1. AI技术正构建起全方位防护网

1.1. 银行借助异常检测技术拦截欺诈交易

1.2. OkCupid通过深度学习过滤不雅图片与不当信息

1.3. 医生借助监督学习预测心脏病风险

1.4. 相机推荐系统通过强化学习优化用户选择

1.5. 爱彼迎利用意图分析技术，识别投机性用户的不良行为

2. AI助力寻觅爱情

2.1. 对于大多数人来说，成年后，生活的重心之一便是寻找爱情

• 2.1.1. 人们对“爱”的理解，往往受生物学、历史、文化、宗教、经济学、社会学等诸多领域因素的综合影响

• 2.1.2. 人们对“爱”的认知，还受自身欲望、观点、需求、性格、情绪等因素的影响

2.2. 寻找爱情是人生体验中不可或缺的一部分

• 2.2.1. 无数的故事、歌曲、电影、艺术作品、书籍和戏剧，都围绕“爱”这一主题展开，其中既有寻觅爱情时的坎坷曲折，找到爱情后的欢欣，也有失去爱情后的痛苦

2.3. 寻找爱情的过程，大致可拆解为几个关键阶段，涉及一系列常见的活动

• 2.3.1. 人们会通过广撒网的方式来寻找潜在伴侣

• 2.3.2. 通过约会、相处、交谈等途径，对潜在关系进行探索和评估，判断双方是否适合

• 2.3.3. 每个人参加这些活动的方式或频率不尽相同，但无论你是谁，想要寻找什么样的伴侣，​“寻爱之旅”总是从结识新人、建立联系开始的

2.4. 在现代社交环境中，与潜在伴侣建立联系，往往意味着要在充满挑战的约会丛林中艰难前行

• 2.4.1. 在过去的30年里，科技已经深刻改变了人们的恋爱方式

• 2.4.2. 从互联网的普及到Web 2.0（第二代万维网）的兴起，再到社交媒体的蓬勃发展，以及AI驱动的智能手机约会应用的广泛使用，科技正深刻地影响着人们寻找伴侣、评估关系和建立浪漫关系的方式

