算法帝国

克里斯托弗•斯坦纳（Christopher Steiner）—— 创业公司Aisle50共同创始人及联席CEO，《福布斯》杂志和《芝加哥论坛报》科技专栏特约作者，《纽约时报》畅销书作者，另著有全美畅销书《油价30元/升》。另外，他常在各种会议就科技、算法、大数据等主题发表演说，阐释算法与大数据如何塑造、变革、掌控人类生活。

如果说《改变未来的九大算法》是为弥散程序员气质的业余技术控洗髓内修的白话算法书，《算法帝国》就是为抱负征服世界雄心的程序员易筋外修的演义励志书，一路读来心中满盈释然和暗合之悦。搞了小半辈子算法，一直到听过凯文•斯拉文（Kevin Slavin）的TED演讲“算法如何塑造我们的世界”，才有意识地去感知周遭世界一行一止中算法的开合有度。本书大开大阖，从70年代华尔街的勃兴开始，以本世纪华尔街和硅谷的权力更替收尾，世界易帜，算法仍旧。书名直译为《算法如何控制我们的世界》，对于潜志算法的我们，是控制还是被控制？书尾赫然写道：“你很有可能统治世界，如果没有机器人抢在你前头的话。” ——英特尔中国研究院院长 吴甘沙

“算法正向人类生活的方方面面渗透，从市场营销到看病吃药，从扑克游戏到流行音乐。如果你想了解改变今日和未来世界的最强大力量，那就看这本书吧。” ——安德鲁•麦克菲 麻省理工学院首席研究科学家，著有《与机器赛跑》《第二次机器时代》

“作者是个会讲故事的人，那么多稀奇古怪的情节，在他笔下仿佛触手可及。本书以人类的视角，讲述了一系列引人入胜又发人深思的故事。当然，这本书的主题值得每个人认真思考，而书本身非常有意思。” ——兰德尔•斯特罗斯 《谷歌星球》（Planet Google）《新星发射台》（The Launch Pad）作者

2011年4月初，加州大学伯克利分校的进化生物学家迈克尔•艾森登录到亚马逊网站，想要为自己的实验室购买一本课外书。他要找的书是彼得•劳伦斯所著的The Making of a Fly，讲的是苍蝇怎样由一个单细胞卵长成为一只嗡嗡响的飞虫。这本1992年出版的书虽已绝版，但还是很受专业学者和研究生的喜爱。艾森习惯花35到40美元买旧书来读。但在4月8日这一天，亚马逊网站上有两个知名商家提供这本书的新书，要价却远远高于他愿意出的钱，一家卖1 730 045美元，另一家卖2 198 177美元。

艾森猜想这个天价肯定是误报或开玩笑。他认为没有人（包括作者本人）会对这书估价如此之高。第二天他再次登录亚马逊查看，却发现这本书非但没有回归到正常价格，反而分别涨到2 194 443美元和2 788 233美元。第三天，这本书又涨到2 783 493美元和3 536 675美元。此后连续两周，一直在涨，4月18日到达最高价：23 698 655.93美元，买家还得支付3.99美元的运输费！4月19日，价格下降到106美元。

一本研究苍蝇遗传学、晦涩难懂的书，亚马逊为什么要将它的价格设定为近2400万美元呢？是它突然受到了亿万富翁级的收藏家的追捧吗？是书里有找到宝藏的线索吗？还是它成了图书界“1869年的拉菲”1？事情真相是这样的：两家书商都在亚马逊经营上万种书籍，并且都使用算法给图书定价，然而不受监管的算法打了一场价格战。第一家书商利用算法将自己的价格设定为另一家的0.9983倍，而第二家的算法则是始终让自己的价格保持为第一家的1.270589倍。就这样相互“攀比”，反复交手，最终让这本书的价格赶上了曼哈顿顶层豪华公寓的价格。若非人为干预，覆盖系统设置，价格战还会继续升级。如果说这是一个意外事件，那倒也是一个关于算法失控但却没有造成什么损害的奇事。但差不多在一年以前，还发生过一件比它奇怪得多的事。

1 拉菲葡萄酒是拉菲庄园（Chateau Lafite Rothschild）出产的享誉世界的法国波尔多葡萄酒之一。——编者注

2010年5月初，由于政府出台财政紧缩的计划，希腊爆发全国性大罢工。2010年5月6日早上，全球股市受希腊动荡局势的拖累而走低。很多人担心希腊债务违约在所难免，并且会引发全球经济萧条。纽约时间上午10点左右，美国股市大跌2.5%，损失惨重。

