名人推薦：林克傳說食夢黑貘(Gene Hong)

「把人的行為步驟寫成程式碼, 把事物數量化後, 很多事情不只能夠自動化, 效率與效能會比人類強很多, 這本書就是在寫這幾十年來, 各個領域在這方面的努力與挑戰。」

PanSci泛科學總編輯 鄭國威

「作者以歷史縱深加上紮實科學，將演算法以人類作為傳播載體統治世界的這段真實歷程，用輕鬆詼諧，極具故事性的方式呈現出來。希望不會讓統治世界的演算法不高興啊...」

MIT首席研究科學家Andrew McAfee

演算法正在影響人類活動的每個領域，從市場、醫學、遊戲到流行音樂。如果你想要了解形塑今日與明...

二○○四年，某大電影公司讓演算法掃描九部未上映電影的腳本，進行分析的是一家名叫Epagogix的新公司，分析結果暫不公布。後來每一部電影都上了檔，當最後一部下片時，電影公司回頭檢視當初演算法替每一部片預測的票房。九部電影中，有三部電影的預測錯的蠻離譜，但另外六部電影卻精準到詭異，就拿其中一部來說，電影公司預期票房至少有一億美元，結果總共只收到四千萬美元，令人大失所望，演算法的預測則是四千九百萬美元，另一部電影的票房預測是在一百二十萬美元以內。Epagogix突然成為電影公司開拍電影前分析腳本的必備工具，特別是大預算的電影。這家公司是由兩位電影愛好者成立，其中一位是律師，另一位來自華爾街最喜歡的學科：風險管理，分析這些電影腳本的目的，是將製作出冷門片的機率降到最低，避免像二○一二年迪士尼以《卡特》（John Carter）一片虧近兩億美元的慘事重演。

演算法掃描的其實是一份報告，報告的作者讀過腳本後根據數百個不同元素進行評分，從布景、電影主角、劇情中的道德兩難、配角、結尾乃至愛情故事等等。沒有必要組織焦點團體、開董事會進行辯論，更不需要高階主管針對是否買新腳本針鋒相對，只要把分數打好交給演算法就行了。但儘管這個演算法聰明過人，依舊需要人來評估文字、故事、情節、人物等，如果有個不需要人類輸入訊息的演算法呢？如果有個能自行創作劇本的演算法呢？

那些想像藝術、創新、文字、新奇的企業策略、改變世界的產品的人，他們的工作一直被認為在演算法觸及的範疇外，這些職業和其地位為他們帶來尊嚴、優渥的薪水，以及在工作場域享有的自由和機動性，有些人稱他們為創意階級，有些則稱之為學士以上受教者，有些就直接稱他們為聰明人。

聰明人以為，緩緩蔓延的機器人革命碰不到他們，認為演算法無法創新，機器人不懂得創造；但是現在我們漸漸知道，這些假設很危險。

演算法能學會評估創作品的品質和原創性，也能夠產生自己的創作，而演算法較不可能侵犯的領域之一是音樂，對許多人而言，音樂反映人類靈魂創造力的脈動，我們很難精確描述音樂如何影響你我、改變我們的心情、改造我們的意識，音樂創作者幾乎無法解釋靈感是怎麼到來的，靈感突發的過程被記錄下來，成為人類潛意識內難以解釋的火花，一種混合了對的腦力以及對所欲創作物的長期專注思維，有些是有意識的、有些則否。創造力被認為是抽象到幾乎無法被教導，更別說是交由機器發揮創造力了。

然而，現在有些演算法——包括一個有著人類名字「安妮」（Annie）的演算法在內——能製作出如布拉姆斯、巴哈和莫札特等大師般氣勢磅礡且具原創性的作品，又做得出像在大賣場播放的那般：通俗且一聽便琅琅上口的音樂。

你有百分之四十一的機率能成為女神卡卡

二○○四年，音樂家也是作家的諾華克（Ben Novak）開著一輛一九九三年份的日產藍鳥，也是他當年買得起的車子，這輛車載他走遍家鄉紐西蘭的奧克蘭市，諾華克對它最不滿意的地方是收音機，在奧克蘭市幾十個調頻電台中只抓得到兩個，由於諾華克是那種只要一有空就聽音樂玩音樂的人，因此這件事對他來說非同小可，但他又沒錢買新車，只好將就著固定收聽BBC，也是他唯一可接受的選擇。

只能聽BBC也有好處，如此一來諾華克得知不少可以跟人哈拉的時事，在閒聊出現冷場時總能爆出一些新知來，更重要的是，他沒錯過BBC上一則關於西班牙科技發展的短篇報導，報導中提到的人物宣稱能預測哪些歌曲會紅。

「我開車的時候聽到這則報導，心想：『有意思，』」諾華克回想。「老實說，我本來可以就這麼繼續開，忘掉這則報導，但結果我在下一個交流道就出了高速公路。」

諾華克出了高速公路開回家，坐在電腦前。他進入一個當時屬於Polyphonic HMI旗下的網站，只要花五十美元，該網站的演算法就能分析諾華克上傳的任何音樂檔，有潛力的歌曲贏得高分，相反的就得低分。

「我想，才花個五十美元。只要想到它帶來長遠的意義，這筆錢根本就微不足道，」諾華克說。「所以我就花了。」

諾華克在幾年前寫過一首自認為極具潛力的歌，名叫《把車掉頭》（Turn Your Car Around），於是他將歌曲上傳，坐在螢幕前等待結果。

諾華克十二歲寫歌，十八、九歲時開始玩吉他，他一直把心力全放在寫歌上，到二十五歲左右時，他為了晚上和周末能待在家裡做音樂而放棄大部分的社交生活，他花三千美元購置電腦和中階錄音器材，擺在一間不用的臥室裡作為音樂的秘密基地，他在櫃子四周塞上舊棉被，把最好的麥克風擺在正中央，就成了他錄製《把車掉頭》時的音控間。

網站跑了一陣子後終於有了答案。網站背後的演算法使用一種評分制，凡是高於六點五分的歌曲就相當可能成為暢銷歌曲，超過七分的很可能登上排行榜，諾華克的歌曲得到七點五七分，和許多紅及一時的歌曲如荒原狼（Steppenwolf）的《天生狂野》（Born to be Wild）和老鷹合唱團（Eagles）的《安祥感》（Peaceful Easy Feeling）等得分不相上下。

