廣義的演算法：
「從技術角度來看，建立演算法就是盡可能有效率地拆解問題，也就是仔細規劃處理問題的步驟及順序。」
「寫演算法的人都沒辦法真正清楚演算法的運作方式。」「演算法一般被視為用來解決問題的
不過這篇文討論我們生活中常遇到的演算法：資料篩選與排序。
有海量資料的網站基本上都有各自的演算法。Google、Facebook、Instagram、YouTube、Netflix、Amazon等怪獸企業，還有新聞網站、網絡書店、網絡商城等資料較多的，也有篩選與排序，甚至我們日常生活，買什麽樣的衣服，哪些衣服放在沙發，哪些衣服常隱衣櫃，哪幾件常穿，哪幾件久久才穿一次，都是演算法。對某些女生來說，個人的衣服量已經可以寫一個演算法來處理。
開書店的老闆，他要決定進哪些書，思考哪些書會被放在顯眼位置。每個老闆都有自己個人的演算法。有老闆進歷史書比較多，然後把《台灣史上最有梗的台灣史》放在最書店裡最搶眼的位置。另一家書店進比較多科普書，然後把《大腦簡史》放在門口，客人一進門就會看到。不同書店會有不同的進書傾向，背後反映老闆的推書傾向，也決定了客人進來時會看到的資訊。這就是篩選與排序的演算法。但有一處跟網絡上各網站的演算法不同，書店客人看到的書籍與排序都是一樣的，除非老闆把書換了。但網絡上演算法展現給每個人的資料與順序可以有差別，甚至完全不一樣。
不知你有沒有試過，在臉書發了文，朋友聚餐時，有朋友表示看了，卻有朋友表示沒有看過你的帖文，即使他們在你朋友清單裡，常滑臉書，也沒有封鎖你。就是說，臉書的演算法讓部分朋友的動態圈裡沒有出現你的帖文。還有Netflix，我最常被推薦冒險和運動題材的動畫，比如《飆速宅男》、《HunterXHunter》。我的朋友則被推薦《遊戲人生》、《Re0》等「異世界」系列。YouTube首頁出現的推薦影片基本上也會有所不同。常聽音樂就推音樂影片，常看綜藝搞笑就推搞笑影片，我個人常常看到一堆說書影片。會有篩選是因為資料太多，要決定些讓人看到，排序則哪個優先被看見。臉書上有99個朋友，99則帖文，未必全部都有機會看到，哪個該排在你動態圈的前列？
臉書、IG、Netflix(對用戶)做著跟書店老闆同樣的事。決定哪些資料會被哪些人看見，又有哪些資料會被哪些人優先看見。當中的篩選與排序原則又是什麽？抱歉，這些大公司沒有說，大概也不會說。用戶只能靠猜和小程度的的測試來嘗試逆推演算法。比如有人認為在週末晚上Po文會讓更多人看見，有人認為要多Like同留言不同類型的帖文，才能提高自己的帖文的曝光度。孰真孰假，無從而知。
演算法背後有一套邏輯，邏輯背後很難不包含工程師的價值取向。一如書店老闆有自己的進書與排書傾向，寫出演算法的工程師也有個人取向，無論他們是否自覺。比如有有跟你在Messenger裡傳文字訊息的朋友的動態會優先出現，有視訊通話的會比文字訊息的更優先。這反映了工程師對於「重要」朋友的定義是有直接聯絡，相對沒那麽直接的，比如留言、分享、按讚會排在文字訊息後面。這有可能只是某個時期的演算法，因為演算法會一直更新，用戶或許能察覺到演算法更新了，但無法知道更新了什麽。
(臉書)演算法總會讓我們看見我們想看的事情嗎？如果你挺綠，不會疑惑臉書會常常把綠營媒體的新聞放在你的動態圈；如果你挺藍，也會常看到藍營的的消息。2019年期間，有朋友和長輩在臉書上看到了關於香港的新聞，但看到的卻南轅北轍。較年輕的朋友覺得香港的年輕人很勇敢，較年長的覺得香港很亂。臉書會不會讓個人的同溫層越變越厚，讓「回音室效應」加劇。相關討論到現在仍然持續。
我個人現在少用臉書，同時把朋友的追蹤狀能全部變為「不追蹤」。然後發現一件事：不是每個臉書上的朋友我都在意。有的「朋友」有沒有發文對我來講根本沒差，我關注的朋友只來來去去有幾個。後來發現根本不用關注，直接找他們出來聊天就可以了。大家都知道，有些話根本不會在臉書、IG上講。與其讓臉書和IG來傳達朋友的「動態」，倒不如主動出擊，約朋友出來見面聊天。
