* 类推学派
在机器学习中，有一个学派叫类推学派，理论基础其实是我们耳熟能详的一句话：物以类聚人以群分。如果一个人的朋友是吸烟喝酒打麻将,那么这个人也不太可能是读书画画听音乐的人。这是我们的生活常识，然后我们试图让计算机帮助我们完成这个过程，最主要的原因是这个世界上大部分的人是无名小卒，认识不了几个人，也没有几个人愿意了解咱们，除了父母和自己的老婆孩子，没有人真正的愿意观察我们这种不起眼的小人物，所以用计算机来做这个事情是非常合理的。这个类推学派被广泛的应用在推荐系统上，比如淘宝，豆瓣网，以及各种各样的猜你喜欢的系统上，比如猜测你喜欢听什么样的电台，什么样的音乐，什么样的书。
这种系统还是比较管用的，尤其是对穷人来说，如果是富人的话，肯定是私人医生，私人助理，私人管家，还有名星的经纪人更了解。我认为，现在的一些宣传是夸大了很多，比如说这个人工智能的推荐系统比你自己更了解你自己，如果你真的相信了这个宣传，明显是不止是手里有手机，还得脑子有病才行。人工智能再NB，也不会超过你最好的亲戚朋友。可能有的人会说，这不对，我就觉得特别的对！毕竟这种人特别多，他们不但认为人工智能推荐的东西特别的准，而且觉得每天的星座运势特别的准，甚至觉得能不能在一起，完全看你是不是白羊座，她是不是天猫座。
因为我发现有些人没有幽默感，不能开玩笑，只要说某个事情不好，就说我是黑，如果我说某个东西好，就说我是无脑粉。我再重申一下我的观点，类推学派也好，AI也好，能做的极限就是你有亲戚朋友和程度，不会比他们推荐的更好，更不会比你更了解你自己。如果你觉得这个推荐系统太准了，100%准，那已经是星相学讨论的问题了，这个和计算机的关系其实已经不大了，就是有些人每天得看看星座，才敢出门，万一不看，错过了今天的桃花运。完全信推荐系统或者AI，和完全信星座，信阴阳八卦没什么区别。当然，相比阴阳八卦和12个星座，推荐系统还是有理论基础和科学依据的。
* 推荐系统
因为现在是一个信息爆炸的时代，每天产生无数的信息，让人目不睱接，比如有的人写博客，即使他是个语文不及格的理科生；比如有的人会在网上做个讲软件故事的电台，即使他的普通话烂的狗屎一样。正是因为这种海量的信息，只能靠电脑的推荐来让人发现，没有人知道这么多的信息，比如淘宝上可能有几百万种商品，谁知道这么多商品有啥用啊。
这个时候就需要推荐系统了，Facebook经常推荐你一些好友，问你认识不认识你前女友，其实你们早就分手了，看见对方就生气，然后Facebook隔三岔五就问你一下，提醒你不要忘了那个王八蛋。不上是Facebook，Google家在这方面也不甘落后，Google可以用非常聪明的推荐算法提醒你不要忘了以前的照片，这是Google Photos一个让人心惊肉跳的功能，它能挖掘你所有的照片，然后还很贴心的帮你加上背景音乐，问你还记得大明湖畔的夏雨荷么？即使那些照片我根本不想让别人看。淘宝和京东每天都吸引你去买点东西，生怕你钱包里的钱太多了放不下。
这个东西一点也不新鲜，在我还是学生的时候，也就是十年前的时候，就已经有个非常流行的案例了，我当年天天不喜欢上课，一点正能量都没有，但是有一天，我决定去教室里看看老师，那门课叫《数据挖掘》。老师在上面讲了一个案例，我在下面上网，老师讲的是网上的案例，不是瞎编的，今天还能搜到这个案例。讲的是一个女孩怀孕了，这个女孩刚上大学，然后在网上购买了一些东西，大数据就推测出这姑娘怀孕了，就给这个姑娘发了一些婴儿用品的广告，结果被姑娘的老爸发现了，觉得尼妈啥垃圾网站啊，我家姑娘冰洁玉清的，你给整天发这种广告，是不是不想混了，然后就投诉了这个网站。结果，他家姑娘还真是怀孕了。然后这篇文章就起了这样一个名字《如何在一个十几岁的女孩的父亲知道以前就知道她已经怀孕了》，在网上广泛流传，《how target figured out a teen girl was pregnant before her father did》英文我也找到了，故事内容差不多。
再多说几句，有些听众非常有怀疑精神，我讲的东西的确不严谨，毕竟我这个不是搞学术的。但是有些人让我很无语，什么东西都不信，都在微信后台问我：栋哥，你讲的XX是假的吧！比如说曾经有一期我讲到了黄帝陵，我说我去过陕西的黄帝陵，就有人和我说，别说黄帝了，三皇五帝都是假的，神话故事，你竟然去看的那个土疙瘩，真是智商不高啊！前两期讲人工智能我引用了一下上市公司的报表，说了一下国内很多公司拿人工智能来搞补贴，结果又有人说：栋哥，你难道不知道上市公司的报表都是假的么？你引用这样的数据没有意义！本来我搞这么个电台就没有意义，别那么搞笑好不？大家都说黄帝的陵墓在陕西，我就相信了呗，难道我还得拿个洛阳铲去挖一挖，搞准确了才能在电台里说么？我要是能力调查上市公司的财务报表，我还在这里搞这个电台干啥，我早就上天入地了。比如今天这个例子，姑娘怀孕这个，我只能给出原文的出处，至于是不是真事，我不知道。所以不要太执着的来问我是不是真事儿？！