「我真的很高興，」諾華克說。「但是接下來會怎樣，當時還不是很清楚。」

至於Polyphonic HMI所在的西班牙，負責維護演算法的工程師注意到這首歌的高分，於是把這首歌從伺服器上抓下來，在辦公室裡播放。

「這首歌顯然有不簡單的地方，」該網站的主持人麥奎蒂（Mike McCready）說。「我們的員工放了一遍又一遍。」本身是音樂人的麥奎蒂便聯絡歐洲幾家認識的唱片公司，於是這首歌便這麼傳了開來。

把這首歌傳到麥奎蒂網站兩個禮拜後，諾華克的電話響了，來電的是英國音樂製作人豪斯（Ash Howes）的代表，豪斯曾製作過幾十首膾炙人口的暢銷曲，當時他旗下有個英國的年輕流行樂手名叫萊恩（Lee Ryan），需要收錄一些新歌到專輯裡，而豪斯認為諾華克的創作很適合——事實上他認為華克上傳的歌有資格以單曲發行。

諾華克立刻接受了一筆優惠的交易，只要這首歌在廣播電台、電視或廣告中播放，就可以拿到百分之五十的權利金。結果諾華克的歌不僅出現在萊恩的專輯，還被指定為第一首單曲，而這首歌一出現便佔據英國流行歌曲排行榜第十二名的位置，連續兩個月後成為英國播放率最高的歌曲。在歐洲大陸同樣進展順利，各處的廣播電台都在播放它並順利擠進幾個廣告中，在義大利的排名更是竄升到第二。

這首歌的成功改變了諾華克的生活，他把收到的部分權利金拿去支付過去投資的出租不動產，同時買進更好的錄音器材並更新樂器。但即使到現在，他還有一件事沒做，就是換掉那台日產老爺車。「那台車子還能開，況且就現在來說我絕不會轉掉BBC，」他說。

諾華克並不吝於歸功演算法。在音樂界，微小如毫髮般的運氣都可能造就一位藝術家或者使他們永遭埋沒，而識得人才的演算法卻改變一切。「音樂這回事啊，對所有進這一行的人來說，是場大賭局，」他說。「這個程式、這個網站，替我定位了屬於我的世界。」

改變諾華克人生的演算法，是由麥奎蒂領軍的一群西班牙工程師所設計。麥奎蒂是美國人，陰錯陽差成為改變音樂未來的技術權威。

麥奎蒂成長於內布拉斯加州——據他的形容，一個讓人選擇永遠離開，否則就只得待一輩子的地方。一九八六年，就讀高三的他首次有機會離開家鄉（儘管只是暫時）。他加入一項交換計畫，到巴塞隆納外一座小村莊的一戶人家寄宿九個月，回國後進入奧瑪哈市的克雷頓大學（Creighton University）主修心理學。大學生涯即將結束之際，麥奎蒂想到自己有兩個選擇。「我可以回到內布拉斯鄉下，不然就去巴塞隆納。」他說。

麥奎蒂選擇了西班牙。然而在當地謀職證實和在內布拉斯加州的農業鎮上找頭路一樣困難；因為西班牙政府不發給麥奎蒂工作許可證，所以無法合法工作或賺取薪資。為了賺錢，他必須自己做生意才行，早先的時候他以打零工維生，直到有一天腦海中突然冒出一個點子。

麥奎蒂在學生時代，曾在西班牙一處講加泰隆尼亞語的地區待過，而世界上除了此地以外，法國、義大利的部分區域和整個安道爾共和國，都是以羅馬語系的加泰隆尼亞語為主要語言。全世界講這種語言的一千一百萬人口用獨特的方式表達時間，例如1：15絕不是一點十五分，而是「兩點的四分之一」，至於1：20也不是一點二十分，而說成「兩點的四分之一又五分鐘」。「隨著時鐘指針轉了一圈，你會發現講法愈來愈怪。」麥奎蒂說。

麥奎蒂和一位朋友設計了一種鐘錶盤，能夠用加泰隆尼亞語的方式表達時間，他湊合了幾千美元在法國找到一家製作鐘錶的工廠。五個月後，這家小小的鐘錶公司開始賺錢，不久這些鐘錶在西班牙儼然成為時尚的代名詞而獲得名流青睞，麥奎蒂只要一出新的限量版設計，幾天內就會銷售一空。

當了一輩子音樂人的麥奎蒂在經營鐘錶事業之際依然不忘投入興趣之中。他和一個藍調樂團一起玩音樂，這個樂團在巴塞隆納漸漸獲得一小群粉絲的支持，後來和西班牙某大唱片公司簽下合約。但樂團就在開始協調錄音事宜時突然拆夥，因為樂團成員的個人問題全都同時爆發；樂團用英文唱，而麥奎蒂自己一直以加泰隆尼亞語錄製歌曲。直到樂團注定走上分道揚鑣之路的一刻，他把自己的作品送到這家唱片公司，對方很滿意，便簽下了他。

麥奎蒂其中兩首歌登上加泰隆尼亞歌曲排行榜之冠，或許這是個小市場，但這次的成功也讓麥奎蒂被封上正港音樂生力軍的美名，此外，他的鐘錶也成為西班牙的行銷傳奇。有一家公司接下一九九二年巴塞隆納奧運的比賽場地，看上麥奎蒂在音樂和鐘錶事業的成功而將他網羅，他們需要一位行銷總監，能夠想出新方法來利用奧運後被閒置的比賽場地，那些運動場彷彿成了一頭頭白象，把錢燒光的同時卻沒有比賽活動作為繼續經營的正當理由。

麥奎蒂成功招攬大型巡迴表演和音樂會到該場地表演，但即使大型表演來到鎮上通常也只有一天，儘管一次收入頗豐，但場地需要更穩定的進帳，於是麥奎蒂開始說服各樂團將巴塞隆納作為巡迴表演的開場，換言之他的場地通常會有一至兩周的預演，外加幾場開場表演。麥奎蒂的計畫奏效，巴塞隆納儼然成了樂團在歐洲展開巡演的潮地，但是正當麥奎蒂幫這家公司賺錢之際，矽谷的科技熱潮也來到西班牙。

