进入互联网时代，科学家和工程师都在努力解决信息过载环境下的分发问题，早期两种代表性的解决方案是分类目录和搜索引擎——前者，通过人工编辑把知名网站分门别类，让用户根据类别来查找网站，典型如雅虎、Hao123 等;后者，让用户通过搜索关键词找到所需信息，解决了分类目录的有限覆盖问题，典型如谷歌、百度等。
实际上，这两种解决方案的思路并不新鲜，很大程度上可以分别对应图书馆的分类馆藏和百科全书的条目索引。
纵观整个历史长河，我们不难发现：信息环境是变化的，解决方案是具体的，但信息分发的需求和方式却是相通的。它们都在回答一个问题——如何有效地连接人和信息。
推荐算法：熟悉的新朋友
算法分发的出现和普遍应用，意味着人类开始运用机器大规模地解决信息分发问题，人类社会信息分发的动力从人力转向了部分自动化——从“人找信息”，到“信息找人”。
站在人类社会信息分发的长河中看，算法分发虽然是一个新鲜事物，但它的使命和根基却是熟悉的。从这个切口去思考，不难回答为什么这个时代诞生了推荐算法：
第一，新的信息环境和人类的信息需求动力，呼唤一种新的信息分发解决方案。
面对信息过载的环境和碎片化的信息消费场景，如何从大量信息中找到自己感兴趣的信息，是一件非常困难的事情。作为重要工具的搜索引擎，可以部分满足人们的需求，但最适用于需求明确的场景。如果用户无法准确描述自己的信息搜索需求，甚至对自己的需求都不充分了解呢?
这意味着，我们需要一个能够主动根据我们的兴趣和需求来分发信息的方案。早在 1995 年出版的《数字化生存》(Being Digital)中，尼古拉·尼葛洛庞帝便提出“我的日报”(The Daily Me)，认为在线新闻将使受众主动选择自己感兴趣的内容，预言未来信息的个人化。
在当时，这种设想可能被认为是“白日做梦”。因为个体之间自然有差异，而为了社会的总体效率，人们总是尽可能寻找信息的“公约数”。
随着技术的发展，推荐系统的出现给人类的信息分发带来了一种可能：人们不用每次都提供明确的需求，而是通过为不同个体的信息需求建模，从而主动推荐能够满足他们兴趣和需求的信息。
第二，信息技术的发展，为个性化推荐系统的出现提供了物质条件。
一方面，移动互联网发展，每个人都是一个终端，这使得信息的分发能够低成本定位到不同的个体用户。
另一方面，AI技术的成熟和硬件资源的进化，为个性化推荐提供了技术实现路径：机器学习模型的应用，深度学习的快速发展等，提供了有力的算法工具;而大规模分布式机器学习框架的出现、GPU对深度学习的加速能力得到普遍验证、专用深度学习芯片的出现(TPU、寒武纪)，又提供了另一层保障。
