算法霸权

算法霸权

数学杀伤性武器的威胁

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
7.1383 评价豆瓣读书
¥41.40¥20.70
世界读书日特惠截止至:2024-04-25 00:00:00了解详情

作品简介

我们生活在算法的时代。我们去哪个学校上学,是否能够获得车贷、需要为健康保险支付多少钱,这些对我们的生活有着重大影响的决定越来越由不得人类自己,而是被各种数学模型所操控。从理论上来说,模型可以更好地促进公平,因为每个人适用于同等的规则,不存在偏袒。但凯西•奥尼尔这本迫切而且必要的书却告诉我们,事实刚好相反。如今,被广泛使用的算法模型,即使其本身充斥着错误,也依旧不受管束、不被质疑。其中,“强化歧视”的问题特别值得反思:如果一个穷学生因为被借贷模型认定为风险过高(仅仅是根据该学生所生活的街区就得出此判断)而贷不了款,那么接下来,他就会被剥夺能够帮他摆脱贫困的接受优质教育机会,继而陷入一系列的恶性循环。通过追踪一个人的生命轨迹,凯西·奥尼尔试图在书中揭露数学杀伤性武器对塑造个人和社会未来的影响。这些数学杀伤性武器给教师和学生评分,筛选简历,批准贷款或拒绝贷款,评估员工,甚至监督我们的健康状况,因此凯西·奥尼尔呼吁建模者,要对自己的算法承担更多责任,并且呼吁政策制定者对模型的使用进行监督管理。她指出,对模型的掌控最终取决于我们自己。这本重要的书迫使我们直面问题,揭示真理,要求改变。

凯西·奥尼尔(CathyO'Neil),数据科学家,mathbabe.org的博主。博士毕业于哈佛大学,主修数学专业。她曾在巴纳德学院任教,之后为私营企业服务,例如避险基金。她还在各类新型公司担任数据科学家,预测消费者购买与点击趋势。每周她都会出现在“财富记账”的播客上。

