出版社: 中信出版社
副标题: 数学杀伤性武器的威胁
原作名: WEAPONS OF MATH DESTRUCTION: How Big Data Increases Inequality and Threatens Democracy
译者: 马青玲
出版年: 2018-9-1
页数: 320
定价: 69.00元
装帧: 精装
ISBN: 9787508692067
内容简介 · · · · · ·
数据科学家凯西•奥尼尔认为,我们应该警惕不断渗透和深入我们生活的数学模型——它们的存在,很有可能威胁到我们的社会结构。
我们生活在一个依赖“算法”的时代,它对我们生活的影响越来越大,我们去哪里上学,我是不是应该贷款买车,我们应该花多少钱来买健康保险,这些都不是由人来决定的,而是由大数据模型来决定的。从理论上来说,这一模型应该让社会更加公平,每一个人的衡量标准都是一样的,偏见是不存在的。
但是,正如凯西•奥尼尔书里所揭示的那样,事实并非如此。我们今天所使用的这些数学模型是不透明的、未经调节的、极富争议的,有的甚至还是错误的。最糟糕的是,数学模型和大数据算法加剧了偏见与不公。例如,一个贫困学生想申请贷款交付学费,但是银行大数据算法根据他居住地的邮政编码判断将钱带给他存在风险,因此,拒绝给他提供贷款。他因此失去了受教育的机会,而这个机会可能帮助他摆脱贫困。...
数据科学家凯西•奥尼尔认为,我们应该警惕不断渗透和深入我们生活的数学模型——它们的存在,很有可能威胁到我们的社会结构。
我们生活在一个依赖“算法”的时代,它对我们生活的影响越来越大,我们去哪里上学,我是不是应该贷款买车,我们应该花多少钱来买健康保险,这些都不是由人来决定的,而是由大数据模型来决定的。从理论上来说,这一模型应该让社会更加公平,每一个人的衡量标准都是一样的,偏见是不存在的。
但是,正如凯西•奥尼尔书里所揭示的那样,事实并非如此。我们今天所使用的这些数学模型是不透明的、未经调节的、极富争议的,有的甚至还是错误的。最糟糕的是,数学模型和大数据算法加剧了偏见与不公。例如,一个贫困学生想申请贷款交付学费,但是银行大数据算法根据他居住地的邮政编码判断将钱带给他存在风险,因此,拒绝给他提供贷款。他因此失去了受教育的机会,而这个机会可能帮助他摆脱贫困。大数据算法做的常常只是锦上添花的事儿,有时甚至是落井下石。
通过个案追踪,凯西•奥尼尔揭示了大数据是如何影响我们将来的,它不仅影响着个人,也影响着整个社会。这些数据评价着我们的老师、学生,筛选着我们的简历,审核着我们的贷款资格,衡量着员工的工作态度,监视着投票者,监控着我们的健康。
凯西•奥尼尔呼吁数据模型的创造者们要对算法负责,政策的制定者及执行者们在使用这一威力极大的“武器”前应该更加慎重。最后,作者指出,大数据几乎掌控着我们的生活,我们应该增加对它的了解。这本书相当的重要,它让我们有能力去问一些十分尖锐的问题,帮助我们了解事实的真相,提出需要改变的地方,探索更好的生活。
【编辑推荐】
案例丰富,内容兼具深度与话题性
未来20年,算法和大数据将席卷世界,接管我们的生活、社会和经济。我们生活中的很多方面都将落入自动化的数据分析之下。确保算法和大数据的公平性将是一项重大的任务,数据伦理的价值和意义将不断凸显出来。在作者看来,大数据犹如一个黑盒,规模、伤害和隐秘共存,她在书中引用了大量发生在美国当下的、基于大数据和算法的、改变个人生活的案例,并对影响这些城市生活经验的算法做了特别的观察和研究。作者认为,数据和算法的关系就像枪械和军火,数据没有价值观,是中立的,但来自人类行为的输入,难免隐含偏向,而算法创造的数据又对人类行为产生反作用,从而导致更多的不公。凯西在书中指出:算法模型一旦运转,执法行为就会增多,产生的新数据又会进一步证明加强执法的必要性。形象地说,就是哪里“前科”越多,哪里就越受算法“关照”,最终形成一个失真,甚至有害的回馈环路。这个观点也正是近来Facebook干预美国大选,国内很多专家学者热议“今日头条”推送模式的核心所在。
权威作者的深刻洞见
本书作者是哈佛大学的数学博士,研究方向是数论和代数几何,毕业之后在麻省理工学院执教,并在互联网公司做过很长时间的数据科学家,如今致力于教育和媒体行业的数据知识普及工作,因此,这并不是一本传统意义上唱衰大数据的书,相反,作者希望让更多的人通过了解大数据、了解算法,反思模型,以及通过政府和相关机构的合理监管,不断改善各类设计评价体系,让更多的人受益,维护社会的公平与民主。
【英文版获奖情况】
《纽约时报》(New York Times)年度书籍
《波士顿环球报》年度最佳图书
《连线》杂志年度必读书目之一
《财富》年度最受欢迎的书之一
《柯克斯评论》年度最佳作品
芝加哥公共图书馆年度最佳图书
《自然》网站年度最佳图书
《麻省理工科技评论》年度最佳科技图书
作者简介 · · · · · ·
凯西•奥尼尔(Cathy O'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。
目录 · · · · · ·
第一章 盲点炸弹
不透明、规模化和毁灭性
第二章 操控与恐吓
弹震症患者的醒悟
第三章 恶意循环
排名模型的焦虑和杀伤性的对立面
第四章 数据经济
掠夺式广告的赢家
第五章 效率权衡与逻辑漏洞
大数据时代的正义
第六章 筛选
颅相学的偏见强化
第七章 反馈
辛普森悖论的噪声
第八章 间接损害
所有数据都是信用数据?