• 2.4.3. 通过在线平台认识另一半的比例已经大幅攀升

2.5. 现代AI技术在在线约会中，首先致力保障我们的安全

• 2.5.1. 现代约会应用程序通过深度学习模型检测并删除不雅图片，甚至还能识别出可能预示未来骚扰行为的攻击性文本

• 2.5.2. Tinder等平台通过深度学习模型识别不雅图片、冒犯性文字以及仇恨言论，这些内容往往是未来骚扰行为的前兆

2.6. 为理解AI如何借助文本数据实现用户匹配或检测冒犯性内容，需要深入解析自然语言处理（NLP）的核心流程

• 2.6.1. 嵌入式技术

2.7. 通过深度学习方法发现这些潜在维度

• 2.7.1. 它们隐藏在数据之中，难以直接察觉

• 2.7.2. 只有当数据量足够大时，AI才能识别出这些维度

2.8. AI可以在“嵌入”的上下文空间中，丰富呈现用户的多维特征，为优质匹配算法奠定基础

• 2.8.1. 不仅拓宽了择偶的选择范围，还缓解了社会焦虑情绪

• 2.8.2. AI赋能的数字生态系统赋予女性力量，让她们能够“主动出击”​

3. AI驱动的在线约会的影响

3.1. 关于约会与技术的学术研究已经相当丰富

• 3.1.1. 在一定程度上是因为数字技术产生了大量可供研究的数据

• 3.1.2. 不同于酒吧等实体场所，线上平台和应用程序拥有内置的数据收集功能，能够详尽地记录用户的数据

• 3.1.3. 它们不仅能够记录点击次数、页面浏览量等基本信息，还能够捕捉到更高级的信息，比如用户浏览他人资料的时长等

• 3.1.4. 当这些数据乘以数百万的用户基数时，极具研究价值的行为数据库便形成了

3.2. 匿名性是在线约会平台的另一大特色

• 3.2.1. 借助计算机媒介，用户可远程观察潜在匹配对象，既保证了匿名性，又在一定程度上保护了隐私

• 3.2.2. 用户可以在正式见面之前筛选潜在伴侣，这种方式相较于在酒吧见面或朋友安排的相亲更加安全

• 3.2.3. 异步交流方式为用户提供了更充裕的回应时间，对于那些有社交焦虑的人来说，他们可以更从容地塑造自己的形象，精心组织言辞，展现出更积极的自我

3.3. 相较于互联网时代前的婚介服务（包括朋友、家人或同事介绍的相亲）​，AI赋能的在线约会承诺提供更优质的匹配

3.4. 在线约会的另一大吸引力在于，它能够减轻个体在社区和社会交往中遇到的某些社交障碍

• 3.4.1. 去抑制效应的影响十分显著

3.5. 当去抑制效应引发网络暴力、欺凌、跟踪等不良行为时，它是有害的

• 3.5.1. 但在寻找爱情的过程中，通过匿名实现的去抑制可能带来更积极的影响

• 3.5.2. 现实生活中的社交障碍可能会阻碍人们追求被视为禁忌的关系，如跨种族恋或同性恋，但线上环境和匿名搜索功能却有助于减轻这种社会污名，促成那些在现实生活中难以形成的配对