「我一堆朋友都因為網路公司而致富，或者以為他們即將致富，」麥奎蒂說。「看起來是該搞網路生意了。」

網路確實是兩千年該從事的生意。麥奎蒂到一家新成立的網路音樂公司狄歐（Deo）擔任行銷主管，這家瑞典公司自詡為第一個音樂公開市場，音樂家和樂團可以上傳音樂到狄歐後，直接賣給消費者。

狄歐和那年代誕生的許多公司一樣，充滿樂觀和成堆的鈔票，然而狄歐也像其他幾百家新成立的公司一樣，誤判了自己的魅力和市場。了解數位檔案的人少之又少，而了解的人又往往透過奈普斯特（Napster）之類的網站非法取得。

一年後，狄歐的花光積蓄而收攤。這次經驗對麥奎蒂來說毋寧是寶貴的，因為他在音樂和科技的十字路口上待了一年的時間。

在那一年當中，他認識了一家巴塞隆納的小公司，這家公司開發了一組演算法來分析流行音樂的基本架構、模式和構造。麥奎蒂跟這家公司的工程師談過以後，得到的結論是科技真的有用，他提議成立一家專門運用科技讓音樂家和唱片大賣的新公司，他們把公司命名為Polyphonic。

Polyphonic的演算法針對輸入的音樂進行巧妙的細部研究，演算法背後的科學名叫先進光譜去迴旋（advanced spectral deconvolution），使用不同順序的傅立葉轉換（Fourier transforms）和數學函數，將歌曲拆解成碎片，將曲調的旋律、節拍、速度、音韻、音階、和音的進行、聲音飽和度、聲音亮度和抑揚頓挫等模式孤立出來，Polyphonic的軟體用這些資料建構成三度空間模型，演算法經由檢視歌曲的三D結構而不是聽歌曲本身，盡可能客觀地將歌曲和過去大紅大紫的歌曲做比較，接著將剛剛分析的歌曲和過去的冠軍歌一併放在螢幕上，會出現佈滿點子的雲狀物體，每個點子代表一首歌。受歡迎的歌往往具備類似的基本架構，只要接近這群暢銷歌曲的中央，就算不保證成功也八九不離十了。

麥奎蒂在巴塞隆納把演算法修改得更臻於完美，他會儘可能讓很多即將推出的專輯在他的機器人裡跑過一遍，就是這些測試才得以顯示演算法是不是真有兩把刷子。結果，演算法對大部分沒有推出的CD評以不怎麼樣的分數，但是其中有一張CD的評分結果，顯示在全部十四首歌曲中可能會出現九首暢銷歌曲，簡直可以媲美披頭四的成績，令麥奎蒂幾乎無法置信。沒人聽過這位藝人的名號，麥奎蒂不禁擔心起機器人的判斷結果，說不定是大錯特錯。但這張專輯《和我一起出走》（Come Away with Me）推出後的銷售量超過兩千萬張，也為歌手諾拉瓊斯（Norah Jones）贏得八座葛萊美獎。而當初瓊斯就被機器人歸類到暢銷歌曲之列。

「有些人形容暢銷歌曲就像腦袋發癢，」麥奎蒂說。「一再聽那首歌就像在搔癢般。」

那堆暢銷歌曲就是最癢的點，麥奎蒂認為他的公司已經掌握了挖掘音樂黃金的公式。音樂產業已經在試圖挑選自己的暢銷歌曲，但只有兩成的準頭，而麥奎蒂的工具如果可行，將成為這個產業的聖杯。

A&R 機器人說：我不聽單曲

Polyphonic在探索過程中並不孤單，一家自稱為猛獸（Savage Beast）的新公司也在做同樣的事，只是做法完全不同。猛獸不是利用演算法篩選新歌曲，而是請來上百位音樂家聽歌，根據四百個不同的屬性將歌曲分類。這家公司先試著將產品賣給實體唱片行，像是山姆好物（Sam Goody）、淘兒音樂（Tower Records）和倍斯百（Best Buy），但這項計畫因為MP3的分享猖獗而觸礁。就在網路崩盤後，猛獸有好幾年一厥不振，甚至沒發薪水給員工，二○○五年它改變策略，利用更多演算法與更少人力，為一般大眾該聽什麼音樂做決定，它籌措了一點小錢並取了個新名字Pandora（潘朵拉）。二○一一年七月，公司股票在紐約證交所上市，市值三十億美元。

潘朵拉開創一個不同的典範，麥奎蒂也是。麥奎蒂第一次的駭客行動，讓諾華克這類的創作人花費五十美元上傳歌曲，透過Polyphonic的演算法立即得知這首歌曲的潛力，接著唱片公司和人才獵人登入網站，瀏覽得分最高的自由創作人。麥奎蒂試圖整頓（至少能改善）音樂產業幾十年來藝人和唱片發行公司的部分苦惱。

派提（Tom Petty）一九九一年的歌曲《進入廣大空間》（Into the Great Wide Open）裡有一段歌詞，唱到唱片業界有一種相當於棒球球探的人，叫做藝人與廠牌管理（Artist and Repertoire，簡稱A&R）。唱片公司的A&R等於是唱片業的守門員，他們可以創造職業生涯，讓音樂家從無名小卒變成巨星，流行音樂界中，A&R的工作需要尋找單曲，沒有單曲的藝人，就像派提歌曲嘲諷的：不怎麼值錢。

問題是，A&R本質上是主觀的職業。不像棒球，時速一百英里的快速球對每個球探來說都是時速一百英里，那種未經修飾就能輕易被量化的天賦，音樂才華存在於各處，卻不是所有人才都可能獲得視聽大眾的青睞。世界上最出眾的藝人可能永遠不被小眾粉絲以外的人所知，但有些演奏才能不超過一般會彈鋼琴的八歲小孩的音樂人，卻能僅以一首膾炙人口的流行歌就席捲全球。

基於這個理由，音樂依舊很像書籍出版的行業。唱片公司的盈餘要靠五十張專輯中的某一張，如此一來和新人簽約時也才有提供紅利的本錢，唱片公司只能張大網才能確保撈到需要的暢銷歌，特別擅於挖寶的A&R能領取大筆獎酬，而發掘最多璞玉的A&R就成為傳奇人物，這些造雨人往往一躍成為唱片公司的一哥或一姊級人物。

