大流士卡泽米是随机购买的东西-或者更准确地说，他的电脑是。他每月给亚马逊机器人提供50美元，让它买任何它想要的东西，并记录下它的收获randomshopper.tumblr.com. 第一批货里有一张匈牙利前卫音乐的CDÁ科斯河ó机器认知的核心理论家之一诺姆·乔姆斯基的《兹曼与笛卡尔语言学》。当一本关于有知觉机器的书被机器人订购时，很难不去想是出了什么事。但卡泽米坚称这完全是随机的。”就像让一个火星人做你的私人购物者。”

现在在网上很难找到真正的随机推荐。任何给定的亚马逊搜索都会根据您在网站上的历史记录、您的购买情况、人口统计上相似用户的购买情况、总体人气指数和无数其他数据源进行过滤。像这样的推荐引擎正在互联网上的大多数大型数据库上发挥着它们的魔力，从谷歌、亚马逊到潘多拉、Netflix、YouTube、eBay等等。

这些程序不是为惊喜而设计的

这个系统很擅长将垃圾信息发送到搜索结果底部的适当位置，但是列表的顶部会让人觉得没有空气和无聊。如果根据你前六个月的购买情况，亚马逊的算法决定你不是那种喜欢免费爵士乐的人，你可能永远都不知道你错过了什么。在几十个网站上应用同样的规则，很容易看出这种体验会让人产生幽闭恐惧症。这方面的流行语是“过滤泡沫”，即当所有意想不到的事情都被算法去除后剩下的东西。简单地说，这些程序并不是为惊喜而设计的。

随机购物者是一种试图刺穿个性化网络的数学声明的尝试。从表面上看，它与谷歌和亚马逊的巨大搅动矩阵没有太多相似之处，但它所做的工作大致相同。你给它一个价格区间，它会告诉你该买什么。结果是，在大多数情况下，有点可怕。但是，数据驱动的算法大多已经放弃了这一点。

随机的不容易。脱离亚马逊的个性化算法意味着从一个全新的账户中随机搜索关键词，并扰乱搜索结果，从而迷惑亚马逊的索引算法。卡泽米也不是第一个尝试这个的人。据我们所知，这归功于一位名叫保罗·亨金的编码员，他正在播放一部XKCD漫画。他的项目让TradeMe——新西兰的eBay。完全随机的，也不是很有趣。亨金的机器人暗示了他外交上所说的“很多废话”，典型的购买方式是“买一块我没有的手表电池”

<**all>The avant garde CD randomly selected for Darius Kazemi.</**all>

“在shuffle中，我们正在洗牌我们已经知道的东西。”

正是这样的坏电池，使得大多数工程师在寻找给机器学习算法增添热情的方法时，也对把事情变成混乱持谨慎态度。但至少有一位理论家对如何将两者结合起来有自己的想法。tuckwah-Leong是悉尼理工大学的一位交互专家，他是软件领域不可预测性的最大倡导者之一。Leong希望我们将随机性视为一种设计资源，在用户需要刷新或惊讶时部署。他最典型的例子是音乐播放器上的shuffle按钮，尤其是iTunes和iPod shuffle，但他很小心地将其与纯粹的混乱区分开来。”“在洗牌，我们洗牌的东西，我们已经知道，”他告诉边缘我们以前听过这些歌。虽然它是随机的，但很可能对我们更有意义。”Leong从中得到的教训是，随机性与强过滤器的结合效果最好。

<**all> </**all>

业内人士越来越意识到这一点。当我们与在eBay从事消费者数据分析工作的Thomas Pinckney交谈时，他这样说：“我们花了很多时间思考的一件事是，如何做好相关的工作，但也确实用他们甚至不知道自己喜欢的东西来激励人们？“这意味着要从过去十年统治这个空间的算法中走出一步，进入一些新的领域，无论是社区管理、人工编辑，还是简单的旧实验。”根据我们的经验，没有一种方法可以在任何地方都适用，”平克尼告诉我们。换句话说，一切都摆在桌面上。

惊喜一个月值50美元吗？

在随机购物者的情况下，现在有许多过滤器到位，以确保购买不完全出乎意料。卡泽米事先说，他将搜索范围限制在CD、DVD和平装书上，并允许用户设定价格范围。他用自己的帐户运行这个机器人，因此没有购物历史可供借鉴，并将每个列表随机化，据说取消了所有数据驱动的索引，但很有可能亚马逊对流行商品的偏好仍有一点点漏掉。正如平克尼所说，“很难完全脱离正轨。”如果随机购物者只是从流行推荐的泡沫中爬出一半，可能会更好——不是一路爬进垃圾电子书的世界，但也不是在畅销书和iPhone配件的泡沫中。

这听起来是否是个好主意取决于你想从网上购物中得到什么。你想得到令人惊讶但有用的建议，还是想去看看那些杂乱无章的商业集市？你想要好东西还是有趣的东西？惊喜一个月值50美元吗？

以卡泽米为例，答案已经足够清楚了。”卡泽米告诉我们：“我喜欢被迫消费亚马逊等大公司认为我不想消费的东西。”亚马逊基本上就是一个机器人，不管怎样，它都会给你买东西。”