作品目录

载入中

热门划线

  1. 不幸的是,在模型中囊括这些妨害罪的数据会导致预测结果发生巨大偏差4 人
  2. 和很多数学杀伤性武器一样,当管理层为模型同时设定了两个目标时,问题就出现了。第一个目标是提高效率,让机器处理大量烦琐、重复的工作,自动从2000份申请中筛选出500份,然后再由人工负责面试工作。第二个目标是公平,保证模型不受管理层的情绪或者偏见的影响,以及不受上院议员或者内阁大臣的人情关系的影响4 人
  3. 特权阶级更多地与具体的人打交道,而大众则被机器操控。3 人
  4. 综上所述,数学杀伤性武器共有三个特征:不透明、规模化、毁灭性。3 人
  5. 整个肮脏的商业运作就这样制造出了“互惠互利”的恶性循环,直到崩溃。3 人
  6. 在大多数地区,这样的犯罪地图将与该地区的贫富分布图大幅重叠,而由此得出的贫困地区犯罪率高的结论只能证实并强化社会中上层阶级的普遍观点:穷人要为自己的境遇负责,大部分坏事都是穷人干的。3 人
  7. 在研究数学杀伤性武器的时候,我们常常需要在公平和效率之间进行权衡。3 人
  8. 大数据程序只能将过去编入代码,而不会创造未来。创造未来需要道德想象力,而想象力只有人类才有。我们必须明确地将更好的价值观嵌入我们的算法代码中,创造符合我们的道德准则的大数据模型。有时,这就意味着要重视公平,牺牲利润。3 人
  9. 如果你认为数学模型是数字经济的引擎(当然在很多方面确实如此),那么,这些审查者所做的就是为我们揭开内幕,告诉我们数学模型是如何运作的。这是关键性的一步,在此基础之上,我们就可以为数学杀伤性武器这种强大的引擎配备方向盘——还有刹车了。3 人
  10. 有些选择无疑是出于好意,但也有许多模型把人类的偏见、误解和偏爱编入了软件系统,而这些系统正日益在更大程度上操控着我们的生活。这些数学模型像上帝一样隐晦不明,只有该领域的最高级别的牧师,即那些数学家和计算机科学家才明白模型是如何运作的。2 人
  11. 我为这些有害模型提出了一个名称:“数学杀伤性武器”(Weapons of Math Destruction,简写成WMD)2 人
  12. 无论她在生活中经历了什么,下一学年她都要参加六年级的标准化测试。如2 人
  13. 算法就像上帝,数学杀伤性武器的裁决就是上帝的指令。2 人
  14. 模型不会倾听,也不会屈服,对诱惑、威胁和哄骗以及逻辑通通充耳不闻,即使被评估者有充足的理由怀疑得出结论的数据被污染。2 人
  15. 大量数学杀伤性武器已经现身于我们能想到的任何一个行业,加剧了社会不公平,进一步压榨了弱势群体的剩余价值。2 人
  16. 站在公司的角度,这是有意义的。当公司构建模型寻找潜在客户或者操控绝望的借款人时,越来越多的盈利似乎表明它们走对路了。但现在的问题是,利润变成了真理的象征。这种危险的混淆我们以后还会多次看到。2 人
  17. 欢迎参观大数据的阴暗面。2 人
  18. “点球成金”现在指针对长期被认为仅受直觉控制的领域开发的统计方法。2 人
  19. 一个模型的信息盲点能够反映建模者的判断和优先级序列。2 人
  20. 2 人
  21. 银行知道有些抵押贷款借款人是肯定无法偿还贷款的,但是银行依然坚持了两个错误的假设,以维持它们自己对这个系统的信心。2 人
  22. 即使是严谨的数学家,其研究的数据也可能是由制造了庞大骗局的人提供的2 人
  23. 证券风险评级在最初就被设计成一种不透明的、令人望而生畏的复杂系统,这样一来,买家就无从意识到他们手中的债券其风险性的真实水平。2 人
  24. 不会有很多贷款人在同一时间违约。这一假设是基于如下理论提出的:贷款违约大部分是随机的、不相关的事件。2 人
  25. 从业者只会故意使用公式唬人,而不是用公式来澄清事实。2 人
  26. 如果各家银行在如此大的危机中都能幸免于难——因为它们太大而不能倒闭,那么为什么他们现在要担心自己的投资组合存在风险呢?2 人
  27. 我想知道在大数据领域是否存在发生类似于信贷危机的可能性。我看到的不是破产,而是一个越来越糟糕的社会,社会不平等正在加剧。2 人
  28. 一种被公式化了的主观观点2 人
  29. 当你基于替代变量建立模型时,钻模型的漏洞会变得容易很多2 人
  30. 即使是各指标分数均有所提升的学校在排名中也会落后于其他分数提升得更快的学校。2 人
  31. 2 人
  32. 家长、学生,所有人都疯狂地想要钻大学排名模型的空子。排2 人
  33. 透明,用户控制,个人化——完全是数学杀伤性武器的对立面。2 人
  34. 营利性大学的许多目标学生都是外国移民,这些人相信,私立大学比公立大学更好2 人
  35. 2 人
  36. 按照他们的理论,在治安较差的贫困社区巡逻的警察应该以高度宽容的态度管理社区。他们的工作是去适应社区自身的秩序标准,并帮助社区维持这个秩序标准。2 人
  37. 此类公司可能对现状很满意,但受苦的则是自动筛选系统的受害者2 人
  38. 白人名字的简历收到的回复比黑人名字的简历多50%2 人
  39. 因此我认为,人力调度软件是一种更为可怕的数学杀伤性武器。如前所述,这种模型的应用范围巨大,而且剥削的对象是本已在艰难谋生的人。另外,这种模型是完全不透明的。劳工往往完全不知道自己将在何时被叫去上班,因为召唤他们的是一个武断专制的程序。2 人
  40. 换句话说,电子评分系统建模者设法回答的是这个问题:“像你这样的那类人过去的行为表现如何?”而在理想的情况下,应该问的问题是:“你过去的行为表现如何?”2 人
  41. 新一代数学杀伤性武器压榨穷人,特别是少数族裔,它们用大量的统计数据支持自己的分析结论,还为自己赢得了公平科学的好名声。2 人
  42. 在数学杀伤性武器泛滥的世界里,隐私将逐渐变为一种只有富人才负担得起的奢侈品。2 人
  43. 它可以根据自身的利益决定我们在其平台上看到和学习到的内容2 人
  44. 通过调整算法,规定用户能看到的信息,脸书是不是就能钻政治体系的漏洞了?2 人
  45. 脸书对大众政治生活的影响远不止于改变信息推送算法和动员投票活动这么简单。2 人
  46. 正如大多数数学杀伤性武器一样,核心问题主要在于模型的目标。把目标由压榨大众变更为帮助大众,数学杀伤性武器的危险性就解除了,甚至可以反过来变成一种正面力量。2 人
  47. 数学杀伤性武器承诺效率和公平,却扭曲了高等教育,推高了债务,助长了大规模监禁,在每一个人生的重大关头打击穷人,破坏民主2 人
  48. 在这个金钱可以买到影响力的社会,数学杀伤性武器的受害者几乎没有话语权2 人

大家都喜欢