即使A&R總是獵得到前途看好的藝人，其實跟他們簽約的大多是透過私人關係或直接推薦，音樂產業依舊離實力主義相當遙遠，即使衡量實力的標準，是能不能讓青少女一聽就記住。但是，如果把A&R變成一門科學的話會怎麼樣？百分之三十的準確率，對這產業歷來的成績而言會是一大進步，能夠取悅聽者的藝人不必等待可能永遠不會到來的私交或推薦，麥奎蒂想，Polyphonic的演算法能證明答案是對的。

諾華克的成功，使Polyphonic做到原本看似遙不可及的事，麥奎蒂的工具也在魔力紅樂團（Maroon 5）出名前，就點名它是頗具成功相的樂團。不過，這個軟體當然不是百發百中，它曾經給很多從沒紅過的歌曲高分，但無庸置疑的是，麥奎蒂創造了一個塑造音樂產業未來的有用東西。

撇開科技前景不談，A&R的人員並不怎麼願意相信一個可能威脅他們生計的工具，如果它果真如聲稱那麼神的話。許多A&R和唱片業的高階主管對機器在他們世界中占一席之地的想法嗤之以鼻，當維京唱片的全球行銷經理貝莉（Lorraine Barry）聽到Polyphonic做的事及其概念後，嘲弄地說道：「現代的A&R竟然是一台機器，或者說是電腦軟體？這想法有點嚇人，」貝莉說。「我認為這是行銷的噱頭，假裝A&R的工作可以是一門科學。」

無論軟體是否把A&R的遊戲變成一門科學依舊有待商榷，但是無可否認麥奎蒂的團隊不受業界歡迎，音樂這一行不太能接受「改變」，「我認為在那方面，音樂界會比艾米許人更早消失，」麥奎蒂說。

Polyphonic的商業模式，要看音樂產業是否將它視為新的A&R工具來利用而定，而這項賭注證實太過大膽。 Polyphonic空有一身本事卻賺不到錢，A&R的人不願意採用可能加速自己滅亡的方法；而少了這群人的合作，Polyphonic只能苟延殘喘，於是麥奎蒂不得不裁員，並思考他一路走來從內布拉斯加州的鄉下小孩到鐘錶大亨而後流行歌星，直到現在的科技創業者，下一步該做什麼。

既然無所損失，麥奎蒂於是改變他的商業模型。二○○八年，他搬到紐約，開始親近音樂產業，他引進一批投資人的資金，將公司取名為音樂X光（Music X-Ray），他一如過去邀請藝人將作品上傳到他的網站和資料庫，但現在他也容許正在物色新歌或新藝人的A&R和製作人到他的網站張貼告示。

音樂品牌、廣告公司、行銷公司和音樂製作人，經常在尋找某一類的聲音。舉例來說，某個音樂品牌的使命可能是找到下一位電台司令（Radiohead），或者某行銷公司可能認為滾石的《紅糖》（Brown Sugar）對他們的電視廣告來說再適合不過，但卻付不起滾石開的價碼。當某大唱片品牌的星探表示要尋找新藝人時，通常回覆會像雪片般飛來，這點並不令人意外，同樣當電影製片為電影原聲帶徵求原創樂譜或特定種類的歌曲時也是如此，從事音樂這一行的人會告訴你，他們非常忙碌，從良莠不齊的音樂家送來的上千份作品——許多屬中等或更糟——當中挑選，不是一件經常都有空做的事，這也是為什麼已經有名聲的藝人往往占了大部分的網路版面，原因是物色新的音樂家太花時間。

這時候，麥奎蒂的演算法就被派上用場，它把對跟不對的聲音快速區分開來，讓音樂從業人員找到最接近當初要找的理想人選，就拿《紅糖》為例，演算法會徹底搜尋交來的歌曲中，在副歌、節拍、旋律、風格和整體聲音等方面與滾石那首歌最像的歌曲。

或者，A&R的人員可以從上傳音樂X光的藝人中，尋找各個類別最高分的歌曲，麥奎蒂的資料倉庫愈來愈大，不久便成了世界音樂人才的百科全書，對於像諾華克這種儘管非常努力且或許有才華，卻擔心作品和聲音永遠出不了自家車庫的音樂人來說，這樣的發展可說是相當令人振奮，而音樂X光的演算法也將製造出許多未來的音樂明星。事實上這件事已經在發生，自從二○一○年以來，麥奎蒂已經把超過五千個成為藝人的機會，轉給音樂品牌等商業機構。

其中一位這樣的音樂人名叫波茲（Tommy Botz），當時六十三歲、正在戒酒的他偶然來到音樂X光的網站。波茲曾經在戒酒中心生活過七個年頭，他的兩百首作品當中有些就是在這期間寫的，他決定把幾首上傳到音樂X光，麥奎蒂的演算法識出波茲的音樂有凱許（John Cash）的味道，便將他介紹給密西根的某唱片公司，該公司的藝人灌製了幾條他的歌曲。

波茲不是特例。有六個孫子女的阿媽弗格森（Lynne Ferguson）把作品《黃金之淚》（Tears to Gold）傳到音樂X光上而受到天井音樂集團（Atrium Music Group）注意，這家公司共挑選十一首弗格森的歌曲製成專輯，封面就是弗格森的笑容。獨立音樂人也透過麥奎蒂的機器人而成功，「世界現場音樂與經銷」（World Live Music & Distribution）在音樂X光上發現戈梅茲（Dominic Gomez），立刻將他簽下並撥了數十萬美元作為錄製專輯的預算，電影公司也不落人後，二○一一年史派克李製作的電影《聲名狼藉先生》（You’re Nobody “Til Somebody Kills You）就收錄三首從音樂X光找來的藝人所唱的歌做為配樂。

音樂X光促成藝人和業者合作並從中獲得一點小利，這筆收入開始累積，麥奎蒂的公司由虧轉盈，成了被音樂界歡迎的事業，二○一一年底，有一千五百家唱片業者和專業的音樂取得者使用他的演算法，幾乎所有知名的唱片公司都沒缺席，像是哥倫比亞、時代華納、葛芬（Geffen）和EMI。

「我終於收到唱片公司寄來的『情書』了。」麥奎蒂說。他想，某種程度總是需要人來做決定，但是他的機器人以及它所做的判斷，終究會改變大眾聽到的聲音。

麥奎蒂的商業模型為音樂產業帶來的效率和藝人的廣度如此之大，各大唱片業者遲早會仰賴演算法來挑選簽約藝人以及行銷的歌曲。這就像文字處理機首度問世時的情形，一開始大部分的人還繼續敲打字機，只有首批文字處理機的使用者，能克服那小小螢幕所顯示出的怪異資料，以及忍受想到把所有心血存在五吋磁碟片而不是看得見摸得著的紙上時那份驚恐感。但終究，文字處理機的螢幕變得更大、軟體變得精良，而捨棄文字處理機、改用其他東西的想法反而變得荒謬。這一天也來到了音樂界。

