Be my SecrE.T

有人说读这种书容易变成“人精”，我觉得太夸张了。了解骗术的主要目的不是行骗，而是让自己具备识破骗术的能力。

书中所列举的认知捷径都具有两面性。在正常情况下，这些认知工具可以帮助我们快速地做出（相对合理的）决定；在某些场合，这种走捷径的想法会被人利用来为他们自己牟利。

以下是我的摘录:

1. 认知对比:对比会影响人们对事物属性的判断。
2. 互惠
   • 先说较高的要求，再假装让步提出真正的（相对较低的）要求（同时运用了认知对比 （高低）和互惠原理（让步））。
   • 若别人是真诚地给予自己恩惠，就大方地接受；若是另有目的（那么这些好处就不是真 正的恩惠），就要提高警觉。
3. 承诺和一致
   • 让人在不知不觉中做出承诺——使他们的内心产生变化，即使最初的外部条件消失也仍旧 心甘情愿地去做当初承诺要做的事情。
   • 若（根据直觉的判断）已陷入被骗的局面，在承认保持一致的重要性的同时，要指出盲 目保持一致的荒谬。
   • 自问：“如果事先知道这一切，我还会做出同样的选择吗？”
4. 社会认同
   • 人群在不确定的状态下会陷入多元无知。
   • 高相似性会导致更高的模仿率。
   • 当且仅当大众的行为靠谱时才可以选择随大流。
5. 喜好
   • 人们更容易接受自己喜欢的人的意见。
   • 讨人喜欢的因素：外表，相似性，称赞，接触，合作，关联。
   • 愉快的接触（合作）会导致正面的印象，反之（竞争，冲突）会导致负面印象。
   • 做决定时，把“提要求的人”跟“要求”分开。
6. 权威
   • 权威容易导致盲从。权威往往外化为衣着、头衔、外部标志（比如车）。
   • 判断是否相信权威的依据：这个人究竟是不是这方面的专家？
   • 警惕那些看起来像是站在你这边的权威。
7. 短缺
   • 短缺的东西（看起来）更具有吸引力。
   • 个人自由被削弱的话会产生心理抗拒。
   • 信息审查制度会诱使更多人去了解被查禁的信息。
   • 突然产生的短缺比一直存在的短缺更具吸引力。
   • 将因短缺而引起的冲动作为停下来仔细思考的信号。
   • 物品的短缺并不能使它的功能发生变化。

我十分喜欢豆瓣的推荐系统，因为它经常能帮助我发现一些我感兴趣的新东西。然而在读这本书之前我却从未尝试去了解这是如何实现的，只是胡乱地猜测大概和一堆复杂的数学公式有关，是以在很长的一段时间里我把推荐系统看作是“超自然”的事物。

Programming Collective Intelligence 作为一本机器学习的入门书，很优雅地摘去了那些看似神奇的推荐系统、垃圾邮件过滤系统或是游戏AI头上的光环，将它们还原为一行行实在的代码，并相对浅显易懂地介绍了当中涉及的数学原理，仿佛是在带领读者去揭穿一个个魔术背后的障眼把戏，让读者在“哦”的醒悟之余大呼“妙绝”。

虽说这是一本讲原理的书，却一点都不枯燥，而且还很实用。全书十二章中，除去头尾两章，其余的每一章分别介绍了一类算法，从简单的相似度计算到有点玄乎的 genetic programming，都先以作者杜撰的简易数据开场，再拿现实数据（从提供API的 web 2.0 网站上抓取）开刀，既讲清楚了道理，又能启发读者利用这些算法去做实际的应用。

但这本书并不是完美无缺的，主要问题出现在代码中：

1. 作者可能不太熟悉 Python，所以经常会看到 for i in range(len(xx)) 这种十分不 Pythonic 的遍历方式；
2. 代码可读性不高——变量名太简短，滥用列表解析；
3. 不知是排版错误还是作者根本没测试，部分代码与文本对不上号。

不过，瑕不掩瑜，这本书还是很不错的。如果你想跳出传统的“框架+数据库”模式、为你的网站增添一些智能而人性化的元素，如果你想以人工智能为研究方向而正在寻找入门书，可以考虑它。

虽说在 Python 的影响下，我有些先入为主的不喜欢 Ruby，但 Ruby 作为近几年来的业界宠儿，必然有它出众的地方，值得关注，所以我前几天去图书馆的时候就打算找本 Ruby 的书看看——在没有计划要用它做开发的情况下，我不想太“严肃”地去学习 Ruby，却又不想看 Learn Ruby in 20 minutes 之类的东西，因此最终选择了 The Ruby Way 这本书。