余忠华

（上海工程技术大学管理学院，上海 201620）

0 引言

人工智能发展之迅速令人惊叹，已成为当下最受关注的新技术之一。目前，人工智能广泛应用于各领域，如人脸识别、智能推荐、语音输入、语音翻译、聊天机器人、智能家居等。其在社交方面也起到了越来越明显的作用，如雨后春笋般发展起来的相亲交友软件就是一个例证。类似于购物网站上的“猜你喜欢”功能，向用户推荐意向产品；陌生人社交平台会根据后台算法与大数据，匹配符合用户择偶标准的其他用户，帮助用户寻找心仪的另一半。这项应用虽然存在诸多问题，如匹配无法做到完全精准、匹配过程涉及个人安全隐私等，但其无疑为人类生活带来了极大便利。数字经济蓬勃发展，科技进步日新月异，然而人们普遍面临较大压力，交际圈十分有限，根据2018 年6 月《第一财经周刊》发布的《都市人压力调查报告》，有43%的人认为他们承受的压力“超标”了。这从侧面反映出，现代人的生活、工作、学习压力较大，人工智能通过算法匹配辅助人类寻找恋爱对象，既能协助人类提高匹配效率，也能在一定程度上缓解人类的相亲交友压力。根据中国青年报社社会调查中心联合问卷网的一项对1 962 名处于适婚年龄的单身青年进行的调查显示：70.9%的受访单身青年看好大数据在青年相亲交友领域的应用，77.9%的受访单身青年有兴趣使用大数据婚恋交友平台，56.8%的受访单身青年认为大数据能解决当下青年对另一半诉求模糊的问题。

人工智能在婚恋相亲交友中起到的作用可以总结为以下几个主要方面：①人工智能的海量数据拓宽了人们的交际圈，大数据本质上是一种信息资产，正因为信息基数大，在某一具体领域中，能够涵盖的范围极其广泛，基于一个人的人际圈子不可能无限制扩大，因而这些适婚青年只能在自己现有的人际圈子里选择配偶。大数据则有效地克服了该问题；②人工智能的高时效性促进了数据的有效性，大数据的特点是实时更新，实现从静态数据到动态数据的转变，提高数据时效性，继而增强数据的可参考性；③人工智能的精确匹配能提高交友效率，这种较为精确的方式可以减少大量的前期时间成本和金钱成本，也极大减少了这些成本沦为沉没成本的可能性，可在一定程度上提高找到合适伴侣的机率。

1 人工智能算法在婚恋交友中的应用

1.1 推荐系统

为了深入浅出地理解人工智能应用于婚恋交友的关键部分：如何进行筛选与匹配，可以参照购物网站的推荐算法，即如何“猜”用户喜欢，从而向用户推荐。在购物网站的后台中，每一位用户的信息其实是巨大表格中一行一行的数据，这行数据记录了用户在网站上浏览、购买、退货、收藏的商品历史。其他用户的数据也是如此，每当有浏览行为或购买行为等发生，数据就会实时改变，不断更新。推荐系统会通过各种算法对用户数据进行收集与处理。目前，推荐系统中应用的核心技术是个性化协同推荐［1］。根据调查数据，美国著名在线零售商在采用个性化广告推荐系统后广告点击率提升了两倍，销售额增长达20%～30%；亚马逊的销售额中有35%来自系统推荐；You⁃Tube 有60%的视频点击率是由主页推荐转化而来；Netflix电影观看率有80%得益于公司的推荐系统；淘宝和百度的广告推荐系统可为公司增加100 亿元以上的收入；今日头条发展之迅速离不开推荐系统的作用［2］。

