这是本系列的第三部分，旨在解释和深入了解日益主导我们生活的黑盒算法。
A类我们进去在人工智能时代，机器不断地试图预测人类的行为。谷歌预测流量模式基于我们手机中的运动传感器。Spotify预测音乐我们可能想听听。亚马逊猜测我们接下来想读什么书。
机器通过分析大量数据中的模式来学习做出这些预测。机器发现的一些模式可能是荒谬的，例如分析发现缅因州的离婚率下降当人造黄油消耗减少时。但其他模式可能非常有用：例如，谷歌使用机器学习了解如何优化其数据中心的能源使用。
根据训练的数据，机器可以“学习”有偏见。这就是2012年秋季发生的事情，当时谷歌的机器“学会了”在总统大选前夕，搜索奥巴马总统的人希望在随后的搜索中获得更多奥巴马新闻，但搜索共和党提名人米特·罗姆尼的人却没有。谷歌表示，搜索结果中的偏差是机器学习的无意结果。
有时机器通过A/B测试对我们进行实验来建立预测。这是一个网站将随机向不同的人显示不同的标题或不同的照片。然后，该网站可以通过计算点击不同选项的用户数量来跟踪哪个选项更受欢迎。
一种特殊类型的A/B测试软件-称为乐观-很常见。今年早些时候，普林斯顿大学研究人员发现在访问的10万个网站中，3306个网站的优化代码。（Optimizley表示，其“实验平台”已用于提供7000多亿次“体验”。）
普林斯顿大学的研究人员发现，Jawbone健身追踪器网站正在使用Optimizely向六个地理位置的用户发送特定信息，而一家名为Connectify的软件公司正在使用Optimizely来改变其向访问者提供的折扣。在总统初选期间候选人使用Optimizely改变网站颜色和照片根据新闻媒体Fusion的一项研究。
普林斯顿大学研究员迪伦·雷斯曼说：“人们应该认识到，他们在网上看到的并不是一成不变的。”。
许多新闻网站，包括《纽约时报》和《纽约邮报》，都使用Optimizely来评估新闻文章的不同标题。《纽约邮报》首席数字官雷米·斯特恩（Remy Stern）表示，该网站多年来一直在使用Optimizely测试头条新闻。在系统确定最受欢迎的标题之前，将随机显示两到五个标题。
斯特恩说：“在过去，编辑们认为他们知道人们想读什么。”。“现在我们可以测试不同的标题，看看读者最感兴趣的角度是什么。”
他说，《华盛顿邮报》的网络头条与每天晚上为第二天早上的报纸制作的头条完全不同。斯特恩说，报纸头条使用了很多习惯用语，比如称纽约市长为“Hizzoner”，这在网上是行不通的。
《纽约时报》高级编辑马克·布利克（Mark Bulik）表示，该报去年晚些时候才开始在其主页上测试网络头条新闻。他说：“我们可以判断出主页上的哪些新闻没有达到我们对读者的期望，所以我们试图为这些标题找到替代品。”。
布利克说，有时获胜的标题在几分钟内就很明显了，有时要花一个小时才能弄清楚测试结果。一个好的标题可以显著增加读者群。例如，他说，标题为“他的家人中有13人死于埃博拉。他活了下来。”与“瘟疫摧毁了他的世界后的生活”相比，读者增加了1006%
《纽约时报》社会策略编辑卡拉·科雷亚表示，《纽约时报”获奖的头条新闻被用在了主页上，并越来越多地为编辑选择在线文章和印刷报纸的最终头条提供信息。
科雷亚说，《泰晤士报》试图避免优化头条新闻的风险之一，即“点击诱饵”头条新闻承诺的内容多于它提供的内容。她说：“如果我们看到一个标题，我们认为它误导了读者，我们就会后退。”。
为了向您展示A/B测试是如何工作的，我们收集了《纽约时报》和《纽约邮报》网站上的头条测试。而且，由于《纽约邮报》的头条新闻非常有趣，我们还构建了一个推特机器人，它可以自动推特出《纽约邮刊》正在测试的所有头条新闻。在此处跟随.
看看我们之前的几集，包括我们向您展示的工具Facebook对你的了解.
Rob Weychert和David Sleight的额外设计和制作。