☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

　　一名前华尔街量化分析师提出警告：现代生活中无所不在的的数学模型可能撕裂社会！

　　纽约时报非文学畅销书
　　亚马逊书店「商业统计」畅销书
　　《纽约时报》书评2016年最值得注意的书
　　《波士顿环球报》2016年最佳书籍
　　《连线》（Wired）2016年必读的选择之一
　　《财星》杂志2016年选书
　　《MIT科技评论》2016年编辑选书
　　《科克斯》书评A Kirkus 2016年最佳书籍
　　芝加哥公共图书馆2016年最佳书籍
　　《自然》期刊官网（Nature.com）2016年最佳书籍
　　《纽约时报》2016年度编辑选书

　　这是个演算法包围现代公民的时代！演算法在幕后影响着我们生活的各种决定，包括我们上什么学校、能否借到汽车贷款，以及医疗保险必须支付多少保费，愈来愈多判断是由数学模型，而非某些人所做出。这一切看似公平：因为所有人是根据相同的规则评断，不受偏见影响。

　　对热情的「问题解决者」来说，大数据像仙境，它蒐集资讯、再运用数学模型，使我们得以更有效地调配资源、筛选最优的人事物、并做出最好的决定，这些热情的宣扬者更是四处宣传大数据应用的威力。

　　但是，曾在典型数据分析圈内工作的凯西．欧尼尔不是上述这种人。

　　她在本书指出，事实与我们想的恰恰相反！这些数学模型不透明、不受管制，即便出错，受害者往往无法申诉。最令人不安的是，这些模型会「强化歧视」，例如，贫穷学生在申请学贷时，可能因自家的邮递区号，被审核贷款的数学模型视为还款高风险者，因而无法获得贷款……。这类问题会形成恶性循环——奖励幸运儿、惩罚遭践踏的人，创造出危害民主的「有毒鸡尾酒」。

　　欢迎认清大数据的黑暗面

　　欧尼尔在本书中揭开对我们人生各阶段有巨大影响的各种黑箱数学模型，不管我们愿不愿意，演算法系统都已经为我们打上「分数」。

　　当前许多数学模型已经失控滥用、还自作主张地替教师和学生评鑑、筛选履历表、审核贷款、评估员工绩效、锁定目标选民、决定假释名单，以及监测我们的健康状态，决定我们个人及社会的未来。

　　欧尼尔唿吁：在这个人人都被迫拥有自己在某种演算系统中持有「e化评分」的时代，那些建立模型的人应该为他们所创造出来的演算法负起更多责任，而政策制定者更应该负起监督管理的责任。这本重要着作使我们得以提出关键问题、揭露这些「数学毁灭性武器」的真相和要求变革。

强力推荐

　　……这些源自人性黑暗面的大数据与人工智能，如果不受监管，有可能撕裂社会，甚至让人类文明崩溃。但监管的标准该如何制定？谁来负责监管？如果监管者跟不上时代，甚至不可信赖，人类又该如何在AI专政的虚拟实境中维持人性尊严？－胡一天（源铂资本创办人暨执行长，源铂情报总编辑，《风传媒》专栏作家）

　　生活在现代的社会里，完全不被数学模型监控几乎是不可能，这是一种最安静的恐怖主义。然而，数学模型真的是我们生存世界的绝对真理？当我们盲目地将自己交付给它并且据此生存，是否有可能我们所拥抱的真理，只是让我们的世界变得更加荒谬扭曲……－陈智凯（国立台北教育大学文化创意产业经营学系所教授）

　　大数据浪潮下必读的一本书。当用数据模型替每个人打分数时，举凡信用、教育、健康等方面，带来了潜在的黑箱、歧视、道德危机。不论是数据从业人员或一般大众，都应阅读本书，建立正确的风险认知。－杨立伟（意蓝科技股份有限公司董事总经理、创办人，台湾大学工商管理学系兼任助理教授）

