手机到底有没有在偷听你？

最近和朋友聚会吃饭，朋友问我。

是不是手机在偷听自己说话。

我说没有。

他们不信。掏出一堆证据给我看——昨天刚跟老婆在厨房说了句"洗衣机该换了"，今天首页全是洗衣机；上周在工位跟同事抱怨了一句颈椎疼，晚上按摩仪就推到脸上来了。

"你就说，它是不是在听？"

其实，这事儿比"偷听"邪门多了。

一、

它真没听，但你确实被算准了

朋友说："你别绕，就告诉我，它录没录我说话？"

没录。

录你的麦克风，技术上一点都不难。但这事的法律风险，比你想的大得多。2021年11月施行的《个人信息保护法》第二十四条写得明白，自动化决策得保证透明、公平，不能在交易价格上搞不合理的差别待遇。真去偷录用户说话，一旦被抓，不是道个歉能过去的。

"那我这洗衣机、按摩仪，怎么解释？"

心理学上这叫"事后归因偏差"。

你一天刷几百条内容，划走就忘。但只有恰好对上的那几条，像子弹一样嵌进你记忆里。你说句洗衣机，刷到洗衣机广告，你记住了；剩下几百条没对上的，你一条都想不起来。

不是它听见了，是你只记住了"它猜对"的那几次。

但你别松一口气。不偷听，不代表它对你一无所知。恰恰相反——它不用听你说话，也能把你猜得七七八八。接下来我跟你讲，它到底是怎么猜的。

二、

最早的推荐系统，干的事其实就四个字：抄人作业

朋友问："那它不偷听，怎么知道我喜欢啥？"

说出来你可能不信，推荐系统这套东西，到今年已经三十多年了。

1992年，施乐公司的实验室搞了一套邮件过滤系统，第一次用"协同过滤"这个词。1994年，明尼苏达大学把它搬到新闻阅读上。亚马逊1998年上线的"买了又买"，就是这套路数——你买了A，我给你推买过A的人还买过啥。2006年Netflix甩了一百万美元奖金，悬赏谁能把电影推荐准确率提高10%，硬生生把这套技术推成了行业标配。

2012年，遇到的就是这个行当最经典的一个难题：新用户冷启动。

公司要上"猜你喜欢"模块。可一个刚注册的人，我们手里什么都没有——不知道他是谁，不知道他喜欢啥。让他自己填兴趣标签？填的人只有3%，没人填。怎么办？

当时程序员老王在会议室里拍了个脑袋："我们不用知道他是谁。我们只要知道，跟他像的那一万个人，昨天买了啥。"

你品一下这个逻辑。假设有一万个人，行为跟你相似。这一万人里，很多人买了A、买了B，其中八千个后来又买了C。那好，把C推给你。

"可我们连C是啥都不知道啊。"

"不用知道。我们也不用知道你是谁，不用知道你为啥会喜欢C。我们就抄作业。"

两周上线，首页点击率涨了11%。那是程序员老王这辈子最高兴的一天。但这套东西有个天花板：它只能在你已经露出来的行为里打转。你是谁，它永远隔着一层雾。

三、

机器不认识"喜欢"两个字，它只认识"你没走"

朋友接着问："那后来呢？它怎么越来越懂我了？"

下一版要解决的问题更直接：系统得判断你到底喜不喜欢。喜欢的多推，不喜欢的少推。

可机器不认识"喜欢"这俩字。

这事学术界吵了很多年。最早靠你主动打分——就像Netflix那比赛，你给电影打一星到五星。但现实是，谁愿意打分啊？2008年，有三个工程师发了一篇论文，把这事彻底想明白了：你不用打分。你所有的行为，都是投票。

那天下午开会，程序员老王把"喜欢"拆成了一长串能算的信号：点了，算。看完了，算。停在一个地方三十秒没划走，算。点赞、收藏、转发、评论、分享到群里，每一个都算。

我们用了不到十分钟，把"喜欢"这俩字，换成了"没走"。

当时没一个人觉得这是件大事，包括程序员老王。

但这是个根本性的转弯。从那天起，系统不再问你"你喜欢什么"，它只看你"为谁停留过"。你手指每一次停顿、每一次划动的速度，都在替你投票。一个人嘴上说自己爱健身，但三个月没点开过任何健身内容——系统信后者，不信前者。

四、

你为什么刷到凌晨两点？因为它跟你玩的是老虎机

朋友说："我就知道，我一刷就停不下来，肯定是程序员老王搞的鬼。"

隐式反馈上线后，很快撞上个死结。

只推你已经喜欢的，推一个月，你腻了，走了。试着推点新的，你一划走，当天数据就掉。推也不是，不推也不是。老王的团队开会拍了个折中：九成推你熟的，一成推没试过的。

打个比方。你刚搬到一个新城市，周围二十家馆子一家没吃过。天天吃那家已知好吃的，你会腻；天天换一家，你会踩雷。聪明做法是——大部分时间吃安全的，偶尔试一家新的。行，就继续；不行，立刻退回舒适区。但真正让人上瘾的，不是这个比例，是时机。

