章节目录
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
内容简介
A former Wall Street quant sounds an alarm on mathematical modeling—a pervasive new force in society that threatens to undermine democracy and widen inequality.
We live in the age of the algorithm. Increasingly, the decisions that affect our lives—where we go to school, whether we get a car loan, how much we pay for health insurance—are being made not by humans, but by mathematical models. In theory, this should lead to greater fairness: Everyone is judged according to the same rules, and bias is eliminated. But as Cathy O’Neil reveals in this shocking book, the opposite is true. The models being used today are opaque, unregulated, and uncontestable, even when they’re wrong. Most troubling, they reinforce discrimination: If a poor student can’t get a loan because a lending model deems him too risky (by virtue of his race or neighborhood), he’s then cut off from the kind of education that could pull him out of poverty, and a vicious spiral ensues. Models are propping up the lucky and punishing the downtrodden, creating a “toxic cocktail for democracy.” Welcome to the dark side of Big Data.
Tracing the arc of a person’s life, from college to retirement, O’Neil exposes the black box models that shape our future, both as individuals and as a society. Models that score teachers and students, sort resumes, grant (or deny) loans, evaluate workers, target voters, set parole, and monitor our health—all have pernicious feedback loops. They don’t simply describe reality, as proponents claim, they change reality, by expanding or limiting the opportunities people have. O’Neil calls on modelers to take more responsibility for how their algorithms are being used. But in the end, it’s up to us to become more savvy about the models that govern our lives. This important book empowers us to ask the tough questions, uncover the truth, and demand change.
下载说明
1、Weapons of Math Destruction是作者Cathy O'Neil创作的原创作品,下载链接均为网友上传的网盘链接!
2、相识电子书提供优质免费的txt、pdf等下载链接,所有电子书均为完整版!
下载链接
热门评论
-
透明的评论中国急需这样的左翼知识分子:对技术有深刻理解,并且能看到技术对社会造成的影响。
-
阿邪兔的评论学术界的人或许会说这里都是例子,比较浅薄,不成体系也没有深度。但我觉得这里的讨论都非常有价值,作者也非常真诚。作为一个比较早的讨论统计和数据方法的伦理以及社会公平的读物来说,我觉得值得赞美一下。
-
石刑受害者的评论想知道"大数据"毛病的不用读了。完全是一个"science is bad because it hurts my feeling"的完美案例。这下某些低等物种又可以造反有理了。
-
·的评论羊烤这缠头不是早就黑过了蟆
-
clover的评论一篇讨伐大数据的檄文。与那些赞歌不同,作者解释各行各业中所用的数学模型(以及人们应对这些模型的方法)背后所蕴藏的种种歧视、黑箱与不公。这些阴暗面加剧了当今社会的贫富差距和底层人民的愤怒,监管时不我待。
-
Frederic的评论认真推荐给每一位朋友。大多数人并没有意识到借着大数据(或人工智能、算法等)的旗号,科技巨头和政府的作恶能力有多可怕。特别是国内,针对这方面在制度和舆论上的制衡更是几乎为零。想想这一年多来各种新闻吧,比如某某积分系统,比如 7 分钟识别定位,我们更应感到毛骨悚然
-
DT的评论可能之前期待值太高 所以落差比较大.. 对fairness and accountability in ml比较陌生的人还是很推荐的。 读起来觉得大妈强项的数学模型方面可能考虑非technical读者粗略带过不过瘾, 不是专项的policy方面argument又比