混沌理論：當亞馬遜給你買隨機的東西時會發生什麼？

大流士卡澤米是隨機購買的東西-或者更準確地說，他的電腦是。他每月給亞馬遜機器人提供50美元，讓它買任何它想要的東西，並記錄下它的收穫randomshopper.tumblr.com. 第一批貨裡有一張匈牙利前衛音樂的CDÁ科斯河ó機器認知的核心理論家之一諾姆·喬姆斯基的《茲曼與笛卡爾語言學》。當一本關於有知覺機器的書被機器人訂購時，很難不去想是出了什麼事。但卡澤米堅稱這完全是隨機的。”就像讓一個火...

現在在網上很難找到真正的隨機推薦。任何給定的亞馬遜搜尋都會根據您在網站上的歷史記錄、您的購買情況、人口統計上相似使用者的購買情況、總體人氣指數和無數其他資料來源進行過濾。像這樣的推薦引擎正在網際網路上的大多數大型資料庫上發揮著它們的魔力，從谷歌、亞馬遜到潘多拉、Netflix、YouTube、eBay等等。

這些程式不是為驚喜而設計的

這個系統很擅長將垃圾資訊傳送到搜尋結果底部的適當位置，但是列表的頂部會讓人覺得沒有空氣和無聊。如果根據你前六個月的購買情況，亞馬遜的演算法決定你不是那種喜歡免費爵士樂的人，你可能永遠都不知道你錯過了什麼。在幾十個網站上應用同樣的規則，很容易看出這種體驗會讓人產生幽閉恐懼症。這方面的流行語是“過濾泡沫”，即當所有意想不到的事情都被演算法去除後剩下的東西。簡單地說，這些程式並不是為驚喜而設計的。

隨機購物者是一種試圖刺穿個性化網路的數學宣告的嘗試。從錶面上看，它與谷歌和亞馬遜的巨大攪動矩陣沒有太多相似之處，但它所做的工作大致相同。你給它一個價格區間，它會告訴你該買什麼。結果是，在大多數情況下，有點可怕。但是，資料驅動的演算法大多已經放棄了這一點。

隨機的不容易。脫離亞馬遜的個性化演算法意味著從一個全新的賬戶中隨機搜尋關鍵詞，並擾亂搜尋結果，從而迷惑亞馬遜的索引演算法。卡澤米也不是第一個嘗試這個的人。據我們所知，這歸功於一位名叫保羅·亨金的編碼員，他正在播放一部XKCD漫畫。他的專案讓TradeMe——紐西蘭的eBay。完全隨機的，也不是很有趣。亨金的機器人暗示了他外交上所說的“很多廢話”，典型的購買方式是“買一塊我沒有的手錶電池”

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

“在shuffle中，我們正在洗牌我們已經知道的東西。”

正是這樣的壞電池，使得大多數工程師在尋找給機器學習演算法增添熱情的方法時，也對把事情變成混亂持謹慎態度。但至少有一位理論家對如何將兩者結合起來有自己的想法。tuckwah-Leong是悉尼理工大學的一位互動專家，他是軟體領域不可預測性的最大倡導者之一。Leong希望我們將隨機性視為一種設計資源，在使用者需要重新整理或驚訝時部署。他最典型的例子是音樂播放器上的shuffle按鈕，尤其是iTunes和iPod shuffle，但他很小心地將其與純粹的混亂區分開來。”“在洗牌，我們洗牌的東西，我們已經知道，”他告訴邊緣我們以前聽過這些歌。雖然它是隨機的，但很可能對我們更有意義。”Leong從中得到的教訓是，隨機性與強過濾器的結合效果最好。

<**all> </**all>

業內人士越來越意識到這一點。當我們與在eBay從事消費者資料分析工作的Thomas Pinckney交談時，他這樣說：“我們花了很多時間思考的一件事是，如何做好相關的工作，但也確實用他們甚至不知道自己喜歡的東西來激勵人們？“這意味著要從過去十年統治這個空間的演算法中走出一步，進入一些新的領域，無論是社群管理、人工編輯，還是簡單的舊實驗。”根據我們的經驗，沒有一種方法可以在任何地方都適用，”平克尼告訴我們。換句話說，一切都擺在桌面上。

驚喜一個月值50美元嗎？

在隨機購物者的情況下，現在有許多過濾器到位，以確保購買不完全出乎意料。卡澤米事先說，他將搜尋範圍限制在CD、DVD和平裝書上，並允許使用者設定價格範圍。他用自己的帳戶執行這個機器人，因此沒有購物歷史可供借鑒，並將每個列表隨機化，據說取消了所有資料驅動的索引，但很有可能亞馬遜對流行商品的偏好仍有一點點漏掉。正如平克尼所說，“很難完全脫離正軌。”如果隨機購物者只是從流行推薦的泡沫中爬出一半，可能會更好——不是一路爬進垃圾電子書的世界，但也不是在暢銷書和iPhone配件的泡沫中。

這聽起來是否是個好主意取決於你想從網上購物中得到什麼。你想得到令人驚訝但有用的建議，還是想去看看那些雜亂無章的商業集市？你想要好東西還是有趣的東西？驚喜一個月值50美元嗎？

以卡澤米為例，答案已經足夠清楚了。”卡澤米告訴我們：“我喜歡被迫消費亞馬遜等大公司認為我不想消費的東西。”亞馬遜基本上就是一個機器人，不管怎樣，它都會給你買東西。”