技术宅算到真爱

　　身为标准的技术宅，克里斯也有和《生活大爆炸》里的4位主角一样不堪回首的交友经历：在号称可以用算法找到最佳匹配约会对象的OkCupid网站上，他向数十位女性发送了“求交往”私信，但只有6个人答应与他见面，而见面结果也不过了了。克里斯认为：这不科学！其实克里斯曾经闯入过著名的“麻省理工21点小组”的大门，在赌桌上挥霍数学天赋，这让他发现“数学系学生在很多情况下都可以用到自己的专业”。而现在，爱情让他重出江湖。2012年6月的一个清晨，克里斯想到，算法其实可以帮助自己寻找真爱，前提是，得是一个足够牛的算法。既然网站不能提供，于是他决定自己建构一个。

　　在美国，约有4000万人在使用Match.com、J-Date和e-Harmony等交友网站寻找真爱，35岁的克里斯.麦金利就是其中坚贞的一员。作为加州大学洛杉矶分校的数学系博士生，他惯常的生活，是在数学系大楼5层的小隔间里，边写博士论文《大规模数据处理和并行数值方法》，边浏览他在交友网站OkCupid的网页。

　　鱼儿不上钩，“抽”出来

　　克里斯所使用的OkCupid网站是由哈佛大学数学专业的学生在2004年创建的交友网站。它最与众不同的地方在于，它要求会员完成大量的多项选择题，内容包括政治、宗教、家庭、爱、性、智能手机等等方面，根据这些问题结果，网站可以用算法算出最匹配的约会对象。

　　所有的问题林林总总有数千道之多，但一般来说，用户只需要挑选自己感兴趣的350道问题进行回答。比如“以下哪项最有可能吸引你去看一部电影？”或者“宗教或神对你的生命有多重要？”除了选择问题，用户还可以选择只看有特定回答的对象，并且可以用从1到5的打分方式来表示这道问题对自己的重要性：0代表“不重要”，5代表“必不可少”。

　　在提交了所有的问题答案和要求后，OkCupid的引擎就开始忙碌工作，整理数据来计算两人的匹配度。分值越高代表越匹配，如果出现了100%，就表示这是每个人梦寐以求的“灵魂伴侣”。可惜的是，克里斯与洛杉矶女性的匹配度着实令人失望，问题在于OkCupid的算法。OkCupid所采用的问题，仅限于双方用户都回答了的问题。不巧的是，克里斯总是剑走偏锋，总喜欢选择冷门问题，这就直接导致了与他匹配的女性基数大为下降。在洛杉矶总共200万女性中，有约8万人在使用OkCupid网站，但克里斯的交友列表上，仅有不到100位用户和他有值得考量的90%的匹配度。

　　既然鱼不上钩，于是克里斯决定有的放矢，先了解自己的理想型都选择了哪些问题，然后再针对那些问题，修改自己的个人资料。这样的话，所有符合他的眼光的西施们都会出现在匹配列表里，而不符合的东施们则会被剔除在外。但怎样才能做到这一点呢？答案是，统计抽样。

　　要统计，最基本的就是数据。在灵感突如其来的这天凌晨，克里斯设置了12个OkCupid假账户，并编写了一个Python脚本，用来搜索他的梦中情人。这些潜在用户包括了从25岁到45岁的女性，这些用户的个人页面里的所有可用信息——种族、身高、星座、甚至吸烟习惯，都可以被Python脚本捕捉到，并且反馈给克里斯。

　　与此同时，为了深入了解芳心，克里斯还编写了一个bot机器人来侦测她们的问卷答案。由于OkCupid的“只有双方都有回答才能被显示”原则，所以bot机器人的工作是管理12个假账户，以这些虚拟身份随机回答每一个问题。反正假账户的存在目的并不是塑造完美先生，而只是探听对方都是怎么回答问题的，所以bot就算在每一个问题后“呵呵”也无关紧要。Bot机器人帮克里斯收集了大约1000份资料，让他初尝了技术在爱情上的威力。

