下週一，將可能是最後一次 LikeCoin 社群線上會議。為提高大家參與的動力，增加事後回播的樂趣，我正考慮把每月會議改為 podcast 錄音，如你對此有意見，或想拯救即將被取替的原有模式，請參與社群會議，分享你的看法。
時間：2026.05.04（一）台港時間 18:30
地點：meet.google.com/ndv-fbfx-cat
「神奇的演算法，請問哪裏的奶茶最好？」
打從臉書還流行的年代，就經常有人用這種口吻跟演算法對話。
起初，大家都明白那只是戲言，是擬人法，帖文的真正意思是請看到的朋友推薦奶茶，社交網絡是人與人互動的地方。
然而十幾年後，用戶已經忘記了那是修辭，越來越把這種句式內化，把演算法當人辦，去年底更「修成正果」，讓 Meta 把這句式接住，推出實驗性功能「Dear Algo」，開宗明義讓用戶跟演算法對話。
到底演算法是什麼，跟 AI 又有什麼關係？以下談談我的見解。
Bob 的食譜
在很久很久以前，我在馬料水大學主修計算機工程，那是傳統大學的傳統學科，核心必修課包括 C 語言、數據結構（Data Structure）、作業系統（Operating System），和今日我們經常掛在嘴邊的演算法（Algorithm）。
粗略而言，「演算法」就是解決特定問題的方法與步驟，廣義來說，食譜就是一種演算法，解決的問題是要煮出某道菜。然而，對於唸計算機的大學生，「演算法」的定義比較精準，指有限、明確、可執行，用以解決特定問題的指令序列。
舉例，假如有一本黃頁電話簿（古早臉書），而你要在裏頭找出「John Wick」的電話號碼，最符合直覺的演算法是線性搜尋（Linear Search），即從最前面的「Aaron Au」開始，一個一個往下找，直至找到為止。這個演算法可行，但有點笨。
比較快的方法，是從中間的條目開始跟目標比對，如「Nancy Chan」後於「John Wick」，則在前面再切一半，即位於 25% 的條目比對，以此類推，直至找到目標。這種較聰明的演算法，稱為二分搜尋（Binary Search）。
傳統意義的演算法，無論是步驟、輸入還是輸出，都清清楚楚，毫不含糊；首先用戶清楚定義問題，然後程式員設計解決的步驟，再由用戶提供輸入，最後演算法產生特定輸出，每一個細節都有跡可循。
Carol 的眼睛
試想像，經理 Alice 要求 IT9 Bob 在一萬張相片中，找出當中有貓的。
作為經理，Alice 自問已把問題定義得一清二楚，但對於 Bob 來說，這需求卻非常含糊，要怎麼告訴電腦何謂有貓？貓要如何定義？然而若 Bob 找 Alice 釐清需求，大概會被裁吧。
有趣的是，假如真的被女兒 Carol 問到什麼是貓，Alice 會發現，她雖然懂得分辨，但要向 Carol 解釋，卻說不出所以然來。四條腿、全身有毛等條件，無論多麼鉅細無遺，都沒法有效讓 Carol 學懂分辨貓，要不是寬鬆得把狗也當成貓，就是嚴謹得認不出睡成一團的「貓球」。神奇的是，只要提供一系列照片作為例子，指出哪些有貓、哪些沒有，Carol 卻能快速掌握辨別的竅門。
事實上，我們每個人都是這樣過來的，這是人類的學習能力，也是人類賴以自豪，遠勝於電腦的技能——直至近年 AI 成熟，人類赫然發現，我們不是什麼。
同樣是在我唸書那個古早年代，AI 並非如現時般，泛指各種讓電腦顯得很聰明的科技，而是有著嚴謹得多的定義，必須包含機器學習（Machine Learning）的元素。機器學習賦予電腦人類的能力，學懂解決那些沒法定義清楚，什麼演算法都解決不了的難題；今時今日，「找出有貓的照片」對電腦來說只是小菜一碟，不是因為我們學會清楚定義問題，而是電腦透過機器學習，以極大量的例子，像個小孩般學懂如何分辨貓。
Alice 的盲盒
讓我們再來想像，Alice 後來去了 Meta 帶領 Threads 團隊，向 Bob 要求在數億訊息中，生成出最能讓用戶上癮的一串「資訊飼料」（News Feed）。
跟以往一樣，Alice 只知目標是令用戶上癮，卻沒法詳述相關特質，於是 Bob 透過 CLS（Comment、Like、Share）等數據，嘗試篩選，這就是社交媒體初期的演算法。在這階段，演算法還是古早的意思，有著明確的邏輯與條件，特定輸入就會產生相應輸出，只要調整演算法，程式員和用戶都能精準篩選資訊。
然而，隨著 AI 變得異常強大，即使 Alice 說不清需求，Bob 依然能透過 AI 篩選出最令人上癮的資訊飼料，圈養用戶。「演算法」一詞被沿用，泛指社交媒體篩選資訊的方法與邏輯，但意義已經改變，傳統演算法是 Bob 寫給電腦的食譜，每一步都看得見；AI 時代的演算法卻是 Bob 訓練出來的黑盒廚師，連 Bob 自己都說不清為什麼這樣調味，更遑論是用戶。
到了這個階段，我們對於演算法，除了知道一定會滲入廣告，可謂毫無頭緒，即使專家和網紅，都全是猜想。諷刺的是，越來越多用戶樂於蒙在鼓裏，不但沒想要查看資訊的營養標籤，甚至開始享受開盲盒的樂趣了。
沉迷社交媒體的用戶，以為自己在吃日式精品 Omakase，支付高昂費用讓廚師發辦，嚴選食材，用心烹調；忘了其實是不斷在免費吃美式垃圾食物，連鎖快餐店既然不收分文，當然也就不會講究品質，營養方面倒是可以放心，資訊飼料含有豐富多巴胺，保證讓你吃得津津有味。
Dear User，這就是演算法。
p.s. 演算法的另一大災害，是讓部分食肆逼爆，同時值得支持的小店水靜鵝飛。有時被逼爆的店舖平平無奇，只是受到小紅書眷顧；又有些時候，受眷顧的餐飲確實出色，但被逼爆後無論食物和服務都大失水準，再也回不去以前。生活在香港，避開演算法，發掘獨立小店，是吃得好過得好的基本技巧。