我后来想明白那套设计为啥让人停不下来：你刚看完一条最对胃口的，正爽着呢，它递过来一条没见过的。你大概率会点。点了不喜欢？它立刻缩回去，给你推你最熟的那一类，把你稳住。

你永远猜不到下一条是什么。

"猜不到，你就划不走。"

这跟老虎机一个道理。间歇性、捉摸不定的奖励，是所有上瘾机制里最狠的一种。你刷到凌晨两点，不是你自制力差。十条里九条是垃圾，但第十条特别好——为了那第十条，你得再往下滑一百条。那个版本上线，人均使用时长破了纪录。程序员老王一下子出名了，那套机制在行业被留下来了。

五、

它连你老婆都"认识"，靠的根本不是麦克风

朋友还有最后一个疙瘩："我跟我老婆在厨房聊洗衣机，它怎么连我老婆都知道？"

你们俩关注的人重叠四十几个；连的是同一个WiFi；上周在同一个地点待了十几个小时；你们的手机充电时间几乎一模一样——因为你们在一个屋里睡觉。算法不需要知道你们是两口子。它看这些信号，就能把两个账号归到同一个"家庭簇"里。你老婆看过的洗衣机广告，自然就流到你首页。

我自己也被这套东西算过。你是不是还刷到了河南旅游？

"你怎么知道？"

上个月老李给我推了部电影《一句顶一万句》，我看完喜欢，去搜男主角，采访里提到男主老家在哪，我来了兴致查了查那地方，越看越想去。上周吃饭我跟老李嘴上提了一句，第二天打开首页，全是河南的旅行视频，我还顺手点了个赞。

"我没给老李发过任何链接，我俩就是嘴上说了一句。站在我角度看，这就是偷听。"

但实际上，平台只是把我作业的最后一步，抄给了你。

关系链、行为序列、环境信号——共同WiFi、共同定位、共同充电时段、通讯录、关注列表——这些东西拼起来就是一张网。你在网这头动一下，那头的人就收到涟漪。它听不见你说什么，但它知道你跟谁一起睡、一起吃饭、一起刷手机。

六、

同一个按摩仪，为什么你搜就比朋友贵两百？

朋友说："那我再问个更狠的——为什么同一个东西，我搜出来就比别人贵？"

饭桌上我立马给大家做了这个实验。让所有人掏出手机，搜同一个按摩仪。结果出来：598、658、698、758。老李那个最贵，758。他当时就拍了桌子：凭啥我贵160？这不是欺诈吗？我反问了他一句："你开建材店的，给老客户和新客户报的，是一个价吗？"

饭桌上安静了。

这就是动态定价的逻辑。线下老板靠经验，一次猜一个人；线上平台靠数据，一次猜一亿个人。你对价格不敏感、你最近搜过、你是高价值老用户——算法给你的价格就往上挪一点。不是它恨你，是它算准了你不会为这160走掉。

这事在2018年集中爆过一次。当年3月，滴滴、携程被曝出"同房不同价""同单不同价"，各家口径高度一致："从未有过大数剧杀熟，预估价会实时波动。"但到了2019年初，央视把"大数据杀熟多平台泛滥"列进了2018年十大消费侵权事件。

《个人信息保护法》第二十四条专门给这事画了红线：自动化决策不能在交易价格上搞不合理差别待遇，还得给用户一个"不按你特征推荐"的选项。

但法律画的是底线，不是天花板。只要不是"同一时刻、同一页面、同一商品对不同账号明着不同价"这种露骨形式，行业里大量叫"动态定价"的操作，还在灰色地带跑。程序员老王当年那个项目上线，公司毛利率涨了，老王拿了这辈子最多的一次年终奖。

终章、

今天这顿饭，本身就是它推出来的

菜快上完的时候，有人问了一句："今天这顿饭，到底谁张罗的？"

老李想了想："不是我。我刷到一张老照片，一年前咱们就在这家吃的，手机弹出来'一年前的今天'，我一看，得，好久没聚了。"老张接话："我前阵子刷到一条'你可能想联系的人'，点进去第一个就是阮诗赋。"老陈说他更普通，就是被推了个附近烧烤摊的视频，想着正好没吃。

我们四个人，到场的理由，每一个都是算法触发的。

这顿饭本身，就是这套系统送给我们的。

所以回到最开头那个问题：手机到底听没听你？

它不需要听。

它知道你是谁、你跟谁睡、你今天累不累、你对价格敏不敏感、你什么时候会爽、爽完之后会不会留下。它把这些拼成一个概率，在你最没防备的那个瞬间，把下一条内容、下一个商品、下一个老朋友，递到你手指尖。

关掉麦克风是一种心理安慰。真正的开关，一个写在第二十四条法律里，另一个长在你自己身上——就是每一次手指停住、准备划下去之前，那半秒钟的停顿。你可以继续滑。但至少知道：这一滑，是你自己选的，还是它替你选的。

参考资料来源：人民网/央视网2018年"大数据杀熟"报道；中国人大网《个人信息保护法》第二十四条；arXiv及AI Wiki关于推荐系统简史（Tapestry 1992、GroupLens 1994、Netflix Prize 2006-2009、隐式反馈ALS 2008）。

*图片取自互联网，并不一定涉及企业相关，也并不一定和文章相关。

【你怎么看AI的发展？】