一開始，人類發現我們只是內臟、骨頭和細胞，這些細胞不斷地分裂直到死亡。這是對我們自我意識的第一次巨大打擊，我們不斷嘗試擺脫那些限制我們的自然法則。最近我們必須接受的事實是：人類就是數據。我們的生活經歷受統計數據的影響，例如每天的心跳、每分鐘的懷疑以及存在焦慮發作的平均持續時間。
但這類接受讓我們能夠反抗那些榨取我們數據的機構。你可以在一個網路調查中虛假填寫，向企業智庫表示不屑，或是給一個精彩的YouTube影片點個踩，只為了看到評分數字達到69。數據嵌入了人類的對話中，一個人只因為能這樣做，也會有逆反一切邏輯與期望的需求。
因此，看到媒體讚美電腦策劃的音樂播放清單作為從選擇的單調中解救的恩賜，讓人感到困擾。Spotify 的 Discover Weekly 被技術愛好者和音樂愛好者視為第一個“破解人類策劃代碼”的服務，因為它是基於用戶的元數據來製作播放清單。
“這很好。比我想像中的要好。他們的技術與DJ不相上下——而且規模可觀。”這段來自技術先驅 Amil Dash 的描述不經意地觸及了 Discover Weekly 的爭議——它暗示 AI 策展人不僅是希望超越人類 DJ，而其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化的節點，融入到一個“規模化”的同質化網絡中。因此，在這樣的時代，藝術品味成為硅谷對於規範及數據化習慣的下一個前沿，個人的發現與選擇成為必要的反叛行為。
Discover Weekly 自稱是“從上到下都是人性化的”，這部分是正確的，它們的數據來自個人的品味及其龐大用戶基的集體習慣，並將其綜合形成適合個人風格的歌曲播放清單，並經過數千名同樣愛好者的批准。這樣一來，人類數據便被用來簡化發現過程，消除了翻找不合適歌曲的繁瑣工作。
但如歷史一再顯示的那樣，預先批准對文化進步是有害的。這就是朋克音樂為什麼要對其被美化的前輩感到厭惡，並且為什麼許多年輕人對父母的音樂品味持懷疑態度。Discover Weekly 的成功根植於假設它的聽眾滿意於現有的音樂選擇，而具有挑戰性的音樂將會引起不必要的焦慮。在這方面，算法驅動的策展人與你的保守祖父母共享著相同的意識： “為什麼一切現在都很好，還要改變呢？”
Spotify 確實有變化，有時—— 其用於音樂分類的流派列表不斷增加，目前已超過1400種，從深度迪斯可舞曲到恐怖核心音樂不等。一個算法分析那些既是該流派聽眾又是 Spotify 用戶的收聽習慣，以推斷一種流派如何融入音樂歷史的更大框架。
這是一個由 Glenn McDonald 提供的令人印象深刻的系統，他是算法發現的倡導者，也是自稱的 Spotify 播放清單功能“動物園管理員”。他似乎真的致力於為 Spotify 的用戶基礎提供真實的發現體驗。“如果人們會為了聽某些他們本不應該承擔的東西而放棄生命中的幾分鐘，那麼這些作品就必須具有潛力，無論那種潛力有多模糊或難以捉摸，能夠改變他們的生命，”這是他在 EMP Pop 會議上的一次演講中的摘錄。
儘管他的目標是崇高的，但模擬發現潛在地會失準，就像哥倫布試圖到達印度卻意外登上了美洲一樣。Spotify 的算法也會生成特別播放清單，稱為 “The Needle”，該清單尋找邊緣聲音（通常來自彼時“異域”地點的當地音樂，如來自聖保羅的 Baile Funk）放到聽者的門口。“藝術和喜悅永遠比法律行動快。但最終我們總會追上。無論在何處，都可以成為現在的此地，”McDonald 在這一系統上說。因此，在聖保羅的藝術家甚至開始宣告他們希望自己的音樂如何被世界解讀之前，算法已經奪取、分類並限定了一個聲音，以適應特定聽眾的世界觀。
McDonald 理解地對他的系統可能被視為惡意感到不安。“音樂推薦在某種程度上是機器和人類的抗衡，就像煎蛋是鏟子與雞蛋之間的較量，”他在會議演講中表示。但這樣的比較相當危險——任何人都可以因為錯誤翻轉而毀掉一枚煎蛋，甚至在其準備好被烹飪或出售之前就打破一枚雞蛋，這正好體現了由算法構建的世界：一個數學在我們尚且能夠自己構建未來之前便已構建出我們的未來的世界。
正如後當代思想家 Armen Avanessian 在 Dis Magazine 中所描述的：“現在無法僅僅從過去推導出來……而是受未來所塑造。”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想預設的存在。那些依賴其 Discover Weekly 的人將很快滿足這一結果；通過嵌入流派泡泡和情緒雲，他們將永遠漂泊 towards 一個由機器的微妙影響和幾百萬強的神經網路所定義的身份。
因此，似乎解決辦法是要掙扎，急轉直下地逃避分析的視線，以如此不規則的行為超越計算機確定我們精神位置的能力。
YouTube 視頻是個好開始——你可能輕而易舉地陷入一個鼓與低音社區，分享來自狂歡時代的黑膠音樂，或是一個專注於Italo-disco 的 YouTube 頻道。此刻，YouTube 的推薦算法使用了與用戶興趣、視頻質量及關鍵詞有關的混合數據，甚至視頻推薦似乎是“匹配”的觀看內容，使用了任意的標準。“在看1994年的廣播混音？這裡有其他20個1994年的廣播混音（無需擔心流派）。”但這些任意的選擇帶來了如此多有趣的非相關視頻，以至於YouTube 的缺陷比它的成功更受珍視。
為了獲得更人性的體驗，互聯網廣播在過去幾年中進步神速，並以人類社群和才能為主要驅動。Apple Music 正在利用其內部平台如 Beats1 和 OVO Sound 引領潮流。聽這些電台會明顯讓你意識到，從 Drake 的 iPod 中聽到 Kodak Black 比從 Discover Weekly 的第23曲目中聽到要愉快得多。在主要的機構廣播平台之上，獨立的串流服務已成為分享音響和理念的新熱點；像 Radar Radio、NTS 和 The Lot 的電台還是把 DJ 視為不僅僅是技術專家。他們的主持人能夠帶領聽眾通過迷失的錄音帶和來自全球的論壇音樂場景，進入敘事旅程。
最古老的當屬實體唱片店，通常被稱為那些廣播 DJ 發掘大部分音樂寶藏的地方。這些機構保存著可能永遠不會在串流平台上出現的音樂寶藏，等待著一些不打算尋找符合自己品味音樂的人發現。在一片一元價的音樂海洋中，發現一張巴西放克的傑作會帶來成就感和幸運感，而這是任何算法都無法毫不知恥地允許的。
我們始終有可能迎來一個真正感性化的人工推薦智能的來臨，而即便是最個人的人類經歷，將來也無法超越未來深度學習的複雜性。駕駛、體力勞動以及其他人為錯誤的負面特性，因AI進步而不斷改善；想像這同樣的革命可能影響我們的情感並不荒唐。完美可能很快將成為過去的遺跡，但至少它讓我們走到這一步——未來將帶我們去往何方，則取決於那些以相同尊重對待我們皺過的皮膚和衰弱的骨骼的人。它不是完美的，但這就是我們。
加入俱樂部!
立即加入，從 $44 開始
