你在交友软件“右滑”了一个人,可能受到了推荐算法的鼓励

简介: 你在交友软件“右滑”了一个人,可能受到了推荐算法的鼓励

马上就是五一小长假了,补班的痛苦就快要被五天假期拯救了。

小长假来临,相信也有不少人和文摘菌一样准备回家吧。

每每这种时候,就最怕朋友突然的关心,“你对象呢,怎么不带回来看看”。

不是文摘菌不想,实在是没时间去结交新朋友。

于是文摘菌最近也是研究起了线上交友软件,还别说,使用交友软件的人不在少数。

根据2019年美国的一项统计,30%的美国成年人使用了约会软件(网站),另外,有12%的美国成年人表示,他们通过在线约会找到了长期恋爱关系。

但是,让文摘菌疑惑的是,线上交友遇到照骗还算小事,每次右滑就代表了我真的喜欢屏幕前的这个人吗?

还真不一定。

最近,就有一项研究指出,你的右滑可能受到系统潜在的推荐算法影响,正如西班牙杜斯托大学的Helena Matute说到,“我们可能一直在使用一种推荐算法,但是没人告诉我们它有何效果”。

这种推荐算法不只体现在交友软件上,在对政治人物的印象和选择上同样有着举足轻重的作用。

这项研究也以论文的形式进行了发表,链接如下:

论文链接:
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0249454

算法正在潜移默化地影响我们的选择

为了研究清楚这个问题,Helena Matute和同事Ujué Agudo就做了一个实验。

她们设计并进行了一系列4个实验,在Twitter和调查平台Prolific召集到了参与者,根据实验的不同,共有218到441人参与其中。

在这些实验中,参与者被明确告知,他们正在与一个算法互动,该算法会根据互动判断他们的个性。

但实际上,这只是个模拟算法,也就是说,这个“算法”并不会进行智能判断,无论参与者给予的信息是怎样的,算法都以同样的方式做出反馈。

在参与者回答了模拟算法的问题后,算法随即向他们展示了他们可能约会的对象,以及他们可能会投票支持的政治领导人照片。

有时候,该模拟算法还会明确地鼓励参与者选择照片上的一个人。例如,它可能会说,经过计算后发现,用户与照片中的潜在对象或政治家之间有90%的兼容性匹配。

在其他情况下,该算法会通过频繁地展示某一个人的照片来进行这样的暗示。

随后,当这些参与者被问及,在展示的照片中他们更喜欢谁时,在绝大多数的情况下,他们会选择模拟算法推荐的政治人物,也更希望与那些被推荐的对象约会。

“也许我们会倾向于认为算法是客观、中立和高效的,毕竟它们总是以数字和规则的形式展示出来”,Agudo说,至于为什么人们会更喜欢算法推荐的对象,“这是一个不涉及感情的决定”。

出于这个原因,当涉及到内心选择的问题时,我们可能需要去倾向于质疑算法的建议。

“作者提出了一个真正重要和可怕的观点,即人工智能、大数据和广泛的用户群给私人公司提供了前所未有的机会,以完善他们对说服力的理解和应用。”剑桥大学的Ella McPherson说。

英国布里斯托尔西英格兰大学的Steven Buckley表示:“这项研究加强了对Facebook和谷歌等平台的呼吁,要求它们对自己的算法更加透明。”

让现实社会和数字世界都朝着更公平的方向发展

说到这里,相信还有不少朋友记得日本推出的AI婚配计划。

和大多数交友软件不同,这个AI系统做出匹配的依据更多是来自双方价值观的匹配程度。

相比于长相、学历、收入等外在条件之外,在AI婚配系统中,AI还会针对使用者的价值观进行询问。比如,根据日本一档节目报道,使用者会经常被问到这样的问题,“以下哪个选项更符合你的期望:A能拥有超越常人的智力;B能够朋友一起度过快乐时光”。

在收集到使用者的相关数据之后,AI会进行一系列的推论和判断,对系统内的各种综合信息进行逻辑化的分析。随后,在分析结果的基础上,为你匹配三观和性格相似,同时可能对你产生好感的人,双方的投缘度还会以一星、两星、三星进行评价。

就使用成效来看,2018年就导入该AI系统的埼玉县,38对夫妻中有21对新人都是通过AI的推荐而成为的情侣。在爱媛县,在引入AI之后,该县的结婚率也从13%提高到了29%。

如此看来,日本的这个AI系统似乎要显得更“理智”一些,但从另一个角度讲,这在一定程度上进一步佐证了上述实验的结论。

不只是在交往方面,AI在塑造我们的行为、选择,甚至是想法上,都有着潜移默化的作用。

其中,近年来饱受诟病的当属算法偏见的问题了。最为人印象深刻的当属去年杜克大学科学家发表了能够将模糊照片清晰化的算法PULSE,但是当输入美国前总统奥巴马的模糊照片后,系统处理生成的却是一张清晰的白人。

正如一位MIT研究员Joy Buolamwini表示,“人工智能是基于数据的,而数据是我们历史的反映”。但是每个人的历史却是无法被简单地用数据来概括和总结的,就如上述实验一样,在选择交往对象时,我们更多是凭借的“感觉”。

在美剧《老爸老妈浪漫史》中,AI告诉男主角,有一个女孩和他的匹配度是95%,和未婚夫的匹配度只有90%。但男主角和女孩并没有因此而在一起。

如果我们就以算法偏见为例,归根结底,算法背后是人,算法偏见背后其实就是人的偏见,算法的选择也就是在大数据处理之后人的选择。在针对此进行批评时,我们也需要关注现实世界中存在的偏见,保持内省,然后在能力范围之内,让现实社会和数字世界都能朝着更公平的方向发展。

