“怎么昨天半夜有人加我？”
“哈？有这回事吗？我不知道哦。”陈博装起了糊涂。
王旭怀疑道：“奇怪了，照理说，没事干乱推名片，我的好友列表里只有你有前科。”
“可能是新来的犯人，你想想，最近有加什么好友吗？”
王旭回忆道：“之前在图书馆上课个人账号忘记切，被人疯狂加。”
“你这号是明星吗？为什么那么多人加你？我也好想有这待遇。”
“怪我的微信名。”王旭长叹了口气。
“你的名字？你改了名字吗？”陈博好奇道。
“不和你说了，又到了愉快的洗胃时间，我以后再也不乱吃东西了。”王旭抱怨完，挂断了电话。
陈博去翻了翻通讯录，找到王旭的头像点看，差点笑崩牙。
“[加上我发200元红包]，你是嫌钱多还是嫌事少？”
没人帮自己留意课表，陈博每天早上还得提前起床查看，生怕突然多了些奇怪的东西。
这节选修课是计算机算法的前世今生，对于陈博而言不陌生，只是目前身处的时代算法又发展了几十年，难保不会新增些理论知识点。
“别人都是穿回过去作威作福，我倒好，一个可怜兮兮的原始人落单了。”陈博挠挠头，拎着键盘袋出门。
老师是个标准的码农形象，象征资历的深度地中海，一脸漠然的神情，厚到可以防穿甲弹的眼镜，灰白相间的格子衫，略显僵硬的步伐，手指时不时还会做出敲击键盘的动作。
“今天的人怎么有点多啊？是代课竞争上岗的缘故吗？”老师推了推眼镜，粗略数了遍人头，上座率是高了不少。
“老师，今天键盘应用学的也上这节课。”前排的同学提醒道。
“哦哦，原来如此，好吧。”老师打开电子教材，开始照本宣科。
陈博对这部分内容不感兴趣，计算机算法方式多样，传统的有递推法、递归法、穷举法。
当初在负责算法推荐时，陈博采用的是应用广泛的动态规划法，即将原问题分解成由各因素组成的子问题，通过求解子问题的答案反推出原问题的最优解。
举个例子，探讨不同情况下消费者购买需求变化，会先将影响消费者购买需求的变化因素逐一列举出来，分析得出结论，在汇总所有结论建立一个模型，得出最终解。
早期的计算机算法远没有这么先进，大约在零几年某度引擎制霸全网搜索的年代，当时的算法只停留在单线思维，处于搜瓜得瓜，搜豆得豆。
互联网广告投放业务的蓬勃发展变相推动了算法技术革新，每个人的喜好大不相同，如何把广告更精准地送达给目标人群，成了商家们考虑的首选。
以前把广告投放给1000万人，最终的转化率可能不足1，在实现精准投放后，可以把50个广告分别投给50万人，后者的单价比前者便宜30，但实际效果远胜几倍。
与其同时，购物算法也在悄然成熟完善，早期的万能某宝可没有猜你喜欢这种功能，每位用户的购物界面一模一样，导致刷单猖獗，想要出头盈利就必须占据首页版面。
当一位耳机发烧友购买了魔音耳机后，低端的算法系统会自动将其标注为耳机偏好群体，用户在下次登录界面时会收到同类的商品推荐，尽管他目前不需要这些。
而高端的算法系统会人性化很多，通过海量的数据运算，将魔音耳机和其他商品之间建立起联系。
陈博此前做过类似测试，系统会给不同的商品做出可能性预测，按大小排列组合出一套最优解进行用户推荐。
例如喜欢魔音耳机的人当中喜欢苹果手机的可能性高达87，喜欢外星人电脑的可能性高达83，喜欢雷蛇外设的可能性高达78。
这样用户在下次打开app时就会看到相关商品推送，观感体验远比之前清一色的耳机展好。
在高阶人性化算法中，app索取的录音权限提供了极大便利，算得上是作弊器。
很多时候浑然不知的你只是觉得人工智能真先进，殊不知你的一言一行早就被数据寡头们记录在册，等到需要变现之际再狠狠收刮你的钱袋子。
陈博是万不敢授权摄像头和录音功能，他担心自己在夜深人静时干的坏事被人发现，哪天在视频里看见本尊出没，那叫一个大写的尴尬。
算法的商业化道路止步于此，再往后每前进一步所耗资金都是成几何倍的增长，要知道资深的算法工程师可不便宜，小规模的创业企业压根养不起。
投入和产出不成正比，真要适用这套逻辑，也就不会有如今的枫巢了。
国际地缘形势风云变幻，要想把握信息战的战略主动，浅尝即止是不行的，网状式的算法模型并不是理论上的最优解，还有比这更先进的。
想要解决这一问题，首当其冲的矛盾是各大垄断寡头间的信息孤岛。
出于隐私保密的需要，m四家的核心用户数据几乎不对外公开，用户的日常行为被割裂成几个不同的区块，衣食住行、生老病死分别由不同的寡头掌握。
只有将这些数据充分整合在一起，才能真正模拟出用户的行为，避免出现口嫌体正直的误判。
官方在这点上做得很好，陈博一直不懂主义的优越性到底体现在哪，教材上给出了明确答案。
集中力量办大事。
当高通还在和苹果为了专利授权费七度扯皮掀起世纪官司战的时候。