个性化推荐系统主要解决庞大的信息量筛选、信息过载以及用户搜索商品的问题，可以较高速率获取用户感兴趣商品的主要信息［3］。推荐系统主动帮助用户找到感兴趣的内容并进行推荐，主要涉及预测与推荐这两个关键问题。预测即系统应尽量精准地对用户喜好作出预测，推荐指系统应根据预测结果将尽可能接近用户喜好的商品及内容推送给用户。由此可见，推荐环节的依据是由预测环节的结果而来，因此多数推荐算法主要研究预测环节的问题［4］。推荐系统之所以能够做到较为精细的个性化推荐，是因为系统会跟踪每个用户在网站上的轨迹，包括浏览、购买、好评等行为，然后经过“协同”计算，分析出单个用户的“个性化”偏好，再向用户推荐符合其偏好的商品。国内对于这种个性化推荐系统的应用早已取得明显成效，如淘宝网等一些电商网站，利用个性化推荐系统收集用户购买行为产生的记录、浏览行为产生的轨迹、评价行为产生的数据等［3］，加以整合与计算进而对用户需求作出预测与推荐，有效增强了用户的购物体验。这种基于协同计算的分析，远远复杂于针对关键字的分析。婚恋交友平台采用的也是这种技术，通过分析用户个人微博、微信等社交媒体，以及浏览的网页、喜欢的电影等网络足迹，从众多信息中提取出关键信息，分析其恋爱观、婚姻观、性格、价值取向；还有根据各大电商的购物记录判断一个人的消费能力和生活习惯等。推荐系统主要由用户、用户模型和推荐对象模型以及推荐引擎4 部分组成［5］。基于此，采用AI 和机器学习帮助人们配对，在挖掘用户的社交媒体数据后，用后台算法分析数据，然后为最合适的两个人相互推荐。推荐系统确实可以有效缓解信息过载问题，但仍存在准确性、稀疏性以及数据冷启动等问题［4］。

1.2 协同过滤

随着推荐系统广泛应用于各领域，如亚马逊网站的书籍类推荐系统［6］、Netflix 电影推荐系统［7］、Jester 的笑话推荐系统［8］和Facebook 朋友推荐系统［9］等，推荐系统中的重要技术，即协同过滤方法的研究备受关注。协同过滤算法有两种：基于内容的协同过滤算法和基于模型的协同过滤算法［10-11］，两种协同算法分类如图1 所示。较为简单的协同算法如Grouplens 和Ringo［1］，都是基于用户关联的。这种算法原理是根据两个用户之间拥有的一致性意见的量，计算这两个用户之间的“距离”，即用户之间的相似度［12］。对通过这种“距离”找出来的偏好相近的用户进行预测，预测范围被称之为共享的邻域［1］。如李琳等［13］将评分矩阵和评论文本相融合以提高推荐质量。另一种协同算法是基于模型参数［14］，即首先利用评分数据对模型参数进行估计，继而利用事先训练好的模型对评价数据进行预测处理。模型选择视具体情况而定，常用数学模型有贝叶斯网络模型、隐语义模型、潜在因子矩阵模型、基于概率的矩阵分解方法等［15-19］。现有推荐算法具有一定局限性，因为并不是所有事物都具有被用户给出意见的信息，人们也常会对同一事物给出多种看法，并且这种计算出来的“距离”很容易随着用户的网络行为而改变，即时计算意味着计算量十分庞大，可能导致返回的推荐结果不够准确。因此现实情况中，婚恋交友平台的智能匹配结果并不总是乐观，时常有不符合用户心理预期的匹配结果出现。

Fig.1 Collaborative filtering algorithm classification图1 协同过滤算法分类

学者们和算法工程师们将协同算法进行不断优化与改进，以求使得协同过滤技术更加完善，从而达到计算更加准确、匹配拟合度更优、推荐结果更加精准的目的。协同过滤技术的原理是基于已存在的用户群已经发生的商品选择轨迹，去预测用户最偏好最中意的商品。其计算目标是针对用户之间或项目之间相似度与预测评分的计算，计算流程如图2 所示。这项技术不完全依赖于商品本身信息，即使存在商品信息缺失情况，也仍然可以根据最邻近用户的偏好信息进行预测与推荐。协同过滤技术存在的问题是当用户量急速增长时，用户空间较大，用户数据暴增，计算用户之间的“距离”进而搜索最邻近用户的这一目标便可能无法达到较理想的时效性。为了解决这类问题，国内外许多学者进行了研究与实践，提出了一些协同过滤算法的改进算法。例如，基于极端评分行为的相似度计算［20］、基于萤火虫聚类的协同过滤推荐算法［21］、融合用户兴趣和评分差异的协同过滤推荐算法［22］、融合知识图谱和协同过滤的推荐模型［23］等。

