在泛滥的信息洪流中，我们总以为“口味”是一种难以被量化的东西：对哲学的偏爱、对小众导演的欣赏，甚至是小时候追过的动漫……这些构成了我们的精神指纹，也构成了我们相信“AI永远学不会人类品味”的底气。
但这真的是现实吗？
在生成式AI技术突飞猛进的2025年，前内容平台创始人 Edmar Ferreira 决定用自己过去6个月的真实浏览数据做一个实验。他想知道，AI是否真的能预测我们的喜好？是否能理解“我喜欢的东西”背后的复杂线索？
这篇文章，是他的一份自我实验报告，也是一份关于“AI理解人类”边界的反思：
如果加入一段“我喜欢什么”的描述，AI的预测准确率竟然能提升至 80%；
AI比我们以为的更懂我们，而“最后那20%不可预测性”，正藏着我们最真实的自我。
以下为文章完整编译：
AI 能预测我的口味吗？我用六个月的浏览数据做了一场实验
我曾无数次思考：我的喜好是否可以被预测？
我一直觉得自己的兴趣很特别——喜欢的音乐、电影、哲学话题，甚至那些源自童年的动漫痕迹，像是我独有的精神指纹。我们大多数人或许都带着这样的自我认知：我们塑造了自己的品味，但它终究是模糊的、难以被捕捉的。没有哪台机器能还原这份复杂，无法复制我们独特的世界体验。
可如果这种独特，并不像我们想的那么特别呢？如果我们的口味，其实早已在 AI 的预测能力之内？
我从业早期，就在一家为电商开发推荐系统的公司工作。那时，我对“内容发现引擎”着了迷：一种与你主动搜索相反的机制，它能在你尚未意识到前，就递来你会喜欢的东西。
这类引擎的诞生将彻底改变我们与信息的关系。不是“还行”的推荐，而是精准匹配心灵共鸣的电影；不是随机刷到一首歌，而是每首都让你感同身受。这将是一种令人深度满足的内容体验，也是一片尚未开发的商业蓝海。
随着生成式 AI 的爆发，我越来越想知道——如今的机器，是否已经聪明到可以读懂并预测“人类的口味”？为了回答这个问题，我决定对自己下手：用我的浏览历史，做一场实验。
一、品味，真的能被“自动化”吗？
要开始实验，首先得面对一个问题：我们能不能“数字化”人的品味？
许多聪明人，包括 Every 的 CEO Dan Shipper，都认为：品味，是人类区分于机器最后的堡垒。因为真正的喜好往往藏在暗处——我们会看不点赞，会喜欢不分享。最了解我们的平台守着数据如同巨龙守宝。而“品味”本身也不稳定，它跟随经验变幻流动：一位厨师的味觉，不是算法演算出来的，而是无数次失败与灵感之后，与情绪和记忆交织而成。
我们的喜好并非静止不变，它们会随着人生阶段、文化接触和环境迁移而演化。比如曾排斥电子乐的人，可能因为一场震撼的现场表演，从此爱上它；原本偏爱小说的读者，在经历情感转折后，也可能突然爱上散文。
这些因素似乎让“自动化品味”看起来几乎不可能。但正是因为品味如此个体化、流动性强、扎根于经验——也许才正好为新一代 AI 提供了结构化理解的切口。
二、为什么大模型能看见 Netflix 看不见的东西？
传统推荐系统的逻辑很简单，像个懒散的媒人：“你看过科幻片？那就再给你来几部。”Netflix 也许知道你最近连看三部科幻片，但它不知道你究竟是被其中的哲学深度吸引，还是单纯喜欢演员的脸。Facebook 也可能推给你点赞过的文章，但它根本区分不了你是感动点赞，还是顺手一点。
真正的口味，是微妙的，具有深层语义与美学逻辑的。
这正是大语言模型（LLMs）与传统推荐算法的分水岭。LLMs 拥有数十亿参数，能理解上下文、文化语境与概念之间的微妙联系。传统协同过滤模型顶多知道“喜欢A的人也喜欢B”，而 LLM 能理解：“A 和 B 都带有黑色电影美学、都是道德灰色主角、都受到德国表现主义影响”。
这层上下文理解的能力，意味着 LLM 在理论上，具备更强的个性化推荐能力。
于是，我决定验证它：LLM 能不能预测我在日常刷网页时，哪篇内容能吸引我驻足？
三、实验开始：我把自己的行为数据交给了AI
为了测试 AI 是否能预测我的口味，我收集了自己在线行为的两份数据集：
一份是我过去六个月在 Hacker News 上点赞的记录，包括我点赞的帖子和我滑过未点赞的内容。
