第一章 盲點炸彈
不透明、規模化和毀滅性
第二章 操控與恐嚇
彈震癥患者的醒悟
第三章 惡意循環
排名模型的焦慮和殺傷性的對立麵
第四章 數據經濟
掠奪式廣告的贏傢
第五章 效率權衡與邏輯漏洞
大數據時代的正義
第六章 篩選
顱相學的偏見強化
第七章 反饋
辛普森悖論的噪聲
第八章 間接損害
所有數據都是信用數據？
第九章 “一般人”公式
沉溺與歧視
第十章 正麵的力量
鎖定微目標的齣發點
結束語
注釋
索引
· · · · · · (收起)
具體描述
數據科學傢凱西•奧尼爾認為，我們應該警惕不斷滲透和深入我們生活的數學模型——它們的存在，很有可能威脅到我們的社會結構。
我們生活在一個依賴“算法”的時代，它對我們生活的影響越來越大，我們去哪裏上學，我是不是應該貸款買車，我們應該花多少錢來買健康保險，這些都不是由人來決定的，而是由大數據模型來決定的。從理論上來說，這一模型應該讓社會更加公平，每一個人的衡量標準都是一樣的，偏見是不存在的。
但是，正如凱西•奧尼爾書裏所揭示的那樣，事實並非如此。我們今天所使用的這些數學模型是不透明的、未經調節的、極富爭議的，有的甚至還是錯誤的。最糟糕的是，數學模型和大數據算法加劇瞭偏見與不公。例如，一個貧睏學生想申請貸款交付學費，但是銀行大數據算法根據他居住地的郵政編碼判斷將錢帶給他存在風險，因此，拒絕給他提供貸款。他因此失去瞭受教育的機會，而這個機會可能幫助他擺脫貧睏。大數據算法做的常常隻是錦上添花的事兒，有時甚至是落井下石。
通過個案追蹤，凱西•奧尼爾揭示瞭大數據是如何影響我們將來的，它不僅影響著個人，也影響著整個社會。這些數據評價著我們的老師、學生，篩選著我們的簡曆，審核著我們的貸款資格，衡量著員工的工作態度，監視著投票者，監控著我們的健康。
凱西•奧尼爾呼籲數據模型的創造者們要對算法負責，政策的製定者及執行者們在使用這一威力極大的“武器”前應該更加慎重。最後，作者指齣，大數據幾乎掌控著我們的生活，我們應該增加對它的瞭解。這本書相當的重要，它讓我們有能力去問一些十分尖銳的問題，幫助我們瞭解事實的真相，提齣需要改變的地方，探索更好的生活。
【編輯推薦】
案例豐富，內容兼具深度與話題性
未來20年，算法和大數據將席捲世界，接管我們的生活、社會和經濟。我們生活中的很多方麵都將落入自動化的數據分析之下。確保算法和大數據的公平性將是一項重大的任務，數據倫理的價值和意義將不斷凸顯齣來。在作者看來，大數據猶如一個黑盒，規模、傷害和隱秘共存，她在書中引用瞭大量發生在美國當下的、基於大數據和算法的、改變個人生活的案例，並對影響這些城市生活經驗的算法做瞭特彆的觀察和研究。作者認為，數據和算法的關係就像槍械和軍火，數據沒有價值觀，是中立的，但來自人類行為的輸入，難免隱含偏嚮，而算法創造的數據又對人類行為産生反作用，從而導緻更多的不公。凱西在書中指齣：算法模型一旦運轉，執法行為就會增多，産生的新數據又會進一步證明加強執法的必要性。形象地說，就是哪裏“前科”越多，哪裏就越受算法“關照”，最終形成一個失真，甚至有害的迴饋環路。這個觀點也正是近來Facebook乾預美國大選，國內很多專傢學者熱議“今日頭條”推送模式的核心所在。
權威作者的深刻洞見
本書作者是哈佛大學的數學博士，研究方嚮是數論和代數幾何，畢業之後在麻省理工學院執教，並在互聯網公司做過很長時間的數據科學傢，如今緻力於教育和媒體行業的數據知識普及工作，因此，這並不是一本傳統意義上唱衰大數據的書，相反，作者希望讓更多的人通過瞭解大數據、瞭解算法，反思模型，以及通過政府和相關機構的閤理監管，不斷改善各類設計評價體係，讓更多的人受益，維護社會的公平與民主。
【英文版獲奬情況】
《紐約時報》（New York Times）年度書籍
《波士頓環球報》年度最佳圖書
《連綫》雜誌年度必讀書目之一
《財富》年度最受歡迎的書之一
《柯剋斯評論》年度最佳作品
芝加哥公共圖書館年度最佳圖書
《自然》網站年度最佳圖書
《麻省理工科技評論》年度最佳科技圖書
用戶評價
##有價值的是列舉瞭齣瞭許多非常具有探討意義的算法模型。（目前國內的算法模型感覺還處於黑箱）
評分##1、公平是模糊的，很難量化，關鍵在於如何界定公平；2、作者提到，“電子評分建模者迴答的是，像你這樣的一類人過去的行為錶現如何。理想情況下，應該問的問題是，你過去的行為錶現如何。但是這很難區分；3、作者認為，“數據越多越好是信息時代的指導原則，但是考慮到社會公平，一部分數據理應被排除在外”。 怎麼辦：1、確保信用評分的公平性；2、確保消費者可以看到數據檔案對評分的影響，禁止在信用評分中納入種族或者性彆因素；3、參考歐洲模式：規定收集任何數據都必須經過用戶的批準，用戶有選擇權，禁止將數據用於其他目的；4、對生活有重大影響的模型，包括信用評分係統和各類電子評分係統，都應該對公眾公開
評分##帶著好奇心查瞭作者舉的一些例子，發現不少都是作者臆想的
評分##今天看瞭《黑鏡》第三季第一集，恰巧又讀完本書，我想說我喜歡、支持，並且認為社會需要作者這種末世感和技術悲觀主義。書很好讀。
評分##case有點意思，比較冗長
評分##case有點意思，比較冗長
評分##有價值的是列舉瞭齣瞭許多非常具有探討意義的算法模型。（目前國內的算法模型感覺還處於黑箱）
評分這是一本很牽強,有偏見的書. 作者作為數據科學傢給我的感覺就是害怕數據.數據本身是沒有好壞的,到瞭人的手裏有不同的用法. 書中舉的由於模型偏見帶來的問題,我感覺作者是在討好中下階層的人.或許這些人纔是這本書的受眾,可以把自己的不行歸結到社會上. 整本書也沒有給我更多的啓發, 我也沒有看到作者會為此做齣切閤實際的行動或者建議. 書名能嚇人, 給偏見找一個幫凶(這本書是數據),提齣一個可以泛泛而談的問題,卻沒有實際建議. 這本書十分糟糕 說實話，模型不是萬能的，需要透明化不斷調整。這個觀點我贊同，但讓算法跟公平牽扯在一起討論就很牽強瞭。算法是真實的，但公平是不存在的，
評分##今天看瞭《黑鏡》第三季第一集，恰巧又讀完本書，我想說我喜歡、支持，並且認為社會需要作者這種末世感和技術悲觀主義。書很好讀。
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.teaonline.club All Rights Reserved. 圖書大百科 版權所有