　　进行假设检定与决策时，伪正（型1错误）率和伪负（型2错误）率常会存在。本书提醒我们必须检验数据的正确性，降低二种错误率，并考虑错误所造成的影响，进行回馈的模型校正，才能应用大数据的分析，作出合适的决策。－卢鸿兴（国立交通大学统计所教授暨大数据研究中心主任）    

　　大数据、演算法、人工智慧，这些躲在数学背后的当红名词，正悄悄改变世界。作者批评它们变成一种神祇，隐形，至高无上，权力无限，且不受监督，她的警语，正可作为社群网路时代的急迫功课。－黄哲斌（新闻工作者）

　　当手上只有榔头，看什么都像是钉子。现在的「大数据」就像一把神奇的榔头，不管是为其着迷还是焦虑，人们以为可以拿大数据来解决各种问题，但事实并非如此。如果你想真正了解大数据，受益而不受害，这本书便是必读。－郑国威（PanSci泛科学总编辑）

　　凯西．欧尼尔是大数据的内行人，她看到的情况并不美好。本书揭露那些假装成中性数学工具，但剥削弱势、扭曲真相的演算法。本书睿智、犀利，是我们迫切需要的着作。－艾伦伯格（Jordan Ellenberg）、威斯康辛大学麦迪逊校区教授、《数学教你不犯错》（How Not To Be Wrong）作者

　　本书利用令人不安的真实案例和生动的叙事，难能可贵地说明政府和大企业如何利用无形的演算法和复杂的数学模型，损害平等并增强私人权力。本书以明晰治黑箱、以理解治混淆，有助我们在为时已晚之前扭转局面。－泰勒（Astra Taylor）、《人民平台》（The People’s Platform）作者

　　在这本杰作中，凯西．欧尼尔利用她的数学专长和对社会正义的热情，戳破大数据美好无瑕的假象。她有力地说明了数学正如何被用来压榨弱势和扩大不平等。她的分析精湛、文笔迷人，她的发现则令人不安。－博伊德（danah boyd）、数据与社会研究所创始人、《键盘参与时代来了！》（It’s Complicated）作者

　　虽然我是职业数学家，我在阅读这本书之前，对大数据可以如何暗中为害毫无概念。本书内容令人害怕，但读起来意外有趣：欧尼尔描述的由演算法主导的世界不乏黑色幽默和愤怒，就像当代的《奇爱博士》（Dr. Strangelove）或《第22条军规》（Catch-22）。这是一本非常重要的着作，令人大开眼界又深感不安。－斯托盖茨（Steven Strogatz）、康乃尔大学教授、《X的奇幻旅程》（The Joy of x）作者

　　这本杰作直白地唿吁大家有所行动。它承认数学模型不会消失：模型用来找出需要帮助的人，可以产生神奇的作用，但如果用来惩罚人和剥夺某些人的权利，则可以成为非常恐怖的工具。凯西．欧尼尔这本书之所以重要，恰恰是因为她相信数据科学的效用。本书有如一个关键的速成课程，说明了我们为何必须审视周遭的系统并要求改善。－达克特罗（Cory Doctorow）、《小老弟》（Little Brother）作者、波音波音网站（Boing Boing）编辑

　　许多演算法受制于权力不平等和偏见。如果你不想受这种演算法支配，请看凯西．欧尼尔的这本书，以便解构傲慢的体制日趋严重的最新暴行。－纳德（Ralph Nader）、《任何速度都不安全》（Unsafe at Any Speed）作者

　　下次碰到有人毫无保留地赞美大数据的奇蹟，你可以向他出示本书。这是有益之举。－萨蒙（Felix Salmon）、Fusion电视频道

　　从找工作到找配偶，预测型演算法正悄悄地塑造和控制我们的命运。凯西．欧尼尔带我们走过一段令人愤慨和惊奇的旅程，其文字就像是与读者交谈。这是一本重要着作。我们必须处理科技产生的问题。－提拉多（Linda Tirado）、《当收入只够填饱肚子》（Hand to Mouth: Living in Bootstrap America）作者
 