這對音樂來說會是好事嗎？對一般的A&R來說肯定不是好事。但是，對那些不受到注意或沒有人脈的藝人來說呢？演算法能不能提高前四十名暢銷曲的水準？答案恐怕是「不能」。演算法或許能發掘新的藝人，但由於它們的判斷是以過去的暢銷歌曲為基礎，最後我們得到的可能會是千篇一律的現有音樂。這些年來，有些馬馬虎虎的音樂被納入分析中，顯然是這項技術的小缺失。

不過，麥奎蒂可不這麼認為。他像所有的創業家一樣，希望自己的演算法在未來幾十年間成為音樂世界的核心，他說演算法的存在帶來更多樣化的流行音樂，而那些擁有另類聲音，但因為節拍、旋律和抑揚頓挫差一點點就能被歸類為暢銷樂手的藝人，現在將被發掘而不再遭到埋沒。此外，麥奎蒂也提供製作人和藝人修改旋律、節拍和節奏的功能，幫助作品與暢銷類作品更為接近。有一天我們會看到某個車庫樂團興致勃勃做出一張專輯後，急忙來到電腦螢幕前，確認成品會落在暢銷曲3D圖中的哪個位置。在創意領域，如此快速地獲得「認證」還真罕見，然而這引來一個問題：演算法會不會造就出一個被迫同質的音樂世界？

暢銷排行榜前四十大的暢銷歌曲出自同一批人之手，早就是不爭的事實。拿筆名為馬丁（Max Martin）的瑞典作曲家桑德柏格（Martin Sandberg）來說，他在一九九○年代因為替邦喬飛、新好男孩（Backstreet Boys）和小甜甜布蘭妮寫了一系列冠軍金曲而展開職業生涯，二○○八年以來，他寫過十首以上冠軍金曲和超過二十首排名前十的單曲，包括亞瑟小子（Usher）的《DJ讓我們墜入情網》（DJ Got Us Fallin’in Love）和凱特•佩瑞（Katy Perry）的《我吻了個女孩》（I Kissed a Girl）。只要知道某些人有創造大眾流行音樂的才能，也知道麥奎蒂的演算法已經掌握了暢銷歌曲的普遍特質，就不難推測大眾音樂不久將被機器人統治。唱片公司必定會迎合任何時代的品味，而最能勝任此一任務的，莫過於對暢銷音樂瞭若指掌的演算法了。

二○○四年，某大電影公司讓演算法掃描九部未上映電影的腳本，進行分析的是一家名叫Epagogix的新公司，分析結果暫不公布。後來每一部電影都上了檔，當最後一部下片時，電影公司回頭檢視當初演算法替每一部片預測的票房。九部電影中，有三部電影的預測錯的蠻離譜，但另外六部電影卻精準到詭異，就拿其中一部來說，電影公司預期票房至少有一億美元，結果總共只收到四千萬美元，令人大失所望，演算法的預測則是四千九百萬美元，另一部電影的票房預測是在一百二十萬美元以內。Epagogix突然成為電影公司開拍電影前分析腳本的必備工具，特別是大...

前言

二〇一一年四月初，加州柏克萊大學的演化生物學家艾森（Michael Eisen）上亞馬遜網站替實驗室買書。他要買的是勞倫斯（Peter Lawrence）所著的《蒼蠅的由來》（The Making of a Fly），一本探討蒼蠅如何從單細胞卵演變成一隻嗡嗡作響又能飛行的昆蟲的基因發展過程。儘管這本一九九二年出版的書現已絕版，它依舊在學界和研究生之間廣為流傳。艾森過去都是花三十五至四十美元左右的價格買二手書，但就在四月八日這天，他發現亞馬遜網站上的兩位老手賣家提供的全新二手書，標價比他預期得高出許多，分別是1,730,045和2,198,177美元。

艾森認為這兩個價格不是誤標就是個玩笑，因為就連作者也不會訂出這樣的價格來，於是他第二天又上了網站查看，發現價錢不但沒有回歸正常，反而進一步分別漲到2,194,443和2,788,233美元，而到了第三天標價漲到2,783,493美元和3,536,675美元，並且就這麼持續飆了整整兩個禮拜。四月十八日，標價來到最高點——23,698,655.93美元，買方還得另外支付運費3.99美元。四月十九日，這本書開始降價，最後的價格停在106美元。

話說回來，亞馬遜為何對一本蒼蠅遺傳學的冷門書開出近兩千四百萬美元的天價？難道是因為這本書突然變成億萬富翁收藏家的搶手貨，還是書中藏了「黃金屋」？又或者它成為書籍中的一八六九年份的拉菲酒莊葡萄酒？〔譯註：Chateau Lafite Rothschild，拍賣史上最貴的葡萄酒。〕真相是，為二手書賣家標價的無人監控演算法（algorithm），將這兩位在亞馬遜網站上賣過數千本書的賣家捲進了一場價格戰。其中一位賣家選擇的演算法將書價訂得稍高於競爭對手，而另一位賣家選擇的演算法則將價格提高，以縮小和較高價賣家間的差距價，在此設定下，第一個演算法將再度漲價以為因應。就這麼你來我往，直到書價跟曼哈頓的閣樓一般貴為止。如果沒有人為因素介入來中斷演算法，價格將永遠不會回歸正常。以上故事是演算法故障但沒有釀災的趣聞，不過在發生那件事情近一年前，出了件更離奇的事。

二〇一〇年五月六日一大早，希臘的不安情勢令全球股市哀鴻遍野，抗議政府撙節政策的暴民將雅典吞沒。許多人擔心萬一希臘倒債，將證實全球經濟蕭條的恐懼並非空穴來風。到了正午前，紐約股市已下跌百分之二點五，宣判糟糕透頂的一天。

但是，情況立刻從「糟糕」變成「莫名其妙」。

當日，美東時間下午兩點四十二分，股市的震盪呈現自由落體般的下墜，短短三百秒後的兩點四十七分，道瓊指數下跌九百九十八點五點，創下史上單日最大跌幅。從道瓊平均指數的歷史走勢看來，這個全世界股票的龍頭似乎正遭到惡作劇攻擊，近一兆美元的財富就這麼從網路上憑空消失。