这对我们每个人来说,都极为重要。

相关文章
|
4月前
|
存储 运维 监控
基于 C# 语言的 Dijkstra 算法在局域网内监控软件件中的优化与实现研究
本文针对局域网监控系统中传统Dijkstra算法的性能瓶颈,提出了一种基于优先队列和邻接表优化的改进方案。通过重构数据结构与计算流程,将时间复杂度从O(V²)降至O((V+E)logV),显著提升大规模网络环境下的计算效率与资源利用率。实验表明,优化后算法在包含1000节点、5000链路的网络中,计算时间缩短37.2%,内存占用减少21.5%。该算法适用于网络拓扑发现、异常流量检测、故障定位及负载均衡优化等场景,为智能化局域网监控提供了有效支持。
106 5
|
13天前
|
存储 机器学习/深度学习 监控
网络管理监控软件的 C# 区间树性能阈值查询算法
针对网络管理监控软件的高效区间查询需求,本文提出基于区间树的优化方案。传统线性遍历效率低,10万条数据查询超800ms,难以满足实时性要求。区间树以平衡二叉搜索树结构,结合节点最大值剪枝策略,将查询复杂度从O(N)降至O(logN+K),显著提升性能。通过C#实现,支持按指标类型分组建树、增量插入与多维度联合查询,在10万记录下查询耗时仅约2.8ms,内存占用降低35%。测试表明,该方案有效解决高负载场景下的响应延迟问题,助力管理员快速定位异常设备,提升运维效率与系统稳定性。
52 4
|
25天前
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
153 3
|
5月前
|
存储 监控 算法
解析公司屏幕监控软件中 C# 字典算法的数据管理效能与优化策略
数字化办公的时代背景下,企业为维护信息安全并提升管理效能,公司屏幕监控软件的应用日益普及。此软件犹如企业网络的 “数字卫士”,持续记录员工电脑屏幕的操作动态。然而,伴随数据量的持续增长,如何高效管理这些监控数据成为关键议题。C# 中的字典(Dictionary)数据结构,以其独特的键值对存储模式和高效的操作性能,为公司屏幕监控软件的数据管理提供了有力支持。下文将深入探究其原理与应用。
110 4
|
6月前
|
机器学习/深度学习 监控 算法
员工上网行为监控软件中基于滑动窗口的C#流量统计算法解析​
在数字化办公环境中,员工上网行为监控软件需要高效处理海量网络请求数据,同时实时识别异常行为(如高频访问非工作网站)。传统的时间序列统计方法因计算复杂度过高,难以满足低延迟需求。本文将介绍一种基于滑动窗口的C#统计算法,通过动态时间窗口管理,实现高效的行为模式分析与流量计数。
167 2
|
6月前
|
人工智能 运维 算法
基于 C# 深度优先搜索算法的局域网集中管理软件技术剖析
现代化办公环境中,局域网集中管理软件是保障企业网络高效运行、实现资源合理分配以及强化信息安全管控的核心工具。此类软件需应对复杂的网络拓扑结构、海量的设备信息及多样化的用户操作,而数据结构与算法正是支撑其强大功能的基石。本文将深入剖析深度优先搜索(Depth-First Search,DFS)算法,并结合 C# 语言特性,详细阐述其在局域网集中管理软件中的应用与实现。
142 3
|
2月前
|
运维 监控 算法
基于 Java 滑动窗口算法的局域网内部监控软件流量异常检测技术研究
本文探讨了滑动窗口算法在局域网流量监控中的应用,分析其在实时性、资源控制和多维分析等方面的优势,并提出优化策略,结合Java编程实现高效流量异常检测。
91 0
|
3月前
|
存储 监控 算法
基于 Python 跳表算法的局域网网络监控软件动态数据索引优化策略研究
局域网网络监控软件需高效处理终端行为数据,跳表作为一种基于概率平衡的动态数据结构,具备高效的插入、删除与查询性能(平均时间复杂度为O(log n)),适用于高频数据写入和随机查询场景。本文深入解析跳表原理,探讨其在局域网监控中的适配性,并提供基于Python的完整实现方案,优化终端会话管理,提升系统响应性能。
98 4
|
4月前
|
监控 算法 安全
公司电脑监控软件关键技术探析:C# 环形缓冲区算法的理论与实践
环形缓冲区(Ring Buffer)是企业信息安全管理中电脑监控系统设计的核心数据结构,适用于高并发、高速率与短时有效的多源异构数据处理场景。其通过固定大小的连续内存空间实现闭环存储,具备内存优化、操作高效、数据时效管理和并发支持等优势。文章以C#语言为例,展示了线程安全的环形缓冲区实现,并结合URL访问记录监控应用场景,分析了其在流量削峰、关键数据保护和高性能处理中的适配性。该结构在日志捕获和事件缓冲中表现出色,对提升监控系统效能具有重要价值。
116 1
|
4月前
|
存储 机器学习/深度学习 算法
基于 C++ 的局域网访问控制列表(ACL)实现及局域网限制上网软件算法研究
本文探讨局域网限制上网软件中访问控制列表(ACL)的应用,分析其通过规则匹配管理网络资源访问的核心机制。基于C++实现ACL算法原型,展示其灵活性与安全性。文中强调ACL在企业与教育场景下的重要作用,并提出性能优化及结合机器学习等未来研究方向。
123 4

热门文章

最新文章