來源：CSDN
作者 | 抓碼青年 責(zé)編 | 張紅月
如果有一天讓你同算法推薦給你的異性結(jié)婚，你會愿意嗎？
前幾天，抓碼君在瀏覽微博時刷到了這條熱搜：# 騰訊獲推薦婚戀對象專利授權(quán) #。
細查一番，發(fā)現(xiàn)鵝廠在 2016 年就申請了 " 一種婚戀對象推薦方法及裝置 "，近日正式獲得授權(quán)。
這種裝置不僅能優(yōu)先向用戶推送高匹配度的婚戀對象，系統(tǒng)還會結(jié)合用戶的信用分為用戶進行推薦，提高用戶快速找到心儀婚戀對象的概率。
鵝廠之所以會早早申請這項專利，抓碼君認為理由只有一個：單身已成為當(dāng)代青年生活中最為普遍的現(xiàn)象。
早在年初，民政部就公布了一組數(shù)據(jù)：" 截止到目前，我國的單身成年人口已高達 2.4 億，其中 7700 萬成年人為獨居狀態(tài)，預(yù)計到 2021 年年底，這一數(shù)字會上升到 9200 萬人。"
速途研究院的另一組數(shù)據(jù)講得更清楚：29.7% 和 26.4% 的單身青年們分別散落在一線和新一線城市，其中又以 TMT 行業(yè)從業(yè)人士數(shù)量居多，堪稱是單身的 " 重災(zāi)區(qū) "。
這其中，女性群體的崛起是不爭的事實，知識女性們在經(jīng)濟上能自立，在職場、社會上也具有一定地位和尊嚴，她們在婚戀上越來越崇尚寧缺毋濫，甚至寧愿過單身生活，這直接引發(fā)了單身男士規(guī)模的增加。
而造成 " 單身社會 " 的另一大因素，則是因 " 接觸不到足夠多的異性 " 而帶來的鼻塞。
智聯(lián)招聘曾做過一次調(diào)查，數(shù)據(jù)顯示無論是男性還是女性，圈子小都是阻礙自己成功脫單的主要原因，占比分別高達 35.57% 和 49.3%。
對于生活在一線和新一線城市的男生女生們，明明自身的條件和素質(zhì)都不錯，但為何卻成了 " 剩男 " 與 " 剩女 "？有些可能是因為自己不想找，有些可能是因為眼光太高，而更多的則是想找卻找不到。
一種看似高效的解決方案：算法如何實現(xiàn)對象的匹配？
在沒有互聯(lián)網(wǎng)年代，我們都是如何找對象的？那時全球最通用的認識潛在婚戀對象的方式是 " 朋友推薦 "。
隨著現(xiàn)代工作生活節(jié)奏不斷變快、城市鄰里關(guān)系的變化等因素影響，" 朋友推薦 " 模式卻逐漸變得 " 不那么靠譜 "。
究其原因，不外乎三點：其一是朋友圈太小，大家可推薦的對象本來就不多，遇到合適的就更難了，而且人們大多抱著 " 寧缺毋濫 " 的態(tài)度找對象，難度系數(shù)直接封頂；
其二是太費時，如果是朋友推薦的相親對象，礙于面子總要見上一面，工作一忙起來一周甚至約不了一個；
其三是傷感情，如果朋友介紹來的看得順眼還好說，如果看不順眼的話該怎么表達？
既然靠朋友介紹也不行，靠自己 " 遇 " 也遇不到，那算法能不能成為一種高效的婚戀匹配方式？以至于我們只需要輸入各類基本信息與偏好，算法就能為我們 " 量身匹配 " 一個理想中的伴侶？
答案當(dāng)然是可能的。想象一下，你晚上下班回家，在沙發(fā)上蜷成一團，松弛著緊張的神經(jīng)，一邊喝著酒一邊打開了手機上的約會 App。
在接下來 30 分鐘里，你會與某個符合你基本要求的用戶進行一個簡短的視頻約會。同時，通過語音和圖像識別技術(shù)，這款應(yīng)用可以檢測你和約會對象的話語、手勢、表情，甚至心跳。
而這之后，你還需要給這次的約會打分，以便人工智能能識別出你可能忽略的，但能夠判斷你們是否合適的跡象。
在這一晚最后，APP 會根據(jù)你的反饋為你推薦更多潛在的異性值得去深入了解。
在未來，人工智能甚至可能會自己算出最幸?；蜃畛志玫年P(guān)系是怎樣的性格組合。
現(xiàn)實生活中最典型的案例就是日本，為了提高結(jié)婚生育率，應(yīng)對日益嚴峻的 " 老齡少子化 " 趨勢，日本在埼玉、愛媛和秋田等十多個縣建起了 " 邂逅支援中心 "。
這套 AI 婚配系統(tǒng)為了幫人們找到能夠長久生活在一起的 " 完美 " 伴侶，設(shè)計了一個長達 100 多道題目的測試題庫，分為 " 你重視的價值觀 " 和 " 希望對方具有的價值觀 "，題目小到個人衛(wèi)生、家務(wù)分配，中到興趣愛好，大到人生選擇，通通都會問到。
AI 系統(tǒng)會以價值觀診斷報告作為基礎(chǔ)，挑選出與你三觀一致、性格相合，" 可能對你產(chǎn)生好感 " 的有緣人，雙方的契合度會以一星、兩星、三星進行評價，當(dāng)然前提是參加答題的人能夠很 " 真誠 " 地回答問題。
