大学排名和身体质量指数（BMI）竟然是一场骗局？ 在数据经济时代，我们不仅是数据巨头的用户，也成为它们的商品？ 为什么说“一般人公式”会带来更多的间损害与不公？ 数据安全和数据正义该如何维护？ 未来20年，算法和大数据将席卷世界，管我们的生活、社会和经济。我们生活中的很多方面都将落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。在这本书的作者凯西•奥尼尔看来，黑盒里，大数据的规模、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，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”，*终形成一个失真甚至有害的回环。因此，建模者应该对自己的算法承担更多责任，政策制定者要对模型的使用行管理，让更多的人受益，维护社会的公平与民主。
售 价：¥
纸质售价：¥51.75购买纸书
7.4
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
本书所获赞誉
前言
第一章 盲点炸弹 不透明、规模化和毁灭性
第二章 操纵与恐吓 弹震症患者的醒悟
第三章 恶意循环 排名模型的特权与焦虑
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 替代变量和间接损害 信用数据的陷阱
第九章 “一般人”公式 沉溺与歧视
第十章 正面的力量 微目标的出发点
结论
致谢
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