图2 协同过滤算法一般流程Fig.2 General flow of collaborative filtering algorithm

1.3 隐语义模型

智能推荐算法中，除协同过滤技术外，还有一些其他算法可应用于婚恋交友匹配中。如基于语义的推荐，已逐渐成为当下研究的热点。基于语义的推荐不强调字面上的匹配，而是对于语义进行近似匹配或引申义匹配，平台通过用户碎片式的网络行为，推测用户背后的意图、场景与动机［24］。越来越多的模型将用户行为与语义兼顾考察，目前较具有代表性的是隐语义模型。隐语义模型可以理解为是隐含语义分析技术。这项技术的本质在于通过对数据进行分析，找出潜在隐藏的分类或者主题［25］。此模型是从用户行为数据中自动找出分类规律，然后进行合理的个性化推荐［26］。隐语义模型的核心思想是将用户与物品映射到同一隐含特征空间内，根据用户兴趣与物品之间隐含的特征关系将两者建立起联系［27］，并进行自动聚类［28］。隐语义技术最初应用于文本挖掘领域，在取得较好效果后，得到进一步发展并逐渐应用于其他领域。发展到如今，隐语义模型已经产生了一些著名的方法与模型，如LFM（Latent Factor Model）、LDA（Latent Dirichlet Alloca⁃tion）、矩阵分解等［27］、基于奇异值分解（SVD）［29-30］等。应用隐语义模型的前提是，假设每个用户都有属于自己的、与别人不同的偏好与选择倾向。分析可知，婚恋交友符合这一假设前提。首先以书籍为例，一个用户在选择书籍时，可能对历史类、科幻类、悬疑类、军事类等书籍有特殊的选择偏好，这些偏好就可以抽象为一个个的隐变量。对于每一本书而言，每个隐变量上的权重指标综合起来，就可以构成用户对这一本书的偏好程度。针对婚恋交友平台，每个平台上的用户择偶标准或条件要求，可以抽象为数个隐变量，例如有人对于交往对象的职业要求是从事教育类，或医疗类；有人对于女朋友的要求是内向型性格，或是外向型性格；而对于性格的分类，更适合用隐语义模型实现，比如将一个人的社交活动、手机使用的软件、网页搜索的内容、专业及工作经历等，将每一项内容都抽象出对应的隐变量，然后根据计算分析，得出一定的权重指标，进而分析出这个人的性格类型。这样可以在一定程度上解决人的性格难以量化分析的问题，并且能够提高匹配合适度。

2 人工智能+婚恋交友的伦理风险

2.1 算法价值观

数据处理过程即数据输入到数据输出的过程，在此过程中，输入的数据会对输出的数据造成限制。对于机器学习算法而言，输出的结果受训练集数据的影响十分显著。温德尔·瓦赫拉的书中提到，“在机器习得越来越像人的语言能力的过程中，它们也正在深度地吸取人类语言模式中隐含的种种偏见”［31］。因而会存在这样的问题：算法在一定程度上吸纳了某种价值观，那么其价值观并非中立。这种价值观由训练数据集而来，更严格意义上讲是受训练数据来源方或是数据生产者的价值观影响。目前，许多企业可以通过算法轻易了解到用户偏好与需要，为了提高用户量，吸引更多用户关注，就会利用算法向用户推送用户想要的商品或其他信息。对于婚恋交友平台而言，也存在这种做法：为了将用户留在其平台，只向用户推送用户偏好的婚恋对象候选，这样，用户在此平台中看到的就只是一个充满着自己喜欢的交往对象的网络世界，而不是有着多样化人类的真实世界。长此以往容易陷入对世界的错误认知。关于此问题，有学者总结为：“算法应该给你想要的，还是给你应该要的”［32］的问题，并且也提出，该问题目前存在很大争议性。一方观点认为，算法本身应该是中立的，不应该带有某种价值观，好的算法应将用户自己想要的提供给用户即可；而另一方观点认为，算法本身应该传递一定的价值观，不仅应该迎合大众的心理需要，还应该对人的思想有一定的正向引导。随着人工智能的发展，人与世界的认知关系可能会发生改变且带来巨大影响，对世界的认知在于人的主动认知，在人工智能发展到一定程度后，人将更多的任务交付给机器与算法，包括交友推荐，人对世界的认知途径是否会改变，认知来源是人还是算法［24］。目前，该争议尚无定论，可以设想出，这种争论在未来还会持续。