作者简介

凯西．欧尼尔（Cathy O’Neil）

　　数据科学家，部落格mathbabe.org网主。自哈佛大学取得数学哲学博士学位，曾任教于巴纳德学院，随后投身金融业，任职于对沖基金公司德劭（D.E. Shaw）。离开金融业后曾于多家新创企业担任数据科学家，负责建立预测人们购买和点击行为的模型。哥伦比亚大学数据新闻学莱德计画（Lede Program in Data Journalism）发起人，着有《数据科学实践》（Doing Data Science）。每週参与播客节目Slate Money。

译者简介

许瑞宋

　　香港科技大学会计系毕业，曾任路透中文新闻部编译、培训编辑和责任编辑，亦曾从事审计与证券研究工作。2011年获第一届林语堂文学翻译奖。译有《红队测试》、《数位面包屑里的各种好主意》和《大鸿沟》等数十本书。（victranslates.blogspot.tw/）
 

引言
第1章 数学炸弹元件：什么是模型？
第2章 金融业震撼：一个量化分析师的幻灭之旅
第3章 军备竞赛：大学入学问题
第4章 宣传机器：网路广告
第5章 殃及池鱼：大数据时代的执法问题
第6章 资格不符的第一关：艰难的求职者
第7章 隐形焦虑：恐慌的工作者
第8章 连带伤害：当个人信用出了问题
第9章 没有安全区：你想买保险吗？
第10章 被瞄准的公民：现代人的科技生活
结语
致谢

 

第3章 军备竞赛：大学入学问题（节录）

故事始于1983年。在这一年，处境艰难的新闻杂志《美国新闻与世界报导》（U.S. News & World Report）决定展开一项雄心勃勃的计画：它将评估美国1,800家学院和大学，替它们排出优劣次序。如果这项计画成功了，由此产生的大学排名将成为有用的工具，有助数以百万计的年轻人做他们人生中的首个重大决定。对许多年轻人来说，上什么大学决定了他们未来的职业路向，也决定了他们将结交哪些终身的朋友（很可能包括他们的配偶）。这家杂志社也希望大学排名那一期可以创造销售奇迹，使《美国新闻》至少有一週可以追上主要对手如《时代》和《新闻週刊》。

……

《美国新闻》的人员要衡量的是「教育卓越程度」，这比玉米的成本或一粒玉米有多少微克的蛋白质模煳得多。他们没有直接的方法可以量化四年的大学教育对一名学生的影响，遑论对数千万名学生的影响。他们无法测量学生四年大学生活的各方面，例如学到多少东西、有多快乐、对个人信心有何影响，以及在友谊上有多大的收获。他们的模型并不反映詹森总统的高等教育理想──「加深个人成就、提升个人生产力和增加个人报酬的一种方式。」

他们因此仰赖一些看似与教育成就有关的替代指标，例如学生的SAT分数、师生比率，以及录取率。他们分析新生升至二年级的百分比，也分析毕业率。他们计算在生的校友捐钱给母校的百分比，假定校友愿意捐钱，代表他们很可能满意自己所接受的教育之品质。大学排名有四分之三由一个演算法根据这些替代指标计算出来；这个演算法代表一种判断，以电脑程式的形式存在。排名的另外四分之一，是以全美各大学管理层的主观看法为根据。

《美国新闻》第一份仰赖数据的大学排名1988年公佈，结果看来合情合理。但是，随着这种排名变成一种国家标准，它产生了恶劣的回馈环路。问题在于排名会自我强化。一家大学在《美国新闻》的排名上表现不济，声誉会受损，各种情况会恶化。顶尖学生和顶尖教授都会避开它，校友会很不满意，减少捐款。结果排名将进一步下跌。简而言之，这种排名决定了大学的命运。

None

大数据的傲慢与偏见：一个「圈内数学家」对演算法霸权的警告与揭发 电子书 下载 mobi epub pdf txt 2025

类似图书 点击查看全场最低价

查看全网最低价