CNBC在這五分鐘的新聞報導中，主播起初與來賓談笑風生地聊到希臘暴動。當時，道瓊指數下跌兩百點，一切看來沒有什麼異狀。當主播柏內特（Erin Burnett）介紹超級名嘴克拉瑪（Jim Cramer）入場時，指數下跌三百五十點。等到下跌五百點時，克拉瑪還彷彿是卡通人物似的，若無其事地念念有詞道：「情況愈來愈有趣了。」

三分鐘內，觀眾聽見柏內特在希臘問題的報導中插播道瓊現在下跌八百點，難以置信的柏內特講話也漸漸不輪轉了起來，她連線人在紐約證券交易所交易大廳的記者瑋柏納（Scott Wapner）：「史考特，大家都怎麼說？已經跌八百點了。」

「我問他們究竟怎麼了……我不知道，」瑋柏納結巴地尋找適當措辭。「有種恐懼。簡直就是斷頭，是集體斷頭。」

鏡頭接著回到克拉瑪，他依舊是出奇地平靜，即使道瓊在短短三分鐘內下跌近一千點。「我剛坐下的時候，」克拉瑪是指他剛進棚內，「才跌了三百五十點。」

接著，主播柏內特提到績優股寶鹼（Procter & Gamble）的股價在幾分鐘內從六十二美元暴跌百分之二十五來到四十七美元，這下克拉瑪再也按耐不住了，他氣急敗壞地說：「不可能那麼低，這不是正常價位。」「好！買寶鹼就對了。」他突然面對鏡頭，向觀眾懇求道：「現在去買！去買就對了！」

專業投資人注意到這個建議。而正如克拉瑪發覺股價在短時間不尋常的超跌般，其他人也沒錯過這個投資機會。道瓊指數大跌九百九十八點五點，來到谷底後以同樣的速度反彈；事實上，股市反彈的速度比下跌的速度來得更快。平常一天內的漲跌幅鮮少三百點的道瓊工業指數，在短短一分鐘內就發生了，令親眼目睹的人完全摸不清怎麼一回事。

伊利諾州伊凡斯頓市（Evanston）的磁星資本（Magnetar Capital）是管理七十億美元的大型避險基金，資深高階主管聽到騷動後立刻衝出辦公室，來到公司的交易大廳。「這裡的人紛紛大叫：『買、買、買』，」一位磁星的交易員說：「管他買什麼，反正買就對了！」

在東岸，第一紐約證券（First New York Securities）的交易大廳也不遑多讓，一百二十多位交易員搶著下單，每個人只喊一個字：「買！」

「我第一個反應是，『股市大跌是個錯誤，我該如何趁機大撈一票？』」第一紐約證券的首席交易員多尼諾（Tom Donino）說。「我幹這行二十五年了，這輩子還真沒見過這種情況。」

有些股票的股價重挫到一美分，市值數十億美元的股票成了壁紙，幾秒內又反彈至三十甚至四十美元，有些股票則向上急攀，蘋果的每股股價還曾經一度從兩百五十美元暴漲到十萬美元。股市波濤洶湧，但原因沒人知道；無論問題出在哪，總之不可能單憑一張錯誤的鉅額賣單或一位惡質交易員的倒貨就能造成。事情來得之急，一些交易員和股市觀察家如果上個廁所或喝杯咖啡讓腦袋放空一下，就可能完全錯過時機。

回到CNBC的攝影棚，柏內特和克拉瑪眼見道瓊在三分鐘內反彈五百點，克拉瑪還是一副老神在在的樣子，儘管股市出現了空前劇烈的震盪。

「機器顯然故障了，系統顯然故障了。」克拉瑪的聲音裡帶有一抹厭惡感。

柏內特的記者神經令她異常興奮。「但是經過這一切，剛剛竟然發生這樣的事件，絕對能成為一個非同小可的精彩故事。」她驚聲說道。

「我認為整件事很精采，」克拉瑪面無表情說。「以前沒聽過這麼精彩的事，完全不曉得究竟怎麼了。」

克拉瑪是對的。這場「閃電崩盤」（Flash Crash）到底怎麼造成的，至今仍未有定論，有些人將矛頭指向堪薩斯市一位貨幣經理，認為他的演算法太早將價值四十億美元的股票期貨拋售而引爆其他演算法紛紛跟進，有些人則歸咎一群不知名的交易員，共謀透過協同演算法（coordinated algorithm）在同一瞬間摜壓股市，還有些人堅信這次跟一九二九年全世界目睹的股災沒兩樣，純粹由恐慌造成。但可以確定的是，如果獨立運作且一秒內即可下單並完成交易的演算法沒有主宰股市的話，市場波動的範圍不可能如此之大，速度不可能如此之快。

演算法的運作通常是根據設計原則，無聲無息地買賣股票，或者以亞馬遜網站為例，根據供需訂定書籍的價格，然而一旦無人監管，演算法會做出不合理的事來。當人類把愈來愈多事交由演算法，便會導致問題發生後難以追究到底是「誰」或「什麼」才是始作俑者。這個現象已悄悄在全世界蔓延，直到閃電崩盤來襲，才將我們喚醒。

股市閃電崩盤使演算法的話題登上夜間新聞，但還沒結束。不久之後，演算法就會出現在交友、購物、娛樂、醫藥等各種想像得到的情境中。閃電崩盤只是預示一個更大趨勢的到來：演算法即將主宰一切。

只要程式自動運行的網路或機器內部發生問題時，人們往往會立刻歸因成：「演算法出了錯。」演算法的標準定義為：一串指令，能根據現有的資訊引導使用者獲得某項特定答案或輸出信息。

舉例來說，某人可以寫一個演算法，來決定早上穿哪一件外套上班，輸入的資料包括：氣溫、是否下雨、是否下雪、風速、步行距離和步調速度、晴天或陰天等等，接著輸入對應參數：二十五度、小雪、風速每小時二十英里、陰天以及短程步行兩個街區，得到的答案可能會是Gore-Tex連帽羽絨外套。也許你本來就打算穿那件外套，但演算法會從簡單的任務開始入侵。它的運作方式很像決策樹，將解決複雜問題時要考慮的一組龐大變數，細分成一長串的二元選擇，每一筆所需的資料將程序推向另一個選擇或節點，並且愈來愈接近輸出的產生。

