雖然也能走的通——很勉強(qiáng)。幾乎是不可能的。也是人一般情況下不會(huì)選擇的。而且?guī)缀鯖]有人愿意當(dāng)一種算法試驗(yàn)的小白鼠，不過這種情況偶爾還是會(huì)發(fā)生。
同樣道理，價(jià)值裂痕（Rift of Values）也存在：某種算法的價(jià)值可能完全無法與一個(gè)人的價(jià)值相提并論。大部分算法只是在操作和便捷性上有比較高的速率。例如，導(dǎo)航算法自以為能夠節(jié)省你一分鐘的時(shí)間，通常會(huì)讓你在小路上左拐右拐，而不是保持在主干路行駛，也不關(guān)心你是否熟悉這一地區(qū)的道路，更忽略了與保持直行相比多次轉(zhuǎn)彎造成的麻煩。有時(shí)候額外的幾分鐘根本不值得，但是想讓算法明白這一點(diǎn)是不可能的。
算法：人群中的異類
伊安·博格斯特（Ian Bogost）曾經(jīng)在《異類現(xiàn)象論》（Alien Phenomenology）中寫道：我們不需要去其他星球?qū)ふ耶愵悾鼈冋谝运惴ǖ男问缴钤谖覀冎虚g。算法不是人類，它們不懂得關(guān)心或反饋人類的意圖和情感，除非能夠像遠(yuǎn)古的狼一樣進(jìn)化，滿足人類的需求。
但是與狼群不同的是，沒有幾千年時(shí)間可以給算法來進(jìn)化。算法發(fā)展帶來的問題和后果是嚴(yán)重的。2010 年股票市場(chǎng)的閃電崩盤（Flash Crash）就是個(gè)例子，算法導(dǎo)致某小型股票市場(chǎng)崩潰，幾分鐘內(nèi)道瓊斯指數(shù)就跌了 1000 點(diǎn)。試想一下同樣的情況發(fā)生在電網(wǎng)或是無人駕駛汽車時(shí)會(huì)怎樣吧。
獨(dú)自進(jìn)化
加快這種進(jìn)化速度的一個(gè)方式是告訴算法人類的需求和價(jià)值觀是什么。我們需要在代碼中加入人類和能力界限的認(rèn)知意識(shí)。告訴算法，環(huán)境是怎樣的，我們的意圖是什么，我們的心情又是怎樣——或者讓算法通過（過往和當(dāng)前的）行為自行探測(cè)。比如：如果用戶從來沒有駕車行駛過這條路線，那么盡量保持在主干道行駛；如果用戶看上去有點(diǎn)焦慮，就不要給太多的選項(xiàng)。在判斷錯(cuò)誤的時(shí)候，我們同樣需要讓算法知道，比如這不是我喜歡的音樂或者我想要的體驗(yàn)。
算法的反饋也需要基于人類的認(rèn)知能力進(jìn)行調(diào)整。我們無法以代碼系統(tǒng)的速度輸入信息。我們不需要知曉所有的數(shù)據(jù)，只是一些有意義的關(guān)鍵點(diǎn)就可以了。告訴我路線上距離 20 英里有事故并沒什么幫助，但這就是算法的計(jì)算結(jié)果，也很可能影響到交通行進(jìn)速度。
這些以代碼形式存在的異類，這些存在機(jī)器里的幽靈，正在變得比它們的造物主更不可思議。隨著算法開始接管我們的關(guān)鍵系統(tǒng)，人類需要確保一點(diǎn)：和小狗一樣，它們能夠理解人類。這樣一來，或許未來我們會(huì)將算法看作人類最好的朋友。
