算法的本质
算法到底是什么？在算法科学家眼里，这个问题很简单，算法就是有输入、有输出的解决问题的计算步骤。可记住这句话你就懂什么是算法了吗？并没有。
所以说，我们想讨论的其实并不是“算法是什么”，而是“什么是算法”。
请注意，这两者是有区别的，前者告诉你一个知识，给你一个算法的定义。后者带你理解算法，让你识别出计算机做事与人类做事的核心差异。理解了这个核心差异，我们自然就懂了算法是什么。
1 算法对明确性有极其严苛的要求
什么是算法。要理解这个问题，我们要先追问，计算机做事与人做事的核心差异是什么。咱们来看这么一个案例。
有一位特别厉害的媒婆，王婆，牵线搭桥的成功率特别高。隔壁村的赵婆听说之后，来跟王婆取经。
王婆告诉她，“我给人介绍对象就看四要素：双方离得近不近，年龄相差大不大，爱好匹不匹配，性格合不合得来。这几条大都满足就合适。其中性格最重要，只要性格合得来，其他条件可以适当放松。”
赵婆学完，果然牵线搭桥的成功率显著提升。
王婆的孙子是程序员，他跟王婆说：“您把方法告诉我，我给您写一套算法，自动匹配，不用挨家挨户跑去看了。”王婆听了高兴坏了，这孩子太有出息了，于是把这四要素如数家珍似的讲了一遍。
结果，王婆的孙子很失望，“您这四要素不是算法，计算机实现不了，要不您再想想？”
这“四要素”明明帮赵婆也提高了业务能力，为什么不是算法呢？算法要求有输入、输出、计算过程，这“四要素”方法也有啊。这输入是男女生的住址、年龄、爱好、性格四个维度的信息，然后做匹配计算，输出就是匹配的人选呀。
问题出在，这“四要素”的方法不够明确。是输入也不明确，计算过程也不明确。
就拿离得远近来说，表面上看很明确，输入双方住址，计算距离呗。但就算你把经纬度都要来，也解决不了“近不近”的问题。
我们来分析一下，多近算近？方圆几十公里算近吗？你可能有过这样的经验，住在市中心，3公里以外都懒得去，嫌远。住在郊区呢？10公里，开车也就一脚油的事，都算近。所以，什么叫近，不明确。
其次，离谁近？是男生和女生的家？还是包含工作地点？如果有好几套房子呢？怎么算？这也不明确。当出现多个地点，多个距离，怎么处理优先级呢？也不明确。
你可能想，有这么复杂吗？的确，王婆亲自来干，或者教给赵婆，都没这么复杂。但要交给计算机来干，那对不起，这些问题必须明确，一个都不能少。
你看，这就是算法和人的核心差异，人做事可以接受一定程度的模糊，算法却对明确性有极其严苛的要求。
再拿我举个例子。做鱼香肉丝按照菜谱做菜就是执行一套算法。
听起来是这样，做菜也是有输入和输出的计算过程。鱼香肉丝要输入猪肉、泡姜、木耳，要猪肉切丝、盐少许、酱油少许。烤蛋糕要输入15克黄油，30克面粉，要放进200度烤箱，烤20分钟。
但你仔细回忆一下，鱼香肉丝的辅菜稍微有点变化，或者换个人做，味道可能就不一样了。但烤蛋糕只要严格遵照菜谱，谁来烤都一样。所以从这个角度来说，鱼香肉丝的菜谱不是算法，烤蛋糕的才是。因为烤蛋糕的菜谱可以无数次复现，谁来干都一样。
到这里总结一下，算法要求极其明确。当一个解决方案足够明确，必然可以让这个算法无数次再现，同一个算法，相同的输入必然可以得到相同的输出。不会因为执行的计算机不同、人不同，就导致不同的结果。
能不能复现也是我们衡量明确性的标准。当你有一个问题要交给算法解决，就要不断明确每个细节，保证算法执行之后能够复现。所以本质上来说，算法就是一套通过确定性保证解决问题的工具。
2 模型化是算法优势的本质
好，算法需要明确，可只靠严苛的明确性，就能叱咤人类社会吗？
你可能有这样的感觉，算法在今天已经侵入我们工作和生活的方方面面了。找对象，可以上王婆的红娘系统；想网购，下单一个保温壶，购物网站会一直推荐保温壶；想看电影，搜索一个《风声》，各种谍战片扑面而来。
