1. AI技術正構建起全方位防護網

1.1. 銀行借助異常檢測技術攔截欺詐交易

1.2. OkCupid通過深度學習過濾不雅圖片與不當信息

1.3. 醫生借助監督學習預測心臟病風險

1.4. 相機推薦系統通過強化學習優化用戶選擇

1.5. 愛彼迎利用意圖分析技術，識別投機性用戶的不良行為

2. AI助力尋覓愛情

2.1. 對于大多數人來說，成年后，生活的重心之一便是尋找愛情

• 2.1.1. 人們對“愛”的理解，往往受生物學、歷史、文化、宗教、經濟學、社會學等諸多領域因素的綜合影響

• 2.1.2. 人們對“愛”的認知，還受自身欲望、觀點、需求、性格、情緒等因素的影響

2.2. 尋找愛情是人生體驗中不可或缺的一部分

• 2.2.1. 無數的故事、歌曲、電影、藝術作品、書籍和戲劇，都圍繞“愛”這一主題展開，其中既有尋覓愛情時的坎坷曲折，找到愛情后的歡欣，也有失去愛情后的痛苦

2.3. 尋找愛情的過程，大致可拆解為幾個關鍵階段，涉及一系列常見的活動

• 2.3.1. 人們會通過廣撒網的方式來尋找潛在伴侶

• 2.3.2. 通過約會、相處、交談等途徑，對潛在關系進行探索和評估，判斷雙方是否適合

• 2.3.3. 每個人參加這些活動的方式或頻率不盡相同，但無論你是誰，想要尋找什么樣的伴侶，?“尋愛之旅”總是從結識新人、建立聯系開始的

2.4. 在現代社交環境中，與潛在伴侶建立聯系，往往意味著要在充滿挑戰的約會叢林中艱難前行

• 2.4.1. 在過去的30年里，科技已經深刻改變了人們的戀愛方式

• 2.4.2. 從互聯網的普及到Web 2.0（第二代萬維網）的興起，再到社交媒體的蓬勃發展，以及AI驅動的智能手機約會應用的廣泛使用，科技正深刻地影響著人們尋找伴侶、評估關系和建立浪漫關系的方式

• 2.4.3. 通過在線平臺認識另一半的比例已經大幅攀升

2.5. 現代AI技術在在線約會中，首先致力保障我們的安全

• 2.5.1. 現代約會應用程序通過深度學習模型檢測并刪除不雅圖片，甚至還能識別出可能預示未來騷擾行為的攻擊性文本

• 2.5.2. Tinder等平臺通過深度學習模型識別不雅圖片、冒犯性文字以及仇恨言論，這些內容往往是未來騷擾行為的前兆

2.6. 為理解AI如何借助文本數據實現用戶匹配或檢測冒犯性內容，需要深入解析自然語言處理（NLP）的核心流程

• 2.6.1. 嵌入式技術

2.7. 通過深度學習方法發現這些潛在維度

• 2.7.1. 它們隱藏在數據之中，難以直接察覺

• 2.7.2. 只有當數據量足夠大時，AI才能識別出這些維度

2.8. AI可以在“嵌入”的上下文空間中，豐富呈現用戶的多維特征，為優質匹配算法奠定基礎

• 2.8.1. 不僅拓寬了擇偶的選擇范圍，還緩解了社會焦慮情緒

• 2.8.2. AI賦能的數字生態系統賦予女性力量，讓她們能夠“主動出擊”?