　　真爱藏在600万条数据里

　　Bot机器人工作虽然卖力，但到了1000人上头，就被OkCupid网站屏蔽了。原来，OkCupid设置了一个“防套近乎”系统，如果有短时间内连续答题情况出现的话，就会被它毫不犹豫地拉黑。克里斯很惆怅，怎样能让机器人bot看起来不那么像机器人呢？

　　克里斯找到了他的神经学家朋友山姆.托里西。山姆也是个剩男，也在用OkCupid找女友，听到克里斯的伟大计划，一拍即合。他让克里斯在自己的计算机上安装了一个间谍软件，让这个软件跟踪记录自己使用OkCupid的方式。于是bot模仿了山姆的点击和打字速度，升级成了“山姆2号”，顺利地把OkCupid给骗过去了。

　　Bot机器人的成功卧底，让克里斯决定马不停蹄地从家里搬来第二台计算机，接上数学系的宽带，让机器人火力全开日夜运行。3个星期后，bot机器人冲出了洛杉矶，走向了全美，从2万女性用户那里搜集来了约600万条问题和答案。

　　庞大的数据群让克里斯陷入了数学狂欢。他把数学系的小小隔间当成家，像bot机器人一样日夜开工，只有在困得不行的时候，才在办公桌上铺个床垫，打个小盹儿。让克里斯不可自拔的是一个名叫K-Modes的算法，它最早出现在贝尔实验室在1998年对大豆作物的病变分析报告中，特点是可以把具有相似性的数据凝结在一起。克里斯调整了这个算法，使数据结果的粘度变得更为清晰。于是他发现，他的刻度盘把2万女性用户分为了7个在统计学上有明显区别的类型。

　　这一发现让克里斯“欣喜若狂”。为了证明自己的运算是正确的，他给机器人再次下达指令：搜集5000名在过去1个月内登录过OkCupid的洛杉矶和旧金山女性的问题和答案。这是一个参考样本，同样要被修改过的K-Modes算法进行分类。结果，第二次的样本以分毫不差的方式被分类为同样的7个类型。克里斯的统计抽样法经受住了实践的考验！

　　“算”出来不等于走在一起

　　在克里斯分析得到的7个类型里，并不是所有类型都让他怦然心动。比如说有1个类型太萝莉，另2个则太高龄，还有一个类型有着忠诚的基督教信仰，让克里斯望而却步。

　　克里斯感兴趣的是两款类型：一款是20多岁特立独行的年轻人，大多从事音乐和艺术相关活动；另一款则是熟女，从事创造性工作，比如编辑或者设计师。克里斯采取了“鱼和熊掌兼得”的策略，针对这2种目标人群创建了2份不同的个人资料，一份有他攀岩的照片，另一份则是他在一次演出中弹吉他的照片。

　　在这2种类型中，克里斯挑选出最常被选择的500道问题，并提交了答案。由于不希望自己未来的爱情建立在谎言上，所以他尽量如实作答。但技术宅的好强心让他没有到此止步。他又找出了一种名为“自适应提升”（adaptiveboosting）的机器学习算法，在针对每个问题的重要性的评分上，计算出打几分才是最合适的。比如在“不管未来的计划如何，眼下更吸引你的是什么？是性还是爱情？”这一题中，虽然同样回答“爱情”，但克里斯按照“自适应提升”算法的建议，在针对年轻姑娘的问卷中，给该问题打分为“非常重要”，而对于熟女群，则给该问题打了5分，即“必不可少”。

　　在用算法全面武装了个人资料之后，克里斯重新检查了一遍自己与洛杉矶女性用户的匹配度，惊人的结果出现了。从前与他达到90%的匹配度的人数不超过100，现在光是匹配度达到99%的用户就已经溢出了第1页的列表。不敢置信的克里斯不停地翻到下一页，发现直到匹配度由高到低的1万名用户列表最后，匹配度仍然保持在90%以上。