第九章 “一般人”公式
沉溺与歧视
第十章 正面的力量
锁定微目标的出发点
结束语
注释
索引
· · · · · · (收起)
喜欢读"算法霸权"的人也喜欢的电子书 · · · · · ·
喜欢读"算法霸权"的人也喜欢 · · · · · ·
- 如何思考会思考的机器 6.6
- 为什么速度越快,时间越少 7.9
- 算法的陷阱 7.3
- 机器中的达尔文主义 7.7
- 深度思考 6.9
- AI的25种可能 7.8
- 被算法操控的生活 6.4
- 我们最后的发明 7.1
算法霸权的书评 · · · · · · ( 全部 17 条 )
不公平的模型已经开始泛滥了
这篇书评可能有关键情节透露
《黑镜》第三季第一集的社会中,有一个评分体系。人们每时每刻都要对别人的行为进行打分,而评分是个人获取各种社会资源的凭证。工作、生活、身心健康无不依赖于它。剧情展示了生活在这种社会中的人的悲惨生活。 但现实中,已经有这种评分的类似物了。2016 年年底,支付宝依托... (展开)观点并不新颖,消遣可以看看
这篇书评可能有关键情节透露
先写结论:作者对数据模型做了很好的总结,但是观点并不新颖。举例过于冗余,后半部分有点像在冲字数。一些观点过于偏激,比如全盘否定数据模型的在社科领域的作用。 作者对数据模型有几个不错的总结,罗列如下:1. 数据模型擅长以低成本处理海量数据,2. 由于人们无法对模型进... (展开)自恋,自负,自私的,“神”
这篇书评可能有关键情节透露
现在的互联网世界,弥漫着一种“技术既正确”的气氛。高技术诚然引领了社会的经济增长,技术员也在这一波浪潮中赚了不少快钱。我没有要否定计算机技术的意思,但国内的氛围,似乎看不到对于技术的负面影响有什么怀疑。 这本书在国内出版的意义就在于此。 人类的技术正在做的,... (展开)> 更多书评 17篇
论坛 · · · · · ·
在这本书的论坛里发言这本书的其他版本 · · · · · · ( 全部5 )
-
Crown (2016)7.5分 177人读过
-
-
Broadway Books (2017)暂无评分 8人读过
-
Penguin (2017)暂无评分 1人读过
以下书单推荐 · · · · · · ( 全部 )
- 经管:定位/产品/组织/运营等2 (alenwg_cn)
- 黄书 (丝绒陨)
- 深度学习与人工智能 (lyb)
- 左其盛好书榜 (左其盛)
- 授权出版:非虚构 (英国安德鲁·纳伯格联合国际有限公司)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于算法霸权的评论:
feed: rss 2.0
4 有用 nono 2020-06-16 10:23:18
在地铁上快速读完了,令人意外,还挺好看的。我们正处在一个从现实世界向数字世界迁移的过程中,数字世界是少数人创造,奴役多数人的世界。算法,或者说各种自动化系统,是数字世界提高效率的关键。这些算法为谁服务?这是核心问题。算法的不透明,大规模,损害,其实只是权力的不透明/大规模/损害的体现。算法也要透明,闭环,个人化,每个人都需要带上自己的算法武器,对抗政府的算法霸权。
2 有用 喊走哥 2019-05-24 17:31:32
从来没有这么坚决地给一本畅销书评出五颗星,这真的是一本数字化生存时代的急救手册,让我们明白自己身处的已知但无法改变以及更多未知却每时每刻都在经历的数据歧视和数字凌霸。该怎么办,书中给出了一些颇具说服力的建议,但对于更多的人来说,第一步应该是觉知,然后自觉地去传播他们的觉知,这也许就是技术时代的新启蒙运动。
1 有用 松脆 2021-11-01 13:28:26