再回来讲这个姑娘怀孕的事情，这个文章说，系统比姑娘的爸爸提前知道了怀孕的事情。我觉得，这太正常不过了。因为这是美国的事情，可能和中国有点不同，如果在中国，老爸提前知道了才不正常，按照正常情况，一个大一女生怀孕了，这件事情，她爸爸应该是永远不会知道。为什么系统知道了呢？因为这个女孩在网上买了验孕棒这种东西，只要是个正常人，就知道是怎么回事，这个系统并不比人聪明。这是我在上课时候的想法，现在还是这个想法。在10年前，比较流行的一个观点是，数据挖掘马上就要超过人类了，现在只是换成了人工智能马上就要超过人类了。这是我读研的时候，更早的时候，计算机并不是最个特别热门的专业，我读本科的时候，最热门的专业是生物工程，那时候的口号是:21世纪是生物工程的世纪，我读大学的时候，反正给我的感觉是，生物工程一发力，人类的疾病马上就要不够用了，我本科学校里当时每周有个讲坛，经常请一些教授啊，院士啊去讲课，给我了很大的希望，反正觉得你不和生物工程沾点边，就被时代抛弃了。还有环境工程也很热门。那时候人工智能还在低谷，没啥人做这个。
* 推荐系统的基本原理
好了，再说点正题，推荐系统的基本原理。推荐系统有很多，包括皮尔逊相关，集群算法，还有一大堆算法，名字起得非常的科幻，别说外行人，就是内行人也是看的晕头转向。当年我硬着头皮看了很多，发现所有的算法没有的特别科幻的地方，可以分为两类。一类官方的名字叫做协作式过滤，一听名字就觉得不懂，我个人非常讨厌上课，演讲的时候用一些中英文混杂，或者一些虽然是中文字，每个字我都认识，但是放在一起完全不知道在说啥，比如这个用户协作式系统。IT行业中很多这种词语，比如原生广告，原生变现系统，降维打击，我经常听，但是就是不太懂。这里的用户协作式过滤，用中国话来说就是『人以群分』，把人分类的。
第二种推荐系统的学名叫基于内容的过滤，用中国话来说就是『物以类聚』，把内容分类的。现实中，还有层出不穷的算法，但是都没有跳出这两个基本原则——『物以类聚，人以群分』，我再详细的讲一下这些吓死人的概念背后是多么纯洁纯粹的原理。
第一个是基于用户协作的系统，栋哥说这个就是『人以群分』，把用户分类的。比如一个大网站，对了，能搞这个的必须得是大网站，也就是说得有大数据才行，小公司小网站没意义。比如说有个大公司叫奶茶公司，主营业务是卖东西，不止卖奶茶，也卖书，卖电脑，卖二手货，卖豆腐等等。老板娘为了能准确的发广告，多卖点货，决定在一个月黑风高的夜里研究一下网站上有用户,老板娘叫红海棠，嫁人的时候老公比她大了30岁，老公好像叫白梨花，一树梨花压海棠以后，已经睡了，幸亏海棠年青，体力好，起床来研究自己网站的用户。
海棠用的方法是基于用户协作的方法，她点开了一个带头像的小伙，眼睛的余光扫了一眼已经熟睡的白梨花，轻轻的叹了一口气。她研究的这个用户叫赵云，并不帅，长得和外星人罗纳尔多一样，她本打算关掉换一个用户，反正都是用户研究，研究帅哥心情会好一点。但是，她发现这个用户花了好几千买了一个键盘，而且这个键盘长得还很奇怪，键盘上光秃秃的，一个字母都没有，感觉像个二手货。能买这么个东西的人，一定是个有钱人，心中一阵荡漾，红海棠马上点开了曾经购买过这种键盘的人，一个一个仔细研究了起来，一个时辰以后，红海棠发现了这个群体有个共同的特点，买过机械键盘的人，基本都会买双肩包，也都会买冲锋衣，并且，这群人几几乎不会购买杜蕾丝等玩具。
在这个不开心的夜里，红海棠不自觉的完成了人类历史上第一个基于用户的协作过滤系统，原理就是这样，根据用户的行为来构造一个模型，以后，只要是有的购买了机械键盘，不管三七二十一，给他推荐冲锋衣和双肩包，这群人的行为几乎就是一模一样的。红海棠高兴的想把这个发现告诉白梨花，结果，踹了几脚，白梨花翻了一下身，继续睡了。
红海棠一夜未眠，虽然身体上没有满足，但是，她心理上满足了，这就是知识的力量，她发现了『人以群分』的奥秒，只差一个程序员，实现一下这个想法，网店里的销量肯定节节攀升，到时候，就有钱给白梨花买加强的汇仁肾宝了。
好了，这期时间到了，下一期再讲推荐系统的另外一个方法，『物以类聚』。最后，补充一首唐诗，苏轼写的,说不定是今年的高考题呢。