電腦將演算法串聯成巨大網絡，但演算法的基本定義並不足以說明這個巨大網絡。在本書中，我經常把幾個互聯並共同執行一項任務的演算法稱為機器人（bots），這些機器人由成千上萬個輸入、因素和功能組成，其中最複雜的就像人腦神經元的訊號發射：它們是動態的，能視當時需要被活化或抑制，同時具備自我改善能力。

數學使所有侵犯且幾乎主宰人類生命的演算法成為可能，幾個世紀以來，人類以數學觀察世界，如今數學是人類用以塑造整個地球、生命甚至文化的利器。

隨著演算法及其背後的數學漸漸成為華爾街的標準，其他原本較不受波及的領域也逐漸吸引數學家、工程師和物理學家的注意，華爾街管這群人叫「量化高手」（quants，綽號量仔，從量化分析師而來〔編註：也譯做「寬客」〕）。如今這群量仔和程式撰寫員在新產業中搜尋容易下手的目標，透過演算法消滅這些產業的舊典範，並趁機大賺一票。

演算法的疆界不斷向外延展，愈來愈多行業的人類被它們取代，而「取代人類」正是演算法的拿手項目。演算法比人類更有效率、更便宜，正常情況下犯的錯誤遠比人類少；但是隨著演算法漸漸掌握權力與獨立性，卻可能會出現意想不到的後果。利用演算法來了解使用者音樂偏好的網路廣播潘朵拉（Pandora）真如其名；在希臘神話中，地球上第一位女性潘朵拉得到一個美麗的盒子，宙斯警告她不准打開，但她終究還是開了，將罪惡散播到世界上，而唯一留在盒子裡的是「希望」。

擔憂演算法時代即將到來確有所本，但就像潘朵拉的教導：我們仍有許多懷抱希望的理由。演算法將為世界帶來不可限量的進步，例如更好的無線通信、更優質的電話客服、更美妙的晚餐約會、更先進的中情局情報系統，以及在癌症奪人性命前，更靈敏的追蹤方法。

有些演算法的起源可追溯至人工智慧的領域，這些演算法不一定像一九六八年的電影《太空漫遊》（2001: A Space Odyssey）中的機器海爾九千（Hal 9000, Heuristically programmed Algorithmic computer）那麼聰明且具備自我意識；但演算法是能夠演進的，它們觀察、實驗和學習，而且全都不受制於創造它們的人類。演算法運用機器學習和類神經網絡的先進電腦科學技術，甚至能依據觀察結果創造更新更好的演算法。演算法已經能夠譜出貝多芬作品般動人心弦的交響樂、以資深合夥人律師般的嫻熟度揀擇法律術語、比醫師更精確地診斷病人、運用老鳥記者的洗練筆調寫出新聞報導，還能開車馳騁在市區快速公路上，而且駕馭技術比真人更高明。

接下來，身為人的責任會是什麼？我們的就業狀況會變得如何？演算法在上述這些領域不會閒著，過去怪罪其他國家偷走的工作，如今被一堆堆沒有臉的程式碼抓在手裡。也難怪那些能操縱程式碼、做出演算法，讓大量資料飛快處理、讓上百萬頭像迅速辨識、完善處理幾年前難以想像的任務的這些程式設計師，如今最有希望出人頭地。

駭客：新帝國的建造者

「駭客」（hacker）在現代詞彙中似乎有兩種截然不同的定義，有些人認為駭客就是犯罪者，例如程式設計師闖入禁止進入的電子財產。自一九八○年代以來，人們將駭客描繪成一群打字速度極快的壞蛋，專門闖進政府的機密資料庫、銀行和各種不該去的地方。

但是，駭客在現代科技世界中反而帶有相反意味，本書將使用以下定義。照矽谷的說法，「駭客」是撰寫電腦程式碼的高手，能將白板上的概念輕易轉譯成能夠達成困難決定、股票交易、車輛駕駛、大學申請者遴選，或是和全世界最厲害的人打撲克牌的演算法。

雖然在本書中，演算法是故事核心，但是創造演算法的卻是駭客程式碼，它賦予演算法生命和對數百萬人的影響力，演算法背後的程式碼可能多達數千行，將數學函數連結到使用者的輸入信息，包括「是」／「否」的決策或是即時資料挖掘。世界各地有數百萬人有能力「駭」出一般難度的東西，例如一般網站或自動化電子郵件的程式，若想「駭」出革新的東西，孕育並寫出解決人類問題的巨大演算法，就需要具備特殊才能了。

我歷經一番波折後，才寫出這個演算法革命的故事。二○○二年，是我擔任工程師的最後幾個月，當時使用C語言編寫簡易的演算法，在那之後就沒有寫過什麼有意義的程式碼了。二○○三年，我的寫作癮頭發作，於是一頭栽進記者這一行。剛開始到《芝加哥論壇報》（Chicago Tribune），在新聞室專揀人家挑剩的工作做，從火災、凶殺案乃至企業報導都有。接著《富比世》（Forbes）雜誌的芝加哥分社竟然主動找上我，我自然而然地專攻起科技寫作，為了尋找報導題材，大半時間都在全國各地搜尋新公司和新典範。

老是跟年輕創業家和工程師混在一塊，精神也隨之振奮起來。期間，我遇到不少人離開穩定的工作或職涯正軌，試圖靠自己的力量創立公司、生產產品，而我也漸漸受到影響。多年來，我時不時惦念著「創業」這檔事，二○一○年秋，我跟史考特（Riley Scott）想出一個或許可行的點子，而後成立了Aisle50網站，提供日用雜貨品的特賣訊息供消費者購物前可先行查詢。成立Aisle50的期間我們申獲准加入矽谷的Y Combinator，這個組織專門幫助和輔導新公司跨出籌措資金以及與投資者聯繫等方面的第一步。

Y Combinator的夥伴們有不少在十四歲前就學會寫程式，到了大學（通常是菁英大學）已經能串聯數千行程式碼、創造穩定應用程式的關鍵組件，或在幾小時內搞定原創網站的設計。二○一一年夏我在那裡的三個月間，了解祖克伯（Mark Zuckerbergs）這號人物是怎麼被創造出來的：不是來自知性和技術的自發性爆炸，而是多年來盯著電腦螢幕，對程式碼的精通程度如同本能，就像資深文案編輯熟悉成語、標點符號和寫作風格那樣自然。