這套 AI 婚配系統(tǒng)機智的地方在于，它不會完全按照硬性條件（比如收入、學(xué)歷、身高）去匹配伴侶，而是盡可能幫助你找到那個可能相處起來更融洽、性格更風(fēng)趣的人。
如果把時間再往前倒，如今世界上最大的約會網(wǎng)站 Match.com 在成立之初就有了算法的影子。
你可以具體描繪你希望的交友對象是什么樣子，比如他 / 她是高個子，或者擁有一頭金發(fā)。
在某些時刻，你所說的與真實想要的可能不一樣，這被稱為顯示性偏好，是配對（Match）算法中的重要組成部分。它能保證即使網(wǎng)站不真正了解你，也能推測出誰正好適合你。
在存儲了你的表述和顯示性偏好之后，軟件會在網(wǎng)站中尋找那些在這兩者差異上與你類似的人，然后用他們的記錄來粗略估計你的情況。當(dāng)某些細微差異和趨勢出現(xiàn)，權(quán)重也隨之改變，算法也會調(diào)整。
就如同如今大熱的 Netflix 一樣，它也使用了類似的流程來向用戶推薦他們可能喜歡的電影。
聽起來似乎一切都是對的，可算法真的能幫你找到真愛嗎？
當(dāng)你向 App 輸入了各種資料包括外在條件、愛好、性格、年薪、期望結(jié)婚時間、購房購車情況等以后，你找到了和你有著一樣作息的人。
你們有相同的興趣愛好，不至于每天無話可說；
你們有相同的作息習(xí)慣，不至于每天生活一地雞毛；
你們有相似的家庭背景條件和實力，可減少以后的生活摩擦。
但你會不會覺得，我是不是少了點某種東西？
將感情化為數(shù)據(jù)，" 愛情算法 " 合理嗎？
美國西北大學(xué)的心理學(xué)和管理學(xué)教授芬克爾對廣受歡迎、算法驅(qū)動的約會應(yīng)用持批評態(tài)度，他認為配對算法對戀愛的預(yù)測并不具備參考性。
" 問題在于他們的預(yù)測僅僅建立在未曾謀面的人自述的性格特征和偏好這類個人信息。" 數(shù)十年的情感關(guān)系研究表明，愛情的成功更多地取決于兩個人的互動方式，而不是他們是誰或者他們認為自己想要什么樣的伴侶。
在他看來，人們并知道什么樣的人對自己有吸引力，人們總說希望伴侶具有某些品質(zhì)，但最終他們卻很可能選擇并不符合那些要求的人。
芬克爾在 2012 年《心理科學(xué)》雜志上的另一篇論文里寫道，任何基于個體特征的算法都不太可能預(yù)測戀愛的成功，不能通過算法預(yù)測戀愛的一個主要原因是，比較兩個人的性格特質(zhì)并不能說明他們在一起會有多幸福。
那么，互補性能否成為算法匹配的基礎(chǔ)？這一命題來自社會學(xué)家羅伯特 · 溫奇提出的一個理論：我們會被那些擁有我們認為好的但自己沒有的品質(zhì)的人吸引。
而在對用戶的不斷調(diào)查中，這一命題也被推翻：互補的態(tài)度、興趣、消費習(xí)慣或性別角色等因素并非影響滿意度的關(guān)鍵因素。
大多數(shù)研究婚戀關(guān)系的學(xué)者都認為，決定兩個人是否會在一起，或者一段關(guān)系是否會持續(xù)的因素遠不止性格。
通俗點講就是，什么都有了，唯獨缺少了 " 愛 "。同樣重要的是，兩人見面的環(huán)境，他們的家人和朋友的想法，以及他們在初次見面時的行為。
彼此有 " 愛 " 的夫妻會有心有靈犀的感覺。他們稱贊彼此、用心傾聽，有著同樣的舉止、手勢、姿勢和語言風(fēng)格。他們越同步，彼此的聯(lián)系就越強。
算法的本質(zhì)是什么？是數(shù)學(xué)，可情感的本質(zhì)卻是看不見摸不著的一種感覺。算法可以將人類彼此間的差異數(shù)據(jù)化，但言語、行為間流露的情感卻無法被量化存儲。
此外，面對虛擬化的互聯(lián)網(wǎng)環(huán)境，更有可能出現(xiàn)的情況是，人們給算法提供的數(shù)據(jù)不是真實的數(shù)據(jù)，而是人們想讓算法知道的數(shù)據(jù)，虛與委蛇的溝通不可能成為情感的基礎(chǔ)。
而最終吸引力的產(chǎn)生，在于我們交換的眼神、分享的笑聲以及我們大腦和身體對彼此作出反應(yīng)的無數(shù)方式。
賽博時代的存在危機
科技始終會向前不斷發(fā)展，其不在于你是否認同它。對于未來的 AI 婚配時代，已經(jīng)有了不少開腦洞的猜想。
最知名的如《黑鏡》第四季《Hang the DJ》一集，劇中就出現(xiàn)了同款相親 APP，它通過構(gòu)筑和比對兩個使用者的 AI 來觀察二者之間的匹配度。
一位知友精煉地總結(jié)了這個故事——
故事背后所展現(xiàn)的，是在戀愛、婚姻這件事情上，如果你不愿真的投入時間和精力，那么大概率會走進庸庸碌碌、毫無色彩的一生。
雖然在結(jié)局男女主愛情的力量戰(zhàn)勝了一切，但編劇帶給我們的思考卻細思極恐：你的人生，是否也如數(shù)據(jù)一般循規(guī)蹈矩？