但事情很快由糟糕透顶发展成令人费解。

美国东部时间下午2点42分，股市剧烈波动后进入自由落体状态。2点47分，仅仅300秒之后，道琼斯指数下跌达998.5点，为其有史以来最大单日跌幅。全球最受重视的股票指数道琼斯工业平均指数的走势看起来就像是被人恶搞了一样。近1万亿美元的财富就这样蒸发了。

在这5分钟的时间里，美国全国广播公司财经频道（CNBC）的主持人一开始还和嘉宾谈笑风生地聊着希腊的暴乱。那个时候道琼斯指数已经下跌了200点，而且这一天大部分时间它都保持在这个点位。当主持人艾琳•伯内特请出股评界的明星人物吉姆•克莱默时，道琼斯指数再次探底下跌达350点。当下跌点数达500点的时候，这个激情四射的评论员平静地小声嘀咕道：“这事儿还真有点意思。”

不到3分钟，观众就听见伯内特打断了关于希腊暴乱的谈话，说道琼斯指数已经下跌800点了。她带着难以置信的口气呼叫CNBC驻纽约证券交易所记者斯科特•韦普纳：“斯科特，人们都在说什么？现在已经下跌800点了。”

“当我问他们这里到底发生了什么……我也不知道。” 韦普纳回应道，费力地想要让自己表达清楚，“人们害怕了，投降式抛售，典型的投降式抛售。”

CNBC从纽约证券交易所切回到克莱默，虽然道琼斯指数在短短3分钟内下跌将近1000点，但他平静得有些古怪。“我刚坐下，”克莱默说，指的是他刚到演播室时，“已经下跌了500点。”

主持人伯内特这时提到了宝洁公司，宝洁蓝筹股股价大跳水，数分钟之内下跌25%，从62美元跌至47美元。这时克莱默再也忍不住了。

“这不可能。这不是真实价格。”克莱默恼怒地强调。然后又怒吼着：“好吧，那就买入宝洁吧。”他转过身直视摄像机，恳求观众：“现在就买吧，快去买！”

赞成者听从了他的建议。不光克莱默，其他人也察觉到股票瞬间便宜了不少。道琼斯指数在下跌了998.5点触底之后开始迅速反弹，反弹过程就跟下跌过程一样快。实际上，反弹还要快一些。1分钟之内，日波幅难超300点的道琼斯指数，暴涨了300点。对此，每个人都困惑不已。

伊利诺伊州埃文斯顿的大型对冲基金公司迈格尼塔掌管着70亿美元的资金，迈格尼塔的高级主管们听到骚动都冲出办公室来到公司的交易厅，“下面每个人都喊了起来：‘买，买，买！’”迈格尼塔的交易员说，“不管你交易什么，买入就是了。”

位于东海岸的第一纽约证券公司的交易厅中的场景跟迈格尼塔如出一辙。超过120个交易员争先恐后地想让自己下的单被执行，每个人都大声喊着一个简单的词：“买入。”

“我的第一反应是：‘好吧，这是个错误，但我要怎么利用它呢？’”第一纽约证券的联席交易负责人汤姆•多尼诺说，“我做这行有25年了，从没有遇到过这样的事。”

某些股票的每股购入价狂跌至1美分，让好多资产数十亿美元的公司一名不文，但却在数秒之内又反弹回30美元或40美元的股价。还有些股票猛然飙升。某一刻苹果的每股成交价高达10万美元（从约250美元一股开始上涨）。美股陷入剧烈动荡，无人知晓原因。不管问题出在哪里，总之不能全部归结到某个有严重错误的交易单或是某个流氓交易员。这场动荡来得如此迅疾，有些交易员或市场观察者或许就在上个厕所或喝杯咖啡的时间里就完全错过了千点大跌又急速反弹的一幕。

回到CNBC演播室，伯内特和克莱默又看着道琼斯指数在不到3分钟的时间里上升500点。虽然市场从未发生过如此剧烈的波动，但奇怪的是，克莱默却不以为然。

“很明显是机器坏了，系统瘫痪了。”克莱默说道，声音里流露出厌恶之情。

而身为记者的伯内特却愈发兴奋，她惊讶地说：“但不管怎么说，刚刚那一切真的发生了，这故事太震撼了。”

“我觉得这是一个非常好的故事，”克莱默说得直截了当，“这是史上最好的故事，倘若没有人跟你提起，你将永远不知道这里发生了什么。”

克莱默说得没错。撰写此文之际，关于闪电崩盘的确切成因仍然是众说纷纭。有人把矛头指向堪萨斯城的一位财富投资经理人，他的算法过快出售掉价值40亿美元的股指期货，导致其他算法跟风。有人指责一伙不明交易商合谋共同利用算法打压股价。有人认为这不过是老式的恐慌造成的，跟1929年的大崩盘不无相似之处。然而可以肯定的是，如果不是因为不受人类管束的算法占据了市场，不到1秒内独立下单并完成交易，股价波动幅度不可能如此之大，波动速度也不可能如此之快。但这样的算法确实统治了市场。

