昨天在唱片店意外看到一九七零年代的日本（华裔？）吉他手陈信辉的专辑《Shinki Chen》，这是一个在实体店的帮助下「发现内容」的好例子。
如何依靠推荐算法帮用户发现新的内容，是各种内容创业者最头疼的问题。如今人工智能热门，想必很多人又动起了脑筋。本站的长期读者大概知道我并不信任推荐算法，也一直坚信实体店更能帮人找到视域以外的东西。不过几年来断续有做技术的朋友和我探讨推荐算法未被挖掘的潜力，对此我也持开放态度。以下简述我在实体唱片店发现这张完全没听说过的专辑的心理过程，权当为推荐算法的产品经理提供一点参考。在每一步心理活动之后我都增添了注释，用以说明问题的复杂性。
一、在一堆一九七零、八零年代日本摇滚唱片中见到华人名字，引起初步兴趣。（注：这里我的兴趣并不在于中国或华裔音乐家，而是「某国音乐运动中活跃的少数外国音乐家」。比如假设意大利前卫摇滚领域有一个泰国人，我也会很想听听她的作品。）
二、封面有迷幻摇滚风。（注：我并不特别喜欢迷幻摇滚，但华裔 + 迷幻摇滚则具有较高的新奇价值。）
三、这家唱片店以售卖前卫摇滚（progressive rock）唱片著称。（注：我是前卫摇滚的乐迷，这是本次发现内容过程中最直接了当的一个因子。简单来说，如果有东西能被打上 #progrock 的标签，我就会想看看。）
四、唱片中的曲名也的确有前卫摇滚风，例如「Requiem of Confusion」让人想起 Novela 的《青之肖像》英文标题 Requiem，「The Dark Sea Dream」也能让人闻到前卫摇滚特有的中二味道。（注：这里已经进入了关系非常弱、也非常私人的自由联想领域。《青之肖像》晚于《Shinki Chen》，两者的风格也相去甚远。如果这个因子能被当作标签，它的适用范围可能也不会很广。）
五、唱片侧标上的溢美之词也起到了一定作用。它让我猜测这是一张绝版多时，在某个圈子里千金难求的专辑。（注：这一点和音乐的好坏无关。从常理来说似乎可以为这个因子打上 #cultclassic 的标签，但这个标签对我个人来说意味着良莠不齐，对于购买决策的权重不一定很高。）
如上所述，我之前完全不知道陈信辉此人。以上心理过程说明了两点：
一、一个人的音乐口味很多时候无法通过购买、播放、分享、和推荐行为发散出来。
二、所谓视域以外的新内容，有时并不是新在音乐内容本身。陈信辉有「日本的 Jimi Hendrix」之称，他的音乐也的确明显有 Hendrix 的影子（Spotify 和 Apple Music 都可以听）。我发现了一个新人，他的音乐好但是不新。而另一方面，那间唱片店有一整层楼是卖拉丁、巴西、雷鬼乐的。这是我不熟悉的领域，但我并没有去逛。开拓新领域需要机缘，并不总能强求。不了解这一点，就会出现 @zshbleaker 所说的情况：
其他音乐软件都是「我发现你最近听很多 Jazz 哦所以推荐给你一个波萨诺瓦专题吧」，Apple Music 这玩意的思路大概是「我发现你音乐库里全是六七十年代的摇滚啊你这人一点都不 diverse 所以你试试 J-pop 呗。」
至于那「机缘」可能是什么，就是一个社会学维度的问题了。可能是交了巴西女朋友，可能是最近在看世界杯，也可能是朋友的推荐。这里涉及了数据科学中常说的一句话：garbage in, garbage out。或者用声音艺术家王长存的话说：
看起来 AI 迫切待解决的问题是跟谁「深度学习」的问题，如果 AI 是个学无不会的学生，那目前这些恶心恐怖的诗和音乐就是「深度导师」的问题。
一天世界 