算法是靠什么优势，成功“入侵”人类社会的呢？我的答案是，模型化。你可能不会想到，刚才那些看起来完全不相关的程序，背后可能是一套算法。
什么叫模型化？简单来说，模型化就是对不同的问题，用同样的方式来看待，用同一套算法来解决。
购物网站、搜索引擎，没有“红娘四要素”这个理论，甚至还需要调用不同行业的背景知识，但数学模型可能完全是一样的。
比如，在红娘算法中，人与人之间的匹配分数，可以被看成是一个“距离”问题。匹配度高，距离近；匹配度低，距离远。距离，可以定义人和人的远近，也可以定义商品和商品的相关性，可以定义搜索词和电影之间的相关度。
表面上，这是红娘牵线问题、商品推荐问题、搜索引擎问题，但在算法工程师的眼里，这全是“距离”问题。这就是模型化。模型化最大的价值，就是赋予算法超乎寻常的问题迁移能力。
我看过一个这样的研究，慕尼黑工业大学用算法预测《权力的游戏》的剧情。你看过这部美剧肯定知道，剧中人物常常意想不到就送命了。这谁活谁死，能预测吗？还真别不信，这个团队在最后一季上映之前就预测，龙妈是所有角色中最可能活下来的。
正确与否，咱先不论，就说说这个团队预测用的模型。他们用的是保险公司的寿命预测模型，是不是又出人意料，又合情合理？保险公司分析的什么？是人的寿命和性别、遗传病史、是否吸烟等等之间的统计关系。而剧情里同样包含了角色的寿命和他们所处的家族、配偶、联盟信息等关系。
脱去现实描述，里面隐藏的是就用多个变量来估计一个目标变量的统计预测模型。
你看，模型就是一个问题脱去现实描述外衣之后的逻辑内核。同样一种逻辑内核可以在不同的问题中穿梭，来描述不同的现实关系。正是这种穿梭的能力，让算法能在不同领域中快速迁移。
3 算法没有好坏之分，背后都是人的思想
你可能也听到了一些不同的声音，算法带来了歧视、排斥、不公平。怎么有的算法“好”，有的算法“坏”呢？我想给你送达的最后一个认知是，算法没有好坏，背后都是设计者的思想。
咱们还是从一个案例来讲。机器学习领域有一个很经典的算法，叫K临近算法，在解决分类问题上很好用。比如，在做肿瘤活体实验之前，用K临近算法可以通过肿瘤的特征信息，判断它是良性的，还是恶性的。
那具体K邻近算法是怎么实现的呢？我们每看到一个新肿瘤，就把它的特征和数据库里和它最相近的那几个肿瘤进行比较。比如说，有10个最相近的，里面8个是良性的，2个是恶性的。于是医生可以预判，患者有20%的可能性，得的是恶性肿瘤。
同样一套算法，也被用到对简历进行评分上。结果，申请人的性别成了影响预测结果的主要因素。同样的简历内容，把名字改成男性的名字，算法就给出高分，改成女性，得分就较低。这是赤裸裸的歧视啊。
同一套算法，怎么一会“好”，一会“坏”呢？
其实，如果你把这套算法再用回到肿瘤的预测，也可能有类似的问题。把患者的性别从女性改成男性，那么预测出是恶性肿瘤的概率也会高一些。因为男性得癌症的几率高一些，这时候，我们不会认为算法歧视吧。
在算法抽象模型的迁移当中，我们能接受肿瘤预测中的“歧视”，但容忍不了简历筛选中的“歧视”，这是算法出了错吗？不是。问题出在了，应用K临近算法的算法设计者对问题的理解上面。
K临近算法认为，要预测的数据和已有的数据在分布上是类似的。也就是说，在诊断肿瘤的时候，数据库中的男性更容易患癌症，那么预测的时候，男性患癌症的概率也更高。
但在简历预测的问题中，这个假设就不一定成立，或者说不应该成立，可能过去职场就存在歧视，又或者采集的数据中男女性别不平衡出现了问题。
不是算法错了，只是在不同场景里，我们需要的价值偏好和设计思想不同。
所以，不要对算法评判对错、评判好坏，算法的模型只是人思想的体现，如果算法出了问题，请回到人身上找问题。
算法永远不会完美，在这里，借用统计学家乔治·博克斯的一句名言：“所有的模型都是错误的，但有些是有用的。”算法也一样，没有好坏，有用就好。