3. AI驅動的在線約會的影響

3.1. 關于約會與技術的學術研究已經相當豐富

• 3.1.1. 在一定程度上是因為數字技術產生了大量可供研究的數據

• 3.1.2. 不同于酒吧等實體場所，線上平臺和應用程序擁有內置的數據收集功能，能夠詳盡地記錄用戶的數據

• 3.1.3. 它們不僅能夠記錄點擊次數、頁面瀏覽量等基本信息，還能夠捕捉到更高級的信息，比如用戶瀏覽他人資料的時長等

• 3.1.4. 當這些數據乘以數百萬的用戶基數時，極具研究價值的行為數據庫便形成了

3.2. 匿名性是在線約會平臺的另一大特色

• 3.2.1. 借助計算機媒介，用戶可遠程觀察潛在匹配對象，既保證了匿名性，又在一定程度上保護了隱私

• 3.2.2. 用戶可以在正式見面之前篩選潛在伴侶，這種方式相較于在酒吧見面或朋友安排的相親更加安全

• 3.2.3. 異步交流方式為用戶提供了更充裕的回應時間，對于那些有社交焦慮的人來說，他們可以更從容地塑造自己的形象，精心組織言辭，展現出更積極的自我

3.3. 相較于互聯網時代前的婚介服務（包括朋友、家人或同事介紹的相親）?，AI賦能的在線約會承諾提供更優質的匹配

3.4. 在線約會的另一大吸引力在于，它能夠減輕個體在社區和社會交往中遇到的某些社交障礙

• 3.4.1. 去抑制效應的影響十分顯著

3.5. 當去抑制效應引發網絡暴力、欺凌、跟蹤等不良行為時，它是有害的

• 3.5.1. 但在尋找愛情的過程中，通過匿名實現的去抑制可能帶來更積極的影響

• 3.5.2. 現實生活中的社交障礙可能會阻礙人們追求被視為禁忌的關系，如跨種族戀或同性戀，但線上環境和匿名搜索功能卻有助于減輕這種社會污名，促成那些在現實生活中難以形成的配對

3.6. 近年來，在線約會從最初的新奇事物快速演變為一種主流現象

3.7. 元宇宙雖然尚處于起步階段，但可能成為下一個約會的前沿領域

4. 匿名性的影響

4.1. 匿名性和線上約會的研究就是典型的例證

4.2. 在現實世界中，篩選潛在對象時幾乎無法做到匿名，但在網絡世界里，匿名不僅成為可能，而且長期以來都是社交網絡產品設計的一部分

4.3. 約會平臺可能將匿名性當作一大賣點，鼓勵用戶線上尋覓愛情，幫助他們避開社會的審視目光

4.4. 匿名性降低了搜索成本，從而引發了去抑制效應

• 4.4.1. 用戶無須顧慮他人會如何解讀或評判自己的瀏覽行為，甚至不必擔憂重復訪問可能被視作“跟蹤”?