举了很多例子,说了一个道理。
1 有用 柚儿圆 2022-03-09 23:15:57
科普闲聊的写法,内容和想法好过某些社会学的博论
23 有用 Nemo 2018-11-03 19:57:21
这是一本很牵强,有偏见的书. 作者作为数据科学家给我的感觉就是害怕数据.数据本身是没有好坏的,到了人的手里有不同的用法. 书中举的由于模型偏见带来的问题,我感觉作者是在讨好中下阶层的人.或许这些人才是这本书的受众,可以把自己的不行归结到社会上. 整本书也没有给我更多的启发, 我也没有看到作者会为此做出切合实际的行动或者建议. 书名能吓人, 给偏见找一个帮凶(这本书是数据),提出一个可以泛泛而谈的问... 这是一本很牵强,有偏见的书. 作者作为数据科学家给我的感觉就是害怕数据.数据本身是没有好坏的,到了人的手里有不同的用法. 书中举的由于模型偏见带来的问题,我感觉作者是在讨好中下阶层的人.或许这些人才是这本书的受众,可以把自己的不行归结到社会上. 整本书也没有给我更多的启发, 我也没有看到作者会为此做出切合实际的行动或者建议. 书名能吓人, 给偏见找一个帮凶(这本书是数据),提出一个可以泛泛而谈的问题,却没有实际建议. 这本书十分糟糕 说实话,模型不是万能的,需要透明化不断调整。这个观点我赞同,但让算法跟公平牵扯在一起讨论就很牵强了。算法是真实的,但公平是不存在的, (展开)
0 有用 momo 2024-05-10 01:35:57 上海
一般吧,就是反复举出在不同领域模型黑盒化不透明化的缺点。借用书评:Cathy O'Neil定义的数学杀伤性武器(Weapons of Math Destruction)有三个特征:不透明、规模化、毁灭性。它的构建过程存在着许多有害的假设,这些模型包裹着数学精确性的外衣,流行于市场,未经检测便投入使用,而人们对此却毫无争议。 Ps无名图书关站,现在找电子书真难。
0 有用 花奇 2024-04-05 06:39:21 美国
悲,从招生开始被野鸡大学骗,大学食堂只能吃只注重长得快和大却干柴的鸡胸肉,出来之后因为莫名其妙的性格测试找不到工作,好不容易找到了又要被软件定制的不规律上班时间玩弄,老美人可怜的一生。
0 有用 哎呀呀嗨呀呀 2024-03-20 22:34:26 浙江
作者应该是极具人文主义关怀的,关注算法的公平和透明。数据或者各种模型被利用开发的目的是什么,是为了剥削还是帮助,这是很重要的。这本书用了很多个case来证明作者的担忧,但世界上的大部分事物都具有两面性,善用或恶用的效果本就截然相反。或许作者担忧一直如此下去,恶性循环越演越烈直至弱势群体无法摆脱,可是什么东西又不是这样的呢,资本主义或是那些强势者在什么事情上不是永远占据优势地位并且不断巩固的呢?不过... 作者应该是极具人文主义关怀的,关注算法的公平和透明。数据或者各种模型被利用开发的目的是什么,是为了剥削还是帮助,这是很重要的。这本书用了很多个case来证明作者的担忧,但世界上的大部分事物都具有两面性,善用或恶用的效果本就截然相反。或许作者担忧一直如此下去,恶性循环越演越烈直至弱势群体无法摆脱,可是什么东西又不是这样的呢,资本主义或是那些强势者在什么事情上不是永远占据优势地位并且不断巩固的呢?不过作者也确实在提醒我们,如果有一天站在了模型开发者的位置上,不要忘记大数据只是用来寻找肉眼看不到的规律的,是用来辅助公平和公正利益的,而不是为了剥削和惩罚别人的。 (展开)
0 有用 高龄无业 2024-03-13 13:21:38 江苏
也算业内人士出来吹哨了
0 有用 momo 2024-02-25 21:02:09 北京
打破大数据的科学神话