程式碼的設計師和演算法的寫手，是本世代最了不起的創業家，新帝國的建造者不再來自商學院，而是來自工學院和電腦科學實驗室。他們徹夜盯著程式碼運作，練就撰寫革新演算法所需的「駭客本領」，也造就不少持續成長的公司。有些建構出這些演算法的人沒念完大學或根本懶得去念，他們早在十五到十七歲時，就懂得把腦海中的想像化為真實。

如今有各種途徑讓年紀輕的人學習撰寫程式；無數多的網路社群和聊天室，專門探討程式碼的撰寫和演算法的建構。有一家在Y Combinator和我同一組的公司叫做程式學院（Codecademy），此精心設計的網站教人如何在線上寫程式，結果這個點子大受歡迎，推出後頭兩週就引來超過二十萬人使用，而在推出短短半年後，程式學院和白宮聯手推動電腦程式撰寫教育。由此可知，只要具備一身創造複雜演算法的本領，即使二十一歲的小夥子也能和美國總統稱兄道弟——這是現代生活的新現實。

Y Combinator只是一場運動的縮影。這場運動由年輕人發起，將演算法置入你我所做的每件事當中。過去幾十年間，這個族群的革命家帶頭創造出解決問題、賺錢的新方法以及搶走人類飯碗的演算法，而後者可說是來勢洶洶。本書將探討此現況的成因和未來的演變。

即使和短短五年前比較，今日雄心勃勃的機器人創造者可取得的資源多得驚人，而儘管寫出革新演算法並不容易，但難度正在逐步下降中，因此有能力創造出這些機器人的一流數學家、科學家和駭客前景一片看好。蓋茲趁零碎時間混進華盛頓大學實驗室使用電腦的傳說不再——因為沒有必要；現在要取得科技容易多了。

二○○九年末開始撰寫本書時，我的焦點和報導都圍繞在華爾街的演算法上。有一回我跟西北大學管理學院的教授班奈特（Bill Bennett）共進午餐，跟他提到我正在寫有關演算法如何主宰股市的書，比爾覺得不錯，然而，就在他把目光從眼前的腰果雞移到對街避險基金公司（磁星）所在的那棟大樓時，他說的話成了本書宗旨。「事實上，是演算法如何主宰一切。」他說。

比爾說得對。故事只是從華爾街開始，而後延伸到世界各地。

前言

二〇一一年四月初，加州柏克萊大學的演化生物學家艾森（Michael Eisen）上亞馬遜網站替實驗室買書。他要買的是勞倫斯（Peter Lawrence）所著的《蒼蠅的由來》（The Making of a Fly），一本探討蒼蠅如何從單細胞卵演變成一隻嗡嗡作響又能飛行的昆蟲的基因發展過程。儘管這本一九九二年出版的書現已絕版，它依舊在學界和研究生之間廣為流傳。艾森過去都是花三十五至四十美元左右的價格買二手書，但就在四月八日這天，他發現亞馬遜網站上的兩位老手賣家提供的全新二手書，標價比他預期得高出許多，分別是1,730,045和2,198,177美元。

艾...

前言

一、 華爾街，第一塊骨牌
最早，華爾街這個滿是利潤的地方吸引了最厲害的數學家與工程師。這些工程師以演算法改變了所有的交易方式，把每毫分的利潤全部吸走，並且幾乎沒有風險。從這片骨牌開始，演算法逐漸深入人類生活……

二、人類與演算法簡史
花拉子米、萊布尼茲、高斯、巴斯卡.白努利、尤拉、布林，這些數學家的智慧，逐漸累積成今日演算法的核心。要初步認識今日演算法的成就，必須認識這些大師。

三、演算法排行榜
演算法最難想像涉入的領域是什麼？人類創意世界？錯了，這些領域早就被侵入了。有自動作曲的演算法、有告訴你哪一部電影會暢銷的演算法、有指導你如何修改歌曲的演算法。當演算法也能夠做出最人性的創作時，人類的特殊價值在哪裡？

四、演算法的祕密捷徑：硬體的速度關鍵
除了數學本身，演算法的另一個關鍵是速度，僅僅零點幾秒的差異，就會影響華爾街上某一筆交易能不能被搶下來。為了爭取這一點點時間，美國人大興土木，從芝加哥到紐約挖出一條關鍵管線。

五、系統：跟你遊戲、對決或賭博
遊戲，原本就是演算法擅長的項目。從下棋開始，演算法的智慧一步一步進步，現在，撲克牌這種需要觀察表情、吹牛的複雜比賽，也難不倒它。

六、呼叫演算法醫師
醫學界是演算法快速成長的地方。腎臟配對、影像醫學的掃描、藥師演算法，以及所有的基因掃描分析，在演算法的幫助下，所有診斷都變得更快更準確。

七、人類分類
在美國軍方的發展下，經由問卷來判斷人的個性成為一門學問。而在演算法與大數據的合作下，這門學問開始在各種地方運用。當你撥去某個客服中心，很可能就先經過演算法的檢查，讓他們確定派一個最對你胃口的客服人員來與你交談，如此將省去大筆費用。

八、華爾街遇上矽谷

九、華爾街的損失是其他人的獲利
2008年後，金融危機讓最頂尖的數學家紛紛離開華爾街，走往矽谷，加入Google等這樣的大公司，或者其他新創公司。這股趨勢，讓演算法全力攻進各種日常生活，大幅改變生活樣貌。

十、未來屬於演算法及其創造者
註釋

前言

一、 華爾街，第一塊骨牌
最早，華爾街這個滿是利潤的地方吸引了最厲害的數學家與工程師。這些工程師以演算法改變了所有的交易方式，把每毫分的利潤全部吸走，並且幾乎沒有風險。從這片骨牌開始，演算法逐漸深入人類生活……

二、人類與演算法簡史
花拉子米、萊布尼茲、高斯、巴斯卡.白努利、尤拉、布林，這些數學家的智慧，逐漸累積成今日演算法的核心。要初步認識今日演算法的成就，必須認識這些大師。

三、演算法排行榜
演算法最難想像涉入的領域是什麼？人類創意世界？錯了，這些領域早就被侵入了。有自動作曲的演算...