4.5. 在社交互動中，匿名性可能會干擾信號傳遞機制，從而對匹配過程產生負面影響

• 4.5.1. 特別是匿名性會隱匿用戶行為，這可能會破壞在線約會中建立有效溝通的社交信號機制

4.6. 在線約會的場景中，?“主動出擊”通常指的是主動發送消息，開啟對話

• 4.6.1. "弱信號”是指“誰瀏覽了你”這一功能

• 4.6.2. 傳遞弱信號與成功匹配結果之間存在因果關系

• 4.6.3. 借助弱信號表達興趣的方式，為雙方的成功匹配創造了條件

• 4.6.4. 在現實世界中，弱信號很難被捕捉到

• 4.6.4.1. 在現實情境中，最接近“誰瀏覽了你”這一數字信號的可能是微妙的調情行為

4.7. ?“誰喜歡你”功能對于男性尋找匹配對象也是有益的

5. 照片、游戲化與身份驗證重塑約會場景

5.1. 移動約會應用的興起，為傳統婚戀網站增添了新功能

5.2. 用戶能夠隨時隨地通過智能手機查看約會對象的信息，推送通知功能增強了用戶黏性

5.3. 大多數在線約會網站采用了類似電商的“購物”界面，將用戶按照身高、體重、收入等可搜索的屬性進行分類，如同商品一樣，供其他用戶篩選

• 5.3.1. 浪漫吸引力的判斷通常基于默契、幽默感等主觀感受，當用戶被迫依據收入、宗教等客觀屬性去篩選潛在伴侶時，失望在所難免

5.4. Tinder

• 5.4.1. Tinder的界面設計則聚焦于外貌吸引力等直觀感受

• 5.4.2. 游戲化是移動應用成功的公認要素，Reddit、Snapchat等熱門應用均采用了這一策略

• 5.4.3. Tinder區別于其他平臺的另一個關鍵因素是強制綁定臉書賬號，以此為簡潔的個人資料提供認證機制

• 5.4.4. Tinder規定用戶不能直接通過手機上傳照片，所有圖片必須源自現有的臉書或Instagram頁面

5.5. Bumble

• 5.5.1. 以女性為中心的在線約會體驗，充分考量了女性用戶的需求

6. AI改善人際關系

6.1. AI正以多種方式促進陌生人之間的人際關系和諧

6.2. 自然語言處理早期的應用之一是對產品評論進行分類，將其標記為正面、中性或負面

• 6.2.1. 本質上屬于監督學習分類問題

6.3. AI能夠理解段落開頭和結尾詞語之間的聯系，并對后續生成的詞語進行相應調整

6.4. 數字平臺、應用程序和AI更多時候能激發人們的善意，而非惡念

• 6.4.1. 簡單的錘子，既能用來搭建房屋，也能用來拆毀高墻

6.5. 主流媒體缺乏對積極敘事的關注，這也許是因為人類天生就容易受到負面偏見的影響，抑或是因為末日論調能帶來更高的收視率和點擊量

• 6.5.1. 遺憾的是，恐懼和負面消息總是更能博人眼球

6.6. 歷史經驗告訴我們，任何一項技術都可能產生積極、消極或者意想不到的影響，尤其是在技術剛剛興起，人們還在適應新變化的階段

• 6.6.1. 新技術的出現常常引發部分群體的焦慮和擔心

• 6.6.2. 如今，數字平臺、應用程序和AI正面臨類似的質疑，引發新一輪的恐慌

6.7. 對于愛彼迎、優步、來福車、任務兔等撮合個體服務交易的平臺而言，用戶之間的信任始終是核心命題

• 6.7.1. 愛彼迎、優步、來福車、易貝、Etsy（手工藝品在線銷售公司）以及任務兔等數字平臺，構建起了全新的點對點服務網絡

• 6.7.2. 憑借這一網絡，個體之間能夠直接獲取多樣化的商品與服務

• 6.7.3. 它們的影響力在我們周圍持續彰顯，各類交易、交換與互動活動正以指數級的速度增長

6.8. 個人電腦、數據庫技術、在線支付與社交媒體的發展，使評價話語權從行業權威下沉至普通消費者手中

6.9. 如果缺乏有效的信任機制，人們可能更愿意選擇信譽可靠的本地實體店，而非冒險在網絡上與陌生人交易

7. 愛彼迎

7.1. 愛彼迎并非房屋租賃的開創者

• 7.1.1. 幾百年來，人們早已通過各種方式與熟人或陌生人共享居住空間

• 7.1.2. 從寄宿公寓、青年旅舍到民宿客棧，房東與租客之間對信任的需求，自古有之

7.2. 愛彼迎的智能定價算法

• 7.2.1. 基于監督學習模型的后臺工具，能夠依據所選價格和多種因素對需求進行預測

• 7.2.2. 不僅考量床位數、浴室數、設施及電器等硬件屬性，還能通過圖像分析量化軟裝溢價，同時納入季節性波動、競品定價、預訂提前期等變量

• 7.2.3. 愛彼迎智能定價算法的日常價格優化功能，減輕了拉維夫婦的管理負擔，使他們在印度探親期間能全身心地陪伴父母，而拉維的父母也可在閑暇時接待來自全球的旅客

7.3. 房客帶來的不僅是經濟收益，還是一扇通往世界的窗口

7.4. 常見的對話內容包括協調入住的到達時間、表達對額外服務（如清潔頻率）的偏好、在預訂前咨詢泳池或餐廳等各類設施的情況，以及在少數情況下試圖繞過平臺，私下進行交易的不良意圖

• 7.4.1. 隱含狄利克雷分布（LDA）等無監督模型便大顯身手

7.5. 媒體常報道其對非房東住戶產生的所謂負面影響

• 7.5.1. 指責短租客制造噪聲，舉辦派對，導致停車混亂，破壞了社區的寧靜

7.6. 愛彼迎通過高級文本分析技術，主動審核預訂前的聊天內容，為雙方筑牢安全防線

7.7. 愛彼迎的信任機制繼承并發展了易貝開創的模式

8. 透明度催生的歧視問題

8.1. AI算法正系統性地減少平臺上的歧視性行為

• 8.1.1. 雖然信息透明化有助于構筑用戶信任，但也可能誘發個體使用者的歧視性行為，這種現象在愛彼迎、優步等平臺都有發生

8.2. 人性并不總是如此美好

8.3. 信息透明度在增進用戶信任的同時，也可能讓某些個體在使用平臺時出現歧視行為

8.4. 優步因歧視問題屢遭主流媒體抨擊

• 8.4.1. 為消除姓名引發的歧視，優步允許乘客在應用中修改姓名

8.5. 歧視現象也可能反向存在

8.6. 如果用戶在平臺遭遇歧視并在社交媒體傳播負面體驗，輕則損害品牌形象與估值

8.7. 嚴峻的結果是，如果平臺不加管控，任由歧視行為蔓延，少數族裔用戶可能遭受更嚴重的不公平待遇

8.8. A/B測試并非新事物，但相較于科學和醫學領域，其在服務與產品設計領域中的應用相對較晚