3.6. 近年来，在线约会从最初的新奇事物快速演变为一种主流现象

3.7. 元宇宙虽然尚处于起步阶段，但可能成为下一个约会的前沿领域

4. 匿名性的影响

4.1. 匿名性和线上约会的研究就是典型的例证

4.2. 在现实世界中，筛选潜在对象时几乎无法做到匿名，但在网络世界里，匿名不仅成为可能，而且长期以来都是社交网络产品设计的一部分

4.3. 约会平台可能将匿名性当作一大卖点，鼓励用户线上寻觅爱情，帮助他们避开社会的审视目光

4.4. 匿名性降低了搜索成本，从而引发了去抑制效应

• 4.4.1. 用户无须顾虑他人会如何解读或评判自己的浏览行为，甚至不必担忧重复访问可能被视作“跟踪”​

4.5. 在社交互动中，匿名性可能会干扰信号传递机制，从而对匹配过程产生负面影响

• 4.5.1. 特别是匿名性会隐匿用户行为，这可能会破坏在线约会中建立有效沟通的社交信号机制

4.6. 在线约会的场景中，​“主动出击”通常指的是主动发送消息，开启对话

• 4.6.1. “弱信号”是指“谁浏览了你”这一功能

• 4.6.2. 传递弱信号与成功匹配结果之间存在因果关系

• 4.6.3. 借助弱信号表达兴趣的方式，为双方的成功匹配创造了条件

• 4.6.4. 在现实世界中，弱信号很难被捕捉到

• 4.6.4.1. 在现实情境中，最接近“谁浏览了你”这一数字信号的可能是微妙的调情行为

4.7. ​“谁喜欢你”功能对于男性寻找匹配对象也是有益的

5. 照片、游戏化与身份验证重塑约会场景

5.1. 移动约会应用的兴起，为传统婚恋网站增添了新功能

5.2. 用户能够随时随地通过智能手机查看约会对象的信息，推送通知功能增强了用户黏性

5.3. 大多数在线约会网站采用了类似电商的“购物”界面，将用户按照身高、体重、收入等可搜索的属性进行分类，如同商品一样，供其他用户筛选

• 5.3.1. 浪漫吸引力的判断通常基于默契、幽默感等主观感受，当用户被迫依据收入、宗教等客观属性去筛选潜在伴侣时，失望在所难免

5.4. Tinder

• 5.4.1. Tinder的界面设计则聚焦于外貌吸引力等直观感受

• 5.4.2. 游戏化是移动应用成功的公认要素，Reddit、Snapchat等热门应用均采用了这一策略

• 5.4.3. Tinder区别于其他平台的另一个关键因素是强制绑定脸书账号，以此为简洁的个人资料提供认证机制

• 5.4.4. Tinder规定用户不能直接通过手机上传照片，所有图片必须源自现有的脸书或Instagram页面

5.5. Bumble

• 5.5.1. 以女性为中心的在线约会体验，充分考量了女性用户的需求

6. AI改善人际关系

6.1. AI正以多种方式促进陌生人之间的人际关系和谐

6.2. 自然语言处理早期的应用之一是对产品评论进行分类，将其标记为正面、中性或负面

• 6.2.1. 本质上属于监督学习分类问题

6.3. AI能够理解段落开头和结尾词语之间的联系，并对后续生成的词语进行相应调整

6.4. 数字平台、应用程序和AI更多时候能激发人们的善意，而非恶念

• 6.4.1. 简单的锤子，既能用来搭建房屋，也能用来拆毁高墙

6.5. 主流媒体缺乏对积极叙事的关注，这也许是因为人类天生就容易受到负面偏见的影响，抑或是因为末日论调能带来更高的收视率和点击量

• 6.5.1. 遗憾的是，恐惧和负面消息总是更能博人眼球

6.6. 历史经验告诉我们，任何一项技术都可能产生积极、消极或者意想不到的影响，尤其是在技术刚刚兴起，人们还在适应新变化的阶段

• 6.6.1. 新技术的出现常常引发部分群体的焦虑和担心

• 6.6.2. 如今，数字平台、应用程序和AI正面临类似的质疑，引发新一轮的恐慌

6.7. 对于爱彼迎、优步、来福车、任务兔等撮合个体服务交易的平台而言，用户之间的信任始终是核心命题

• 6.7.1. 爱彼迎、优步、来福车、易贝、Etsy（手工艺品在线销售公司）以及任务兔等数字平台，构建起了全新的点对点服务网络

• 6.7.2. 凭借这一网络，个体之间能够直接获取多样化的商品与服务

• 6.7.3. 它们的影响力在我们周围持续彰显，各类交易、交换与互动活动正以指数级的速度增长

6.8. 个人电脑、数据库技术、在线支付与社交媒体的发展，使评价话语权从行业权威下沉至普通消费者手中

6.9. 如果缺乏有效的信任机制，人们可能更愿意选择信誉可靠的本地实体店，而非冒险在网络上与陌生人交易

7. 爱彼迎

7.1. 爱彼迎并非房屋租赁的开创者

• 7.1.1. 几百年来，人们早已通过各种方式与熟人或陌生人共享居住空间

• 7.1.2. 从寄宿公寓、青年旅舍到民宿客栈，房东与租客之间对信任的需求，自古有之

7.2. 爱彼迎的智能定价算法

• 7.2.1. 基于监督学习模型的后台工具，能够依据所选价格和多种因素对需求进行预测

• 7.2.2. 不仅考量床位数、浴室数、设施及电器等硬件属性，还能通过图像分析量化软装溢价，同时纳入季节性波动、竞品定价、预订提前期等变量

• 7.2.3. 爱彼迎智能定价算法的日常价格优化功能，减轻了拉维夫妇的管理负担，使他们在印度探亲期间能全身心地陪伴父母，而拉维的父母也可在闲暇时接待来自全球的旅客

7.3. 房客带来的不仅是经济收益，还是一扇通往世界的窗口

7.4. 常见的对话内容包括协调入住的到达时间、表达对额外服务（如清洁频率）的偏好、在预订前咨询泳池或餐厅等各类设施的情况，以及在少数情况下试图绕过平台，私下进行交易的不良意图

• 7.4.1. 隐含狄利克雷分布（LDA）等无监督模型便大显身手

7.5. 媒体常报道其对非房东住户产生的所谓负面影响

• 7.5.1. 指责短租客制造噪声，举办派对，导致停车混乱，破坏了社区的宁静

7.6. 爱彼迎通过高级文本分析技术，主动审核预订前的聊天内容，为双方筑牢安全防线

7.7. 爱彼迎的信任机制继承并发展了易贝开创的模式

8. 透明度催生的歧视问题

8.1. AI算法正系统性地减少平台上的歧视性行为

• 8.1.1. 虽然信息透明化有助于构筑用户信任，但也可能诱发个体使用者的歧视性行为，这种现象在爱彼迎、优步等平台都有发生

8.2. 人性并不总是如此美好

8.3. 信息透明度在增进用户信任的同时，也可能让某些个体在使用平台时出现歧视行为

8.4. 优步因歧视问题屡遭主流媒体抨击

• 8.4.1. 为消除姓名引发的歧视，优步允许乘客在应用中修改姓名

8.5. 歧视现象也可能反向存在

8.6. 如果用户在平台遭遇歧视并在社交媒体传播负面体验，轻则损害品牌形象与估值

8.7. 严峻的结果是，如果平台不加管控，任由歧视行为蔓延，少数族裔用户可能遭受更严重的不公平待遇

8.8. A/B测试并非新事物，但相较于科学和医学领域，其在服务与产品设计领域中的应用相对较晚