現(xiàn)在相親話題在網(wǎng)上越來越火了。有意思的是，無論男方還是女方都有不少人在對自己的相親對象瘋狂地吐槽。給人的感覺就是明明有很多單身的男男女女，但想要把他們撮合成情侶卻比登天還要難。

有人可能會覺得，只要把有婚戀意向的單身男女各100人放在一起讓他們自由地進行選擇，那么應(yīng)該很快就能組合成100對情侶。但這樣的事情是不可能發(fā)生的，因為這不符合人性。在現(xiàn)實中，更有可能發(fā)生的情況是所有的男性都想要選擇吸引力排在前10%的女性，同時所有的女性都想要選擇吸引力排在前10%的男性。

所以對于約會類軟件來說，讓會員們自由地瀏覽所有異性的資料并不是一種很好的策略，不僅不會增加配對的成功率，還會給大家徒增煩惱。于是這些軟件大部分都使用了配對算法，由算法來決定每一名會員能看見哪些異性的資料。

美國著名約會軟件Tinder采取的策略是在后臺對會員進行打分評估，然后把那些評分在同一個檔次的男女匹配起來。簡單來說就是九分男刷出來的大部分都是九分女，六分男刷出來的大部分都是六分女，反之亦然。

那么Tinder到底是如何給會員進行打分的呢？畢竟會員在注冊Tinder的時候無非也就是上傳幾張照片，再寫一些自我介紹而已。人工智能并不能僅憑這些信息就判斷出一名會員在異性眼中的吸引力。

為了解決這個問題，Tinder使用了Elo積分算法。這是一種通常用在國際象棋和網(wǎng)球等體育比賽中的算法。以國際象棋為例，每名職業(yè)選手最開始都會有一個初始積分，每當(dāng)他贏得一場比賽后，積分就會增加，輸?shù)粢粓霰荣惡?，積分就會減少。而Elo積分算法的巧妙之處在于，它根據(jù)對戰(zhàn)雙方的積分差距來決定在比賽結(jié)束后雙方增加和扣除的分數(shù)。如果你戰(zhàn)勝了一名比自己積分高出很多的對手，那么你會獲得比較多的積分，因為這對于你來說是比較困難的一件事。如果你贏了一名比自己積分更低的選手，那么你的積分只會增加一點點，因為這對于你來說是情理之中的事情。當(dāng)一名選手參加了足夠多的比賽之后，他的分數(shù)就會穩(wěn)定在一個相對固定的區(qū)間。人們通過這名選手的積分就可以快速地判斷他的水平。

Tinder官方曾經(jīng)透露他們也使用了這樣的Elo積分機制。當(dāng)用戶們在Tinder中刷到軟件推薦給他們的異性時，如果感興趣就向右劃，不感興趣就向左劃。這樣的右劃和左劃就相當(dāng)于象棋比賽中的勝利和失敗。一名用戶如果多次被別人右劃，即多次被別人標記為“感興趣”，那么他/她的分數(shù)就會越來越高。反之，如果一名用戶總是被標記為“不感興趣”，那么他/她的分數(shù)就會越來越低。跟象棋比賽積分類似，如果被一名高分用戶標記為“感興趣”的話，分數(shù)會獲得大幅增長。如果只是被一名低分用戶標記為感興趣的話，分數(shù)只會增長一點點。當(dāng)然，這個分數(shù)是Tinder后臺中的一個隱藏數(shù)值，對所有用戶都不可見。Tinder官方隱晦地用“受歡迎度”（desirability）來指代他們給每名用戶在戀愛市場上的評估分數(shù)。

在Tinder里，只有當(dāng)兩名用戶互相把對方標記為感興趣后才能進行聯(lián)系。這看起來似乎很公平，每個人都可以在軟件中自由地選擇心儀的對象。但事實上，每名用戶只能看到那些由算法推薦的跟他/她處于同一“圈層”的有限數(shù)量的異性。如果用戶反復(fù)刷新的話，系統(tǒng)可能就會重新推薦之前已經(jīng)被劃掉過的異性，因為算法為這位用戶篩選出來的異性名單已經(jīng)被刷完了。這聽起來可能有些殘酷和勢利，但婚戀市場本來就是殘酷和勢利的。