　　即使有超乎常人的高匹配度，这还只是成功了一半，克里斯深知这一点。为了在有着同样匹配度的竞争对手中间让自己显得更加炫酷，克里斯专门写了一个新程序，用来查看与他有着高匹配度的女性用户的页面。这样每当程序浏览了对方页面，对方就会收到来自网站的提醒，自然也就会注意到克里斯的存在。克里斯编写的程序并不是随机浏览的，而是按照年龄顺序：周一浏览1000名41岁女性的页面，周二浏览1000名40岁女性的页面，以此类推，一直到两个星期后，浏览1000名27岁女性的页面。2个星期后，克里斯收到了约400次“被浏览”的消息：他成功吸引了女孩儿们的注意。

　　与网站发送的消息一道光临的，还有很多“求交往”私信：“我到现在为止还没有遇到过算牌很厉害的人，我觉得你的个人资料很有意思。我想跟你打个招呼。”“嗨，你的个人资料确实打动了我，我想跟你打个招呼。我认为我们之间有相当多的共同点，也许不是数学，但肯定有很多其他方面！”

　　克里斯一直锲而不舍地用程序和算法寻找女友，期间他经历拒绝与被拒绝，直到第88次约会。女主角是28岁的艺术系学生王婷，她也是克里斯用算法捕获的潜在女友之一。她觉得克里斯用数学找女友的方式很有意思，于是约了他出来。这一次，克里斯没有再找下一位。

　　到现在，克里斯和王婷的恋爱关系已经维持了一年多。在听完克里斯关于自己用算法找真爱的故事之后，王婷说：“我觉得这有点黑暗，有点玩世不恭，但我喜欢。”不过克里斯本人倒是很谦虚：“跟OkCupid上其他所有用户做的事情相比，我只不过多用了一点算法，活动规模更大一点，还使用了一些机器学习技术。”不过两人都同意的一点是，虽然算法和程序帮助他们走到一起，但序曲结束后的一切，还得靠他们自己。就像克里斯说的那样：“并不是说我们匹配度高，就会有良好的关系。那只是一种让我们走到一起的方式。”在最近的一次Skype通话中，克里斯对着镜头拿出一枚钻石戒指向王婷求婚，而她答应了。不过至于何时结婚，可能还需要再仔细算一下。

　　了从25岁到45岁的女性，这些用户的个人页面里的所有可用信息——种族、身高、星座、甚至吸烟习惯，都可以被Python脚本捕捉到，并且反馈给克里斯。

　　与此同时，为了深入了解芳心，克里斯还编写了一个bot机器人来侦测她们的问卷答案。由于OkCupid的“只有双方都有回答才能被显示”原则，所以bot机器人的工作是管理12个假账户，以这些虚拟身份随机回答每一个问题。反正假账户的存在目的并不是塑造完美先生，而只是探听对方都是怎么回答问题的，所以bot就算在每一个问题后“呵呵”也无关紧要。Bot机器人帮克里斯收集了大约1000份资料，让他初尝了技术在爱情上的威力。

　　真爱藏在600万条数据里

　　Bot机器人工作虽然卖力，但到了1000人上头，就被OkCupid网站屏蔽了。原来，OkCupid设置了一个“防套近乎”系统，如果有短时间内连续答题情况出现的话，就会被它毫不犹豫地拉黑。克里斯很惆怅，怎样能让机器人bot看起来不那么像机器人呢？

　　克里斯找到了他的神经学家朋友山姆.托里西。山姆也是个剩男，也在用OkCupid找女友，听到克里斯的伟大计划，一拍即合。他让克里斯在自己的计算机上安装了一个间谍软件，让这个软件跟踪记录自己使用OkCupid的方式。于是bot模仿了山姆的点击和打字速度，升级成了“山姆2号”，顺利地把OkCupid给骗过去了。

　　Bot机器人的成功卧底，让克里斯决定马不停蹄地从家里搬来第二台计算机，接上数学系的宽带，让机器人火力全开日夜运行。3个星期后，bot机器人冲出了洛杉矶，走向了全美，从2万女性用户那里搜集来了约600万条问题和答案。