另一份是我的 Readwise Reader Shortlist，它分为两层：第 一层是我保存下来“打算日后阅读”的内容；第二层是真正被我打开阅读的文章。
这两组数据捕捉了我内容消费中的“偏好判断”。而且我发现，在这两种情境下，我“真正喜欢”的内容比例都不到 10%。这说明，人的品味确实很挑剔。
没有上下文，AI 就像在瞎猜
我首先让模型在完全没有背景信息的前提下，预测我是否会喜欢某篇文章。
在 Readwise 的数据上，GPT-4.1-mini 仅有 50.7% 的准确率，GPT-4.1 则是 52.2%，几乎跟掷硬币没区别。这说明：如果不了解你这个人，AI 很难判断你会对什么感兴趣。
Hacker News 的数据表现稍好，准确率为 65.5%，可能因为内容风格更统一，模式更容易被识别。
添加一段“品味提示”，准确率大幅提升
我将自己所有喜欢的文章整理出来，并结合我与 ChatGPT 的聊天记录，写出了一段我称为“品味准则”（taste rubric）的描述，告诉 AI：我对什么感兴趣、对什么没兴趣。
给模型加入这段上下文后，它的表现跃升：
GPT-4.1-mini 在 Readwise 数据上从 56.7% 提升到 67.2%
GPT-4.1 从 52.2% 提升到 70.1%
OpenAI 的 o3 模型达到 70.2%
Hacker News 数据中，GPT-4.1 提升至 76.2%
也就是说，哪怕只是一段文字介绍，模型就能更准确地模拟我做判断的逻辑。这就像让人随便给你推荐一部电影，和提前告诉他“我喜欢哲学类的科幻片，但讨厌无脑打斗片”之间的差别。
Graphs courtesy of Every.
微小提示优化，也能带来提升
我用了一种叫 DSPy 的方法，通过提示工程优化提示语，进一步微调模型行为。
提升虽然不大，但稳定有效：
Readwise 准确率从 70.1% 提升至 73.9%
Hacker News 从 76.2% 升至 78.6%
这说明提示设计的细节，哪怕是很小的改动，也能帮助模型更精准地理解“我想要什么”。
相对判断，比绝 对判断更有效
我尝试不再让模型判断“这篇文章我喜欢吗”，而是改问：“这两篇文章中，我更喜欢哪一篇？”
这种更接近人类真实选择方式的问题结构，效果明显：
没有背景信息时，准确率只有 49.1%
加入品味准则后提升至 62.3%
加入 DSPy 优化后，提升至 62.9%
而在 Hacker News 的“二选一”判断中：
无上下文时为 58.7%
加入品味提示提升至 77.3%
DSPy 优化后更是达到了 80.9% ——这是本次所有实验中准确率最高的一组。
这种相对判断方式，可能揭示了人类与 AI 在偏好决策上都更擅长比较，而非判断绝 对值。
四、80%的准确率，是奇迹，还是隐忧？
实验结果验证了我的一个猜想：LLMs 可以理解、编码并应用个体偏好。
但也显露出一些深层差异：
加入“品味准则”能将准确率提升近 18%；
“二选一”判断方式更接近人类的行为逻辑；
在 Hacker News 这样的统一场景下，AI 更容易预测，而面对 Readwise 这种包含哲学、小说、深度文章等多元内容时，准确率明显下降。
这也提醒我们：当人类已经对某些内容“筛过一轮”后，AI 要在这些“我都感兴趣”的选项中选出“我最感兴趣的”，变得更加困难。
五、预测与不可预测之间
这场实验让我既感到震撼，也隐隐不安。
基础模型在没有上下文的情况下，几乎等于乱猜。这说明人的兴趣判断是极为私密的，是非共识的——你觉得有趣的，别人不一定能感同身受。
但一旦加入那段描述我的“品味”的提示，模型就能以超过 80% 的准确率预测我的点击行为。它不需要成千上万条样本数据，只要一段短短的文本。
这是令人震惊的：我们自认为高度个体化的行为，居然能被一句话浓缩、被机器复制。
尤其在 Readwise 的实验中，AI 发现我“感兴趣”的主题没问题，比如我对意识研究、哲学家的兴趣，但它无法准确判断：哪一篇能真正吸引我读完，哪一篇我可能看两段就放弃了。
AI 的确在快速接近我们，但真正的“味道”——那些细腻的感知、偶然的共鸣、理性之外的喜欢——仍然保留在人类身上。
那是机器还碰不到的 20%。但我感觉，这 20%，也许已经没那么远了。
