在算法當道的時代，一家圖書館卻選擇推出人工推薦書目服務。這是逆流之舉嗎？人力or算法，誰是我們擴大視野的良師益友？
最近，我收到一封來自布魯克林公共圖書館的訂閱郵件，內容是推薦一款名為BookMatch的新服務，當時我的心情可謂喜憂參半。
喜的是，這個創意很贊。我只需要填寫一份簡短的網頁表格，讓圖書管理員對我的閱讀期望和閱讀喜好有所了解，對方就會根據我的興趣與品味，回信提供5項量身定製的推薦書目。憂的是，我竟然如此高興。
千百年來，圖書管理員與讀者面對面交談，為我們推薦適宜讀物。但不知不覺，我早已習慣了把書目選擇權交給亞馬遜的推薦引擎，任由Netflix的雲端計算機判定我的內心需求，任憑Facebook出於一己私利幹涉我的主頁動態消息。而一個活生生的、與我非親非故的人（還是書籍專家！），竟想為我的閱讀選擇出謀劃策，聽來似乎又神奇又創新？而且竟然還是通過郵件的？！
為這個古老新創意激動不已的讀者不止我一人。「8月22日。BookMatch發布的日子深深印在我腦海裡。因為當天，我們收到了無數請求。」布魯克林公共圖書館負責拓展服務的管理員艾米·米克爾（Amy Mikel）回憶道。
新服務涉及大概40名分支管理員，在完成日常工作的同時，他們必須滿足讀者的BookMatch請求。事實上，發布當天，這項服務就被成千上百封請求表格擠垮了。原計劃的一周變成了數周，員工才得以逐一回復積壓成堆的請求郵件。來函的讀者各不相同，有正在籌備校園反欺凌讀書俱樂部的母親，也有人只是想知道「下一本《消失的愛人》（Gone Girl）會是什麼？」
布魯克林公共圖書館給我推薦的科幻書目一覽
撇開等候時間不說，兩周後，我收到的不是5本，而是6本經過深思熟慮（根據我的請求）而挑選的文學科幻小說，皆出自我從未接觸過的作家。我對書目很滿意，倒不是說我已經閱讀了，而是單單知道書目背後的創造者是一個活人，就夠令人感動了。這些書確實會是我的心水之選，而給我回信的館員艾米麗·希斯（Emily Heath）甚至還在我的網上圖書館帳戶裡附上一份卡片目錄連結列表，方便我輕鬆快捷找到並借閱書目。
以下是希斯的推薦例子之一：
《此外》（Among Others），喬·沃爾頓（Jo Walton）著：此書包含了幻想、科幻小說和成長的元素，講述一個威爾斯少女在雙胞胎姐妹離奇死亡後被送到寄宿學校。莫文娜（Morwenna）堅信她的母親——一個法力強大的女巫，就是殺死姐妹的兇手，而她必須阻止母親再次行兇；與此同時，女子學校的同學們不太友好，莫文娜交不到朋友，只能沉浸在她能找到的每一本科幻小說裡。（我選擇這本書，不僅因為它引人入勝，還因為莫文娜在其中列舉討論了幾本她最愛的科幻經典，所以這本書本身也算是個推薦書目！）
布魯克林公共圖書館並不是推行在線書目推薦系統的第一人。舉個例子，西雅圖公共圖書館也有類似的「Your Next Five」服務。值得注意的是，公共圖書館竟選擇將匱乏的資金預算投入此類服務，尤其是在不少基礎服務實現了自動化的前提下，實屬難能可貴。（根據指示，管理員處理每項請求的時間不得超過1小時；米克爾指出，平均時間一般為30—40分鐘。幸好，現在的新請求數量較推廣之初已經趨平，每天也就幾封郵件。）
「幾年前，公眾普遍擔憂圖書館會被淘汰。現在我不這麼看了。」米克爾說道。其實，全美各地的圖書館早已踏上了追求創新的徵程。「諸如此類的新服務絕對能夠證實這一想法。」
早在計算機誕生之際，人類專家對戰機器算法之爭就開火了。戰場無處不在。但推薦一本讓我花時間閱讀與思考的小說，要比推薦一雙鞋來得私人。因此，米克爾相信，BookMatch能夠觸及讀者的內心。「這一點我們早就知道了，圖書推薦包含許多特殊因素，是無法人工生成的。」她指出，「你喜歡某本書和他人喜歡同一本書的原因可能截然不同。」
顯然，圖書館員們相信，人類的品味與判斷力還未過時，即便自動化算法逐漸深入我們所使用的媒體，包括新聞、書籍、音樂或電影等。但是，圖書專家的個性化建議是否比亞馬遜的機器推薦更勝一籌？後者14年來的主頁編輯可從未動用過人力。我對BookMatch服務的正面看法很有可能只是出於純粹的懷舊感傷罷了。
好讀網自動生成的科幻推薦書目
以上問題的答案是主觀決定的，對錯或許根本無法評估。為此，我嘗試登錄亞馬遜旗下的讀書社區網站「好讀網」（Goodreads），根據其個性化推薦系統要求，為至少20本書評了分，要求它據此展示科幻小說推薦書目（詳見上圖）。一看結果，我就知道得多評幾本書才能改進推薦，好讀網也是如此建議的。