　　庞大的数据群让克里斯陷入了数学狂欢。他把数学系的小小隔间当成家，像bot机器人一样日夜开工，只有在困得不行的时候，才在办公桌上铺个床垫，打个小盹儿。让克里斯不可自拔的是一个名叫K-Modes的算法，它最早出现在贝尔实验室在1998年对大豆作物的病变分析报告中，特点是可以把具有相似性的数据凝结在一起。克里斯调整了这个算法，使数据结果的粘度变得更为清晰。于是他发现，他的刻度盘把2万女性用户分为了7个在统计学上有明显区别的类型。

　　这一发现让克里斯“欣喜若狂”。为了证明自己的运算是正确的，他给机器人再次下达指令：搜集5000名在过去1个月内登录过OkCupid的洛杉矶和旧金山女性的问题和答案。这是一个参考样本，同样要被修改过的K-Modes算法进行分类。结果，第二次的样本以分毫不差的方式被分类为同样的7个类型。克里斯的统计抽样法经受住了实践的考验！

　　“算”出来不等于走在一起

　　在克里斯分析得到的7个类型里，并不是所有类型都让他怦然心动。比如说有1个类型太萝莉，另2个则太高龄，还有一个类型有着忠诚的基督教信仰，让克里斯望而却步。

　　克里斯感兴趣的是两款类型：一款是20多岁特立独行的年轻人，大多从事音乐和艺术相关活动；另一款则是熟女，从事创造性工作，比如编辑或者设计师。克里斯采取了“鱼和熊掌兼得”的策略，针对这2种目标人群创建了2份不同的个人资料，一份有他攀岩的照片，另一份则是他在一次演出中弹吉他的照片。

　　在这2种类型中，克里斯挑选出最常被选择的500道问题，并提交了答案。由于不希望自己未来的爱情建立在谎言上，所以他尽量如实作答。但技术宅的好强心让他没有到此止步。他又找出了一种名为“自适应提升”（adaptiveboosting）的机器学习算法，在针对每个问题的重要性的评分上，计算出打几分才是最合适的。比如在“不管未来的计划如何，眼下更吸引你的是什么？是性还是爱情？”这一题中，虽然同样回答“爱情”，但克里斯按照“自适应提升”算法的建议，在针对年轻姑娘的问卷中，给该问题打分为“非常重要”，而对于熟女群，则给该问题打了5分，即“必不可少”。

　　在用算法全面武装了个人资料之后，克里斯重新检查了一遍自己与洛杉矶女性用户的匹配度，惊人的结果出现了。从前与他达到90%的匹配度的人数不超过100，现在光是匹配度达到99%的用户就已经溢出了第1页的列表。不敢置信的克里斯不停地翻到下一页，发现直到匹配度由高到低的1万名用户列表最后，匹配度仍然保持在90%以上。

　　即使有超乎常人的高匹配度，这还只是成功了一半，克里斯深知这一点。为了在有着同样匹配度的竞争对手中间让自己显得更加炫酷，克里斯专门写了一个新程序，用来查看与他有着高匹配度的女性用户的页面。这样每当程序浏览了对方页面，对方就会收到来自网站的提醒，自然也就会注意到克里斯的存在。克里斯编写的程序并不是随机浏览的，而是按照年龄顺序：周一浏览1000名41岁女性的页面，周二浏览1000名40岁女性的页面，以此类推，一直到两个星期后，浏览1000名27岁女性的页面。2个星期后，克里斯收到了约400次“被浏览”的消息：他成功吸引了女孩儿们的注意。

　　与网站发送的消息一道光临的，还有很多“求交往”私信：“我到现在为止还没有遇到过算牌很厉害的人，我觉得你的个人资料很有意思。我想跟你打个招呼。”“嗨，你的个人资料确实打动了我，我想跟你打个招呼。我认为我们之间有相当多的共同点，也许不是数学，但肯定有很多其他方面！”

　　克里斯一直锲而不舍地用程序和算法寻找女友，期间他经历拒绝与被拒绝，直到第88次约会。女主角是28岁的艺术系学生王婷，她也是克里斯用算法捕获的潜在女友之一。她觉得克里斯用数学找女友的方式很有意思，于是约了他出来。这一次，克里斯没有再找下一位。

　　责任编辑：陈思

　　文/茫茫