新加坡：公務員們或許可以停止在社交軟體上無休止地左右滑動了，因為周二（9月29日）推出的一款全新相親平台可能會直接幫他們找到真愛。
這款名為 FirstDate 的平台由政府科技局（GovTech）的官員在一次黑客馬拉松活動中推出。它根據用戶的偏好進行配對，面向 21 至 35 歲且未婚的公務員開放。
此次實驗背景是新加坡結婚率下降，且總生育率創下歷史新低。
FirstDate 的官方網站將這一試點計劃描述為「一種不同的約會方式」，用戶將根據問卷調查的結果，一次被介紹認識一個人。
GovTech 周四告訴 CNA，團隊希望測試通過更加強調共同價值觀和偏好，同時減少單次推薦的匹配人數，是否能鼓勵用戶在面對每一次介紹時投入更多的思考。
而支撐這些匹配的核心，正是 Gale-Shapley 穩定婚姻算法。
CNA 將帶大家深入了解這一算法，以及它能為新加坡的在線約會帶來什麼。
什麼是該算法？它是如何運作的？
Gale-Shapley 算法得名於美國數學家 David Gale 和 Lloyd Shapley，他們在 1962 年發表的一篇名為《大學錄取與婚姻穩定性》的論文中描述了該算法。
其設計目的是根據兩組參與者的偏好，在他們之間找到「穩定」的匹配。
根據招聘平台 Built In 的介紹，該算法大致分為三個階段：提議、評估和疊代。
起初，所有人都是未匹配狀態。其中一方參與者充當「提議者」。每位提議者會向對方組中自己最心儀的人提出請求；如果對方目前處於未匹配狀態，則會暫時接受該請求。
如果一名參與者收到了一份來自其更心儀的提議者的請求（相比於當前的臨時匹配對象），他們可以選擇轉向新提議者並拒絕前一個人。被拒絕的人隨後會轉向其偏好列表中的下一個目標。
這個過程一直持續到無法再進行新的提議為止。
Built In 舉了一個例子：三名男性和三名女性，每人都按偏好順序對另一組人員進行排名。
男方的偏好為：
男 1：女 1, 女 2, 女 3
男 2：女 2, 女 3, 女 1
男 3：女 3, 女 1, 女 2
女方的偏好為：
女 1：男 2, 男 1, 男 3
女 2：男 1, 男 2, 男 3
女 3：男 3, 男 1, 男 2
根據該算法，每位男性首先接觸他的首選目標。
男 1 向女 1 提議，男 2 向女 2 提議，男 3 向女 3 提議。每位女性暫時接受她收到的提議。
在 Built In 的例子中，最終的配對結果是：男 1 與女 2，男 2 與女 1，男 3 與女 3。
當沒有任何一對男女彼此都比目前的伴侶更喜歡對方時，這種匹配就被認為是「穩定」的。
例如，如果男 1 與女 2 配對，但男 1 更喜歡另一位女性，且那位女性也比目前的伴侶更喜歡男 1，那麼這次匹配就是不穩定的。
該算法將如何在 FirstDate 中應用？
在用戶提交 FirstDate 的問卷調查後，Gale-Shapley 算法便開始發揮作用。
根據 FirstDate 的網站，其引擎會評估用戶的「核心兼容性偏好」，以尋找「最優的相互配對」。算法將運行多個輪次，以平衡兩個匹配池。
FirstDate 表示，它追求的是一種「相互匹配」，即每個用戶都能匹配到對方正在尋找的人。
然而，這並不意味著每個用戶都能配對到自己的第一選擇。
在 Gale-Shapley 算法下，目標是產生一組穩定的匹配，而不是確保每個人都能得到最心儀的伴侶。
結果還取決於哪一方發起提議。
該網站提醒，紙面上的兼容性並不能保證化學反應，也不能保證匹配一定會導致一段戀愛關係。
它僅僅是優先考慮那些雙方「可能對匹配感到滿意」的組合。
網站上寫道：「至於之後如何發展，則取決於你們自己。」
為什麼該算法對 FirstDate 有用？
與傳統的約會應用（用戶在個人資料中左右滑動）不同，穩定匹配考慮了潛在配對雙方的偏好。
GovTech 告訴 CNA，用戶在每個周期（大約每月一次）會收到一個推薦匹配。
這是 FirstDate 的一個核心特點——它一次只給用戶提供一個匹配對象，而不是一個巨大的候選池供用戶挑選。
用戶首先需要完成一份關於興趣、習慣、價值觀和偏好的問卷，其中還包括關於「絕對不能接受的條件（dealbreakers）」的問題。
當用戶收到匹配時，他們會看到一個兼容性分數，並獲得對方的信息以及對方寫的一段話。雙方有三天時間決定是否建立聯繫。
只有在雙方都表示同意的情況下，才會分享聯繫方式。
FirstDate 的加入申請計劃於周一截止。
這並不是 Gale-Shapley 算法首次在新加坡的約會場景中被使用。
2019 年在新加坡國立大學（NUS）和耶魯-新加坡國立大學（Yale-NUS）啟動的學生運營項目 Aphrodite Project，就使用了一種改良的 Gale-Shapley 算法，根據兼容性問卷的回答為學生配對。
該項目隨後擴展到了南洋理工大學（NTU）和新加坡管理大學（SMU）。
為什麼這個算法如此出名？
雖然 Gale 和 Shapley 最初是在大學錄取背景下開發該算法的，但它最終在解決其他需要根據偏好匹配兩組對象的現實問題中產生了深遠影響。
Shapley 在穩定匹配方面的研究，使他與美國經濟學家 Alvin Roth 共同獲得了 2012 年諾貝爾經濟學獎。
他們獲獎是因為「穩定分配理論和市場設計實踐」。諾貝爾委員會認為 Shapley 對理論做出了早期貢獻，而 Roth 則研究並將匹配理論應用於現實市場。
Gale 於 2008 年去世，由於諾貝爾獎不追授，因此他沒有獲得該獎項。Shapley 於 2016 年去世。
該算法的一個著名應用是將醫生與培訓計劃進行匹配。
在美國，國家住院醫師匹配計劃（NRMP）使用數學算法將申請人分配到住院醫師和研究員崗位，同時考慮申請人和計劃雙方的偏好。
NRMP 將其方法描述為「申請人提議」。
它首先嘗試將申請人安置在他們最心儀的計劃中。如果不可行，則在申請人的選擇列表中向下移動，直到達成臨時匹配或選項耗盡。
在 20 世紀 90 年代，Roth 參與重新設計了 NRMP 的匹配算法，旨在解決其缺陷。
該算法背後的原理還被應用於高中錄取，Roth 和其他研究人員重新設計了包括紐約在內的公立高中學生分配系統。
匹配理論還被應用於腎臟交換，在患者和願意捐贈的人之間安排兼容的交換。
