上篇提到的唱片行小伙子，即使你一個月至少兩次去買碟，他對你的音樂偏好再熟悉，充其量也就是五張推薦能中兩張吧。若再延伸到其他音樂類型，古典、爵士、世界音樂，每個細分的領域都有專業又熱心的大哥大姐耐心聆聽你的需要，推敲出一兩張風格可能合適的經典名盤，接著再從你的反應進一步推薦二、三。喜歡的人聲是男是女是高亢或低沈？配器偏好簡約或是大編制？融合曲風可以接受嗎？老一點錄音品質不佳是否介意？說流派啊，彈奏手法，特殊典故，經典錄音，樂手之間的關聯，講究一些的沒花個把小時下不了決心買下一張CD。
直至十年前我們都很難相信有天電腦化的音樂推薦會超越人腦，讓那一張張帶著笑臉的唱片行小伙從此失業。我們正討論的不是Amazon推薦你買這或那，不是emusic的“new for you”，也不是到處氾濫的“你或許會喜歡”。Spotify的推薦系統如今做到的程度，真正滿足了一幫音樂饞食者們幾無止盡的需要。從這層意義上來說，音樂先於其他產業，在數字化的路途上更為超前，傳統那一套更早被毀滅（先不論當今黑膠唱片有復甦跡象）。
Pandora網路電台的“音樂基因”系統投入商用已有十年，只要輸入一曲名或藝人名，音樂就會像流水般不斷宣洩出來。過程中若遇有曲子不愛，可以點選“略過此曲”或給它一個“遜”；推薦得好的曲子，就給它一個“讚”。由一群專家預先設計好的“音樂基因”，像個完整的音樂知識體系被置於電腦中，那是由人類教給機器，被嚴謹定義過的音樂數據集群。專家們將每一首曲子以不同的維度分類、貼標籤，以一套特有的科學方法加以分析解構，其風格、配器、情感因素，所有相關的一切都視作為歌曲的元數據被標記入庫。
後設的部分由用戶也就是我們來協助提供，透過點擊而讓機器知道我們各自的偏好，是如何不同於其根據“預設”數據所演算出來的“猜想”。而這些眾創集成的後設數據，則再由電腦分析，不斷完善推薦系統，也就是所謂電腦的智能學習。
十年後，這套做法成為數字音樂服務的標配，Spotify在“電台”這個基本功能之外，衍伸出我每天聽也聽不完的智能推薦曲目，精確度遠超出當年唱片行小伙子們的加總。為此，Tower Records“唱片城”收攤倒閉於我已了無遺憾。