算法通常都是按设定好的方式运行，有的安静地交易，有的（如亚马逊的算法）根据供需关系给书定价。但算法一旦处于失控的状态，就有可能做出怪异的事。随着越来越多的算法被引入来控制我们的世界，我们便会弄不清谁或是什么在幕后操纵。这早已成为了现实，算法在不知不觉中悄悄侵入我们的世界，直到有一天闪电崩盘将我们惊醒。

闪电崩盘使算法上了晚间新闻，但它并未就此消失。它很快又出现在关于约会、购物、娱乐和就医等任何你可以想得到的领域的故事中。闪电崩盘只是预示了一个更大的趋势：算法掌控一切。

如果互联网或机器自动运行了某个程序，通常都会有一个简单的解释：算法。关于算法最经典的定义就是，通过所掌握的信息使算法使用者得到某一针对性问题的答案，或掌握输出信息的一系列指令的策略。

比如说，你也可以写一个算法来决定早上穿什么上衣去上班。输入：温度、下雨的几率、下雪的几率、风速、预计步行距离和步行速度、晴天还是阴天。如果输入分别是25度、小雪、风速20英里/小时、阴天以及两个街区的短途步行，那么输出可能就是，比如说，你那件高泰斯面料风衣。很可能你自己从衣柜里抽出的也是这件，但算法的入侵就是从这种简单的任务开始的。算法跟决策树的运行方式很像，决策树解答复杂问题时需要考虑大量变量因素，而决策树又能被分解成一连串的二元选择。每一片所需信息数据会把整个流程推向另一选择项或是节点，使其离输出生成更进一步。

多亏了计算机，算法已经演变成巨大的网络，最初对它的定义也已经不太合适了。在本书中，我通常把旨在执行一个任务的多元联系算法称为计算机程序。这些计算机程序包含成千上万个输入、因数及函数。其中最复杂的程序就像是你大脑的神经元网络：根据需要上下传递处理信息，它们是动态的，而且能够自我改善。

数学使算法进入并控制着我们的生活。几个世纪以来，我们依靠数学观察世界。而今，数学已成了我们用来塑造世界、生活甚至文化的强有力的工具。

随着算法及其背后的数学成为华尔街的标准，其他受算法影响较小的领域也吸引了数学家、工程师和物理学家的注意，华尔街把这一类人称为宽客，这个名字来源于数量分析专家（quantitative analyst）。这些宽客和计算机程序员正在寻找存在弱点的新产业，他们可以利用算法推翻该产业的旧秩序，从中谋取巨额利润。

算法的界限每天都在被突破。在日益增多的产业中，算法已经取代了人类。这是算法能够胜任的事，算法比人力快，价格也更低廉，而且如果它照预期运行，错误率也远低于人力。但随着算法变得越来越强大，越来越独立，结果却出人意料。在线音乐服务软件Pandora用算法来认识用户的音乐品味，也许Pandora这个名字很合适。在古希腊神话里，潘多拉是宙斯创造的第一个人类女人，宙斯给了她一个漂亮的盒子，并且嘱咐她千万不要打开。但她还是打开了，盒子里装的灾难、瘟疫和祸害开始遍布人间。只有一件东西留在了里面：希望。

即将到来的算法时代有很多让人忧心的地方，但正如潘多拉的故事表明的，它也有很多令人憧憬的地方。算法会给数不胜数的领域带来进步，带来比如更好的在线音乐服务，还有质量更高的客服电话，更美好的星期五晚餐约会，效率更高的中央情报局，还有在癌症致命之前就能发现它的更好方法。

有些算法源自人工智能领域。它们也许比不上电影《2001太空漫游》里的机器Hal 9000（启发式算法电脑）那样聪明，那样具有自我意识，但算法能够发展进化。它们会观察、实验以及学习，能够完全独立于其人类创造者从事这些活动。如果使用了某些先进的计算机科学技术，比如机器学习和神经网络，算法甚至能够基于观察结果创造出新的改良的算法。算法已经能够创作出如贝多芬的音乐一样感人的曲调，像律师事务所的资深合伙人那样熟练选择要使用的法律术语，比医生更加准确地诊断病人，像经验丰富的记者那样写出流畅的新闻稿件，比人更加平稳地在公路上开车。

那么我们作为人，职业将会承受何种变化？算法在这一方面也有发言权。我们曾经指责其他国家偷走了我们的工作，而现在这些工作正被一堆堆不知名的计算机代码夺走。如今最有社会地位上升机会的就是能够利用代码构建算法的人，他们构建的算法能快速航行在数据的海洋，识别数百万张脸，还能执行几年以前想都不敢想的任务。