當(dāng)一名用戶舒舒服服地躺在床上對手機中的異性進行左劃右劃時，他/她自己的資料也正在無數(shù)陌生人的手機中被端詳、審視、評價。最終，每名用戶都會得到一個其他人對自己做出的集體評審結(jié)果。

也許是為了避免被外界指責(zé)說他們把用戶分成三六九等，Tinder官方在2019年澄清說他們已經(jīng)放棄了Elo積分算法，而是采用了一種更加智能的算法，可以通過每名用戶在軟件里的操作歷史來為他/她推薦相匹配的異性。但Tinder拒絕透露這種新算法的具體規(guī)則。很難說這種所謂新算法會不會只是Elo算法的一個升級版而已。

除了Tinder之外，也有一些約會軟件使用的是不那么弱肉強食的算法，比如Hinge使用的是一種叫做Gale-Shapley的算法。這是一種可以把兩組數(shù)量相等的元素進行配對的算法。比如說有男女各100人，每個人都對另外100名異性有一個從最喜歡到最不喜歡的選擇順序。那么Gale-Shapley算法可以把這兩組人組成100對情侶，并使得每一個人都可以跟愿意和他/她組成情侶的人中排序最高的人組成一對。從數(shù)學(xué)的角度來說，這200名男女之間此時就形成了一種穩(wěn)定組合狀態(tài)，即在現(xiàn)有組合之外，不存在一男一女同時想要與對方形成新的組合。在2012年，發(fā)明這個算法的兩名教授獲得了諾貝爾經(jīng)濟學(xué)獎。

Hinge所做的就是根據(jù)用戶所填寫的約會偏好和使用app時的點贊記錄等信息來猜測出他/她對于異性的偏好排序。在推測出每名用戶的對于其他異性用戶的偏好排序后，再使用Gale-Shapley算法對他們進行配對。所以最后每名用戶在app里看到的異性都是算法認為的“他們喜歡的人里最有可能喜歡他們的人”。

還有一個約會網(wǎng)站OkCupid則使用了另外一種算法。會員在這個網(wǎng)站上注冊時需要從幾千個問題中挑選一些進行回答，比如最喜歡的電影或者信仰的宗教。接下來，網(wǎng)站后臺會把那些在相同問題下給出相同回答的人匹配在一起，背后的邏輯是他們擁有類似的價值觀和生活品味。

2012年，正在加州大學(xué)洛杉磯分校攻讀數(shù)學(xué)博士學(xué)位的麥金萊（McKinlay）也在OkCupid上注冊了會員。也許是因為過于直男，麥金萊在注冊時選擇的問題全是些女生們不感興趣的冷僻問題，因此系統(tǒng)只給他推薦了數(shù)量很少的跟他相匹配的女性。可想而知，他自己的資料也幾乎不會被系統(tǒng)推薦給其他女性用戶。

使用了一段時間后，麥金萊覺得自己簡直就是一個在女性用戶面前毫無存在感的透明人，這讓他很憤怒。

麥金萊決定用數(shù)學(xué)家的方式來解決這個問題。他發(fā)現(xiàn)OkCupid允許查看其他用戶在某個問題下的回答，前提條件是你自己在注冊時也選擇了同樣的問題。于是麥金萊批量生成了一批賬號，把所有的問題都回答了一遍，然后用這些賬號去抓取女性用戶在各種問題下的答案。一開始，他創(chuàng)建的機器人賬號由于操作速度太快，很快就被系統(tǒng)封殺了。后來他又抓取了真實用戶的點擊速度和瀏覽模式，然后重新創(chuàng)建了一批賬號，讓這些賬號模仿真實用戶的行為去讀取數(shù)據(jù)。這一次，他成功了。海量的數(shù)據(jù)源源不斷地涌入了他的筆記本電腦。

麥金萊在撰寫博士論文的過程中可以申請使用學(xué)校的超級計算機。他利用這個機會把自己收集到的六百萬條數(shù)據(jù)導(dǎo)入超級計算機進行了分析。從統(tǒng)計學(xué)的角度，麥金萊把OkCupid網(wǎng)上的女性會員分成了七個大類。