第一輪推薦似乎過多地受到了我對非裔美國女性主義科幻小說作家奧克塔維亞·巴特勒（Octavia Butler）的正面評價所影響[比如《暗物質：非裔作家百年推理小說》（Dark Matter: A Century of Speculative Fiction from the African Diaspora）與《地球之女：20世紀女性主義科幻小說》（Daughters of Earth: Feminist Science Fiction In The 20th Century）等具體推薦]。很快我還發現：假如我願意不停給圖書打分，好讀網就會不斷推薦書目，持續改進結果。讀者很容易被這繁雜的信息所淹沒。
說到人力與算法之間的差異，乃至在幫助人類過濾浩瀚文化宇宙方面兩者所具備的優勢與不足，我的經歷僅僅觸及到了一點皮毛。也許最有趣的是，我因此意識到，人類與機器之間的界線比通常描繪的要模糊得多。舉個例子，不少BookMatch管理員都會在一開始使用算法分析及推薦軟體，比如NoveList程序。他們從來信中挑選符合自己專業領域的問詢（比如科幻小說或者兒童讀物），然後加上個人發揮。正如米克爾所說，他們努力尋找線索，用心傾聽「讀者的想法」。即便是BookMatch的回覆郵件，包括希斯發給我的郵件，通常也都是經過管理員編輯與定製的腳本。「我們真心希望，郵件的語氣能夠像某一位特定的管理員所發出的，而非千篇一律的答覆。」米克爾說道。
另一方面，好讀網的算法推薦是基於網站讀者活動的數十億次觀察結果，力圖根據海量用戶數據捕捉不同書籍之間令人意想不到的聯繫。
而他們的目標，據好讀網工程副總裁布萊恩·派西維爾（Brian Percival）所說，是「為讀者提供新穎奇妙的推薦體驗」。然而，機器算法也必須經過大量調整。他解釋道，這款軟體懂得不能推薦太過明顯的選擇，比如你剛剛讀過的同一作家或同一系列。它還必須考慮到「哈利波特效應」，即橫跨大批讀者群的暢銷圖書可能會引起系統混亂。此外，它對特定類別的書籍推薦效果更好，比如話題非小說讀物；而其他書籍，比如非英語語言小說（兩名法國讀者都選擇了法語讀物，並不代表他們會喜歡同類型的書籍），則命中率較低。
此平臺還擁有非算法的找書功能，擴展性很強，也十分實用：用戶可向好讀網友鄰諮詢讀書選擇，瀏覽閱讀社區創建的書目庫，並向好讀網3000萬讀者徵求推薦書目。（我嘗試了後者，一天之內就收到了6個回復。）「機器與人類之間的活動是息息相關的。」好讀網運營副總裁鍾奎植（Kyusik Chung）指出，「機器使用了大量人力，而人類利用機器數據生成自己的推薦結果。」
那麼，BookMatch服務與亞馬遜或Netflix之間真正的區別，更多在於動機而非途徑。一個是為了盈利，而另一個不是。兩者都希望推薦讀者喜歡的書目，但商業動機是賣出更多的圖書，這背後的算法對讀者而言是不透明的。哈佛大學圖書館創新實驗室聯席主任大衛·溫伯格（David Weinberger）指出，圖書管理員對讀者是「毫無保留的」，而且常常努力放大讀者的利益，擴展其世界觀。
「假如你是亞馬遜，你會推薦讀者喜歡的書，吸引回頭客。如果讀者已經讀過《消失的愛人》，亞馬遜可能會竭盡全力，尋找並推薦與其十分相似的書。」溫伯格說道。「而圖書管理員或許會推薦與《消失的愛人》類似的讀物，但同時可能也會推薦不太一樣的書，讀者不喜歡的風險也更大。」
那麼，這或許是管理員服務讀者的終極價值所在，無論是通過規模有限的人力BookMatch抑或自動化推薦引擎。（眼下，哈佛大學圖書館創新實驗室向開發人員開放了內部數據，供其編寫相關軟體。）
「下一本書該讀什麼？答案不僅僅是閱讀門檻最低的書。」溫伯格說道，「圖書館最大的美德之一，是心懷讀者利益。但這並不意味著人力絕對勝過機器算法。」
看來，我不得不翻出布魯克林公共圖書館的推薦書目讀一讀了。唯一的問題是什麼呢？搬到布魯克林一年了，時至今日我還沒去領取借書證。不過，這是圖書館面臨的另一個難題了。
文｜Jessica Leber 編輯｜郭江濤
快公司（微信號 FCChinese） 授權發布，轉載請聯繫快公司
做書，關於書的一切。
微信號：ipublishing 微博：@做書
聯繫郵件：ipublishing@qq.com
回復關鍵詞查看對應內容：
關於做書｜入行指南｜經驗之談｜吐槽｜轉行案例｜編輯手記｜出版人｜沈昌文｜張立憲｜劉瑞琳｜黃明雨｜王思迅｜汪家明｜劉景琳｜安德列·西弗林｜胡曉東｜姜峰｜左志堅｜設計｜原研哉｜朱贏椿｜聶永真｜楊林青｜王志弘｜佐藤可士和｜ 書店｜誠品｜PAGEONE｜先鋒｜彼岸｜方所｜吳清友｜錢曉華｜劉蘇裡｜鍾芳玲｜營銷｜文案｜微信運營｜微博運營｜ 發行｜運營管理｜ 大數據｜ 數字出版｜kindle｜豆瓣閱讀｜拇指閱讀｜ 知乎｜眾籌出版｜網際網路｜電商｜噹噹｜亞馬遜｜ 暢銷書案例｜出版研究｜出版觀察｜行業數據｜書單｜書評｜招聘｜
▼點擊閱讀快公司微信推送，快捷關注