2.2 个人隐私控制

在网络平台进行个人信息搜集，需要重点关注的问题是如何平衡信息获取与信息保护以及如何平衡用户隐私与人格保护。婚恋交友平台的匹配计算过程会收集其他关联的各种应用平台的用户数据，用户在使用这些应用平台时，或多或少地会在不经意间将个人隐私信息提交到平台上，共享到互联网空间，导致个人隐私泄露，其会因技术的愈发智能化而变得更加难以查证与控制。并且，该问题还存在着辩证性矛盾：一方面，人们希望各种婚恋交友平台应尽可能地保证用户个人信息与个人隐私不被泄露；另一方面，人们也希望算法在变得越来越智能的同时，应尽可能地兼具透明性、可解释性与可理解性［33］。但是这对矛盾是难以调和的，尤其是人工智能算法有一定的挖掘性与学习性，会基于原始程序自动编写更多代码，即人工智能以计算机或其它物体（比如具备生物特性的传感器）为载体，自主根据所处不同环境而自发编写程序或指令，产生一个合适的算法并自主执行［32］。这样就难以保证算法可以如人类预设的目标一般，完全产生出意料之中的、合乎道德的结果。由于算法能够自发编写程序、调整参数，对于个人隐私泄露就难以监控。对婚恋交友平台而言，用户在使用平台的智能推荐功能获取更多选择的同时，自己的信息也会被推送给更多陌生人。此外，还会涉及敏感信息，如宗教信仰、性取向等，对于婚恋匹配而言是必要性信息，在其他网络平台则为非必要信息。但算法在收集与计算数据时是否能够正确区分敏感信息与普通信息尚待考察，不能有效区分则会导致个人敏感信息泄露［24］。即便婚恋平台可以设置某一部分信息不显示，但匹配越精准意味着算法的智能性越高，而算法智能性越高也许就意味着存在着更大的信息安全风险。

3 人工智能赋能婚恋交友的未来：人机协同的新型智能系统

2016 年，美国斯坦福大学发布了其“人工智能百年研究”的首份报告：《2030 年的人工智能与生活》［34］。该报告描述了目前人工智能相关技术、法律以及道德上的挑战，并对产业界、学界、政界三方人士提供了人工智能技术、应用、政策上的指导与建议。这份报告中提到：“基于协同系统对模型和算法进行研究，以帮助开发能够与其他系统和人类协同工作的自主系统。该研究依赖于开发正式的协作模型，并学习让系统具备有效合作伙伴所需的能力。利用人类和机器互补优势的应用正吸引到越来越多的关注——对人类而言可以帮助人工智能系统克服其局限性，对机器代理而言可以扩大人类的能力和活动”。

有理由认为，这将是人工智能与恋爱结合的未来趋势。不得不承认，机器的智能与人类脑力的智能之间存在互补性，那么将人类的智能与机器的智能联通起来，利用两者之间的互补性，在本文观点中，则是最为科学的发展方向。未来人机协同的新型智能信息系统，应当构建起双向闭环的信息生态系统。在该系统中，原来的机器智能应具有足够的自主性，能够最大限度地为人类提供便捷服务，改善人类生活；而人类智能应与机器智能足够相适应与包容，并互联互通，人类可以感知人工智能信息系统的信息，人工智能信息系统可以读取人类组织的信息，两界之间实现信息的无缝交互。

这样的发展趋势符合人工智能与人类社会发展浪潮。为了实现这样的信息系统，应以开放包容的心态接纳人工智能在人们生活中的渗透。不管是婚恋交友还是生活中的其他方面，相信未来可以让人工智能更好地为人类所用。

4 结语

人工智能的产生与发展都源于更高效缓解或解决人类社会中的负担或创新生活方式以促进社会进步，人工智能逐渐应用于人类生活的各种情景，其在互联网婚恋交友平台的出现与发展中扮演着至关重要的角色。互联网婚恋交友平台通过有效利用智能推荐算法，极大提高了人们交友的广度与效率。但婚恋交友与网络购物不同，算法需推荐的是人而非物，衡量的是较为复杂的情感而非单一偏好，故智能算法推荐只能充当辅助手段，应正确认识与定位人工智能婚恋交友；为使人工智能推荐成为更科学有效的交友途径，应不断改进推荐算法，致力于人机协同的新型智能信息系统的构建与完善。

本文首先从主要智能推荐算法着眼，分析互联网婚恋交友的科学性与可行性；然后从算法伦理角度分析智能算法推荐交友对象的局限性与负面性；最后对人工智能应用于婚恋交友推荐的未来作出展望与建议，希望能为相关研究者提供一定的参考与借鉴。本文对于智能推荐算法的梳理尚存在不足，对于推荐算法的技术最新进展如何、关键技术解析等有待深入研究。未来可进一步对推荐算法的应用场景、存在问题及优化等进行讨论或检验。