一開始，人類發現我們是一堆腸子、骨頭和細胞，這些細胞不斷地分裂成新的細胞，直到死亡。這是我們的自我意識第一次受到重創，因為我們不斷試圖擺脫那些將我們束縛的自然法則。最近我們不得不接受的事實是，人類實際上是數據：我們的生活經驗由統計數據構成，例如每天的心跳次數、每分鐘的懷疑和存在性恐慌發作的中位數持續時間。
然而，這樣的接受讓我們有能力反抗那些竊取我們數據的機構。你可以通過虛假的在線調查來對抗企業智庫，或者給一段精彩的Youtube視頻點個倒讚，只為了看到評分數字達到69。正如數據如今已融入人類的話語中，一個人反叛所有邏輯和期待的需求也同樣存在，只因為他們可以。
這就是為什麼看到媒體讚美由電腦精心編排的音樂播放列表作為從選擇的單調中拯救的轉機，讓人感到困惑的原因。Spotify的每週發現被科技人和音樂愛好者一致認為是“破解了人類編排的代碼”的第一個服務，通過生成基於用戶元數據的播放列表。
“這很好，甚至比我想像中的要好。它們的水平跟DJ一樣好——在規模上。”這句話來自科技先驅Amil Dash，無意中碰觸了每週發現的爭議——它暗示著AI編輯者不僅僅是想要超越人類DJ，而是他們的最終目標是讓人類的品味變得單一：一個個體成為一個數據節點，融入一個“在規模上”的同質化網絡。因此，藝術品味在硅谷的規制和數據化習慣下成為下一個邊界，個人發現與選擇便成為必要的反抗行為。
每週發現聲稱“從上到下是人類的”，這部分是對的——他們的數據來自個體的品味與他們龐大的用戶基礎的集體習慣，這些數據被合成為以個人風格為導向，並經過成千上萬的同好者認可的歌曲播放列表。這樣一來，人類數據被用來簡化發現過程，並消除在找到特別東西之前篩選不受歡迎事物的勞動。
但，歷史一次又一次地表明，預先批准對文化進步是有害的。這就是為什麼朋克最初帶著對其光鮮前輩的嘲笑而誕生，為什麼許多年輕人對自己父母的音樂品味持懷疑態度。每週發現的成功根植於假設其聽眾對自己當前的音樂範疇感到滿意，以及挑戰這一觀點的聲音會造成不必要的痛苦。在這個意義上，算法驅動的編排者與你的保守祖父母分享相同的理念： “當一切都這麼好時，為什麼要改變？”
Spotify確實會改變，有時候——它用於音樂分類的類型清單不斷增加，目前擁有1400多種，從深迪斯可到恐怖核音樂。算法會分析那些既是該類型聽眾又是Spotify用戶的聽音習慣，以推斷一個類型如何融入音樂歷史的大局。
這是由Glenn McDonald所構建的一個令人印象深刻的系統，他是算法發現的擁護者，自稱是Spotify播放列表功能的“動物管理者”。他似乎真正致力於為Spotify的用戶提供真正的發現體驗。“如果人們要放棄有限的幾分鐘生命去聽一些他們本來不會接觸到的東西，那必須具有改變他們生活的潛力，無論這潛力多麼模糊或難以捉摸，”這是他在EMP流行音樂會議上的一次演講中的摘錄。
雖然他的目標是高尚的，但模擬發現可能會錯失機會，就像哥倫布試圖到達印度卻意外抵達美國一樣。Spotify的算法還生成特殊的播放列表，名為“針”，這些播放列表尋找小眾聲音（通常是來自被視為“異國”地點的本地聲音，如聖保羅的巴伊萊音樂）來送到聽眾的門口。 “藝術和快樂總是走得比法律更快。但最終我們總是會追上來。到處都可以是一個此時此刻，”McDonald談到該系統時說。因此，在聖保羅的藝術家甚至開始宣告他們希望自己音樂的全球解釋之前，算法就已經奪取、分類並將一種聲音歸類為特定地點，以符合特定聽眾的世界觀。
McDonald顯然對他的系統可能被認為是惡意的感到不悅。“音樂推薦就像是在機器和人類之間的對抗，正如煎蛋是鍋鏟與雞蛋之間的對抗，”他在會議中發言時指出。但他在進行危險的比較——任何人都可以因處理不當而打破一個煎蛋，甚至在雞蛋準備好被烹煮或售賣之前就將其打破，這正完美體現了由算法構建的世界：一個數學在我們能夠自己建立未來之前就已經建構了我們的未來的世界。
正如後現代思想家如Armen Avanessian在 Dis Magazine 中所描述的，“現在不再可以主要從過去推導出來……而是受到未來的形塑。” 對市場、戰爭和社交網絡的預測分析導致了一種由元數據和算法思維預定的存在。那些依賴於其每週發現的人將很快在這一結果中得以實現；透過在流派泡泡和情緒雲中築巢，他們將永遠漂流向由機器的隱秘影響和數百萬強的神經網絡定義的身份。
因此，解決方案似乎是狂歡，就像跳出分析的視線，行為變得如此反常，以至於我們的行為超越了計算機精確定位我們心理狀態的能力。
YouTube視頻是一個很好的起點——進入一個鼓的女生和男生們分享著樂器的社區相當容易，或者一個專門介紹Italo-disco的Youtube頻道。在現在，Youtube的推薦算法使用了一種跟用戶興趣、視頻質量和關鍵詞有關的雜亂數據，以至於推薦的視頻似乎“符合”觀看的內容，基於隨意的衡量標準。“看1994年的廣播混音？這裡有20個其他1994年的廣播混音（別擔心類別）。”但是這些隨機選擇產生了許多有趣但互不相關的视频，以至於YouTube的缺陷更值得珍視，超過了它的成功。
為了獲得更人性化的體驗，互聯網廣播在過去幾年中大幅改善，大大依賴於人類社區與人才。Apple音樂正在引領潮流，並透過其內部平台如Beats1和OVO Sound大展拳腳。聽聽這些電台，你就會發現聽來自Drake的Kodak Black比來自每週發現的第23首曲子要好得多。除了主要的機構廣播平台外，獨立流媒體服務已成為分享聲音和想法的新熱點；像Radar Radio、NTS和The Lot這樣的電台仍然將DJ視為超越技術專業的角色。這些主持人擁有帶領聽眾踏上通過遺失的錄音帶和直來自論壇的音樂場景的敘事旅程的力量。
所有最古老的，是實體唱片店，也就是前述廣播DJ們發現其寶藏的大部分場所。這些機構擁有一些可能永遠不會出現在流媒體平台上的音樂珍品，期待著有沒有意圖尋找符合自己個人口味音樂的人來發現。在一堆一美元的便宜貨中尋找一首巴西放克的傑作，能帶來成就感和意外運氣，這是任何算法都不會羞恥地允許的。
總有可能出現一種真心情感的人工推薦智能，即使最個人的人類經驗也將無法與未來深度學習的複雜性相媲美。駕駛、手動勞動和其他人類錯誤的侵蝕面都因AI的進步而永遠得到改善，想像這一革命能夠衝擊我們的情感並不過分。瑕疵或許很快就會成為過去的遺跡，但至少它讓我們走到了這裡——接下來的路在於那些以我們對自己皺紋皮膚和枯萎骨骼的尊重來使用它的人手中。它不是完美的，但它就是我們。
加入俱樂部!
立即加入，起價44美元
