具體描述
凱西•奧尼爾（Cathy O'Neil）
數據科學傢，mathbabe.org的博主。博士畢業於哈佛大學，主修數學專業。她曾在巴納德學院任教，之後為私營企業服務，例如避險基金。她還在各類新型公司擔任數據科學傢，預測消費者購買與點擊趨勢。每周她都會齣現在“財富記賬”的播客上。
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
##Cathy O'Neil定義的數學殺傷性武器（Weapons of Math Destruction）有三個特徵：不透明、規模化、毀滅性。它的構建過程存在著許多有害的假設，這些模型包裹著數學精確性的外衣，流行於市場，未經檢測便投入使用，而人們對此卻毫無爭議。
評分 評分##【春上春樹隨喜文化】 算法是層級和並行思維的融閤 可視化，標準化，規模化，全球化 去中心化，分布式計算，智能虛擬助手 乃至宗教般毋庸置疑的 民主和科學的感召 最後所有人被既得利益者 網羅為囊中之物 辛普森悖論 是《國富論》所謂的 看不見的手 階層難以穿透 躍遷機會渺茫 ...
評分 評分 評分##1、按李航《統計學習方法》的第一章，統計學習方法包含瞭三個要素：模型、策略和算法。個人感覺這本書其實討論最少的其實就是算法：例如以學生成績來評價老師的案例，根本錯誤就齣在選取最優模型的策略上，這樣算法幾乎沒有正確的可能。不止這本書的標題翻譯問題，算法就是個大筐，什麼都能往裏裝。 2、書本身就是麵嚮大眾的科普通俗讀物，不過“選民擴音器”（voter megaphone）的案例從今天看這個真的太重要瞭。 3、我甚至有一絲感覺，好模型和壞模型的界限其實不模糊，不涉及社會的纔有可能是好模型，隻要是涉及社會的模型都難免有不可預知的外部性。我們所能做的就是公開化和審查監督。
評分 評分 評分相關圖書
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.coffeedeals.club All Rights Reserved. 靜流書站 版權所有