在這七個分類中，麥金萊挑選了兩個自己最感興趣的分類。一類是從事音樂和藝術(shù)相關(guān)工作的女性，另一類是從事編輯和設(shè)計相關(guān)工作的女性。他重新創(chuàng)建了兩個賬戶，分別用來與這兩組女性用戶來匹配。在給這兩個新賬戶選擇回答問題這個步驟中，麥金萊開啟了作弊模式。他讓電腦幫自己計算出了能和目標組里的女性們達到最佳匹配度的問題組合。除此之外，他還處心積慮地按照大數(shù)據(jù)分析結(jié)果給這兩個賬戶選擇了不同的頭像，用來吸引不同的女性人群。他的一個賬戶使用了攀巖的照片，營造出一個戶外運動健將的形象。另一個賬戶則使用了彈吉他的照片，強調(diào)他的藝術(shù)氣質(zhì)。

在創(chuàng)建好這兩個新賬戶后，麥金萊點擊了網(wǎng)站的刷新按鈕。系統(tǒng)給他推薦了超過一萬名匹配度在90%以上的異性。他成功地欺騙了這個網(wǎng)站的匹配算法。

與此同時，麥金萊的資料也被推薦給了無數(shù)的女性用戶。他的個人主頁被瀏覽次數(shù)從零暴增至多達每天400次。其中不少女性都給他留言，問他有沒有興趣在線下見面。

在虛擬的網(wǎng)絡(luò)世界，麥金萊可以用作弊的手段把自己偽裝成一個倍受歡迎的男性用戶。但在現(xiàn)實世界中，他還是那個言辭木訥的數(shù)學(xué)在讀博士。麥金萊也很清楚這一點。

不過，這是他遲早要面對的問題。在6月的最后一天，他鼓起勇氣，跟一名女設(shè)計師進行了一次約會。這位不擅長討女孩子歡心的數(shù)學(xué)家在真人約會中原形畢露。女生在約會結(jié)束后就再也沒有聯(lián)系過他了。

第二天，麥金萊又跟一名女編輯進行了一次約會。這次約會也沒有結(jié)果。接下來的第三次和第四次約會也一樣。

麥金萊發(fā)現(xiàn)，雖然他的約會全部都是見光死，但他每天還是能收到十幾條新的留言。他開始真正體會到大數(shù)據(jù)的威力。搞砸?guī)状渭s會根本就無所謂，反正后面永遠還有無數(shù)的人愿意跟他見面。麥金萊變得越來越麻木了。他懶得再去費心安排約會的細節(jié)，而是隨便跟對方約在咖啡館見面。電影、音樂會之類耗時的活動也被排除在約會的內(nèi)容之外。為了提高效率，他甚至開始在同一天里安排兩場約會。

在這個夏天，麥金萊一共跟80多名女生進行了約會，絕大多數(shù)都是沒有任何結(jié)果的見光死。只有三個女生跟他見了第二次面，但也沒有后話了。離開了虛擬的網(wǎng)絡(luò)世界，他仍然只是一個戰(zhàn)斗力只有五的渣渣。

麥金萊的第88個約會對象是一名28歲的藝術(shù)學(xué)生。在約會中，這個女孩告訴麥金萊，為了能得到更好的匹配結(jié)果，她把自己在網(wǎng)站上的資料稍微優(yōu)化了一下。

呵呵，這算什么。麥金萊忍不住把自己用超級計算機所做的事情全部告訴了這個女孩子。幸運的是，這個女孩子并沒有覺得他是一個變態(tài)，反而覺得這很酷。兩個人很快進行了第二次和第三次約會。兩周后，他們都把自己的OkCupid賬號停用了。一年后，麥金萊向這個女孩子成功求婚。

這就是一名數(shù)學(xué)家在欺騙約會網(wǎng)站的算法之后找到伴侶的故事。麥金萊并不覺得自己所做的事情有什么不道德：“每個人都會想辦法讓自己的資料變得更加吸引人，我只不過是做得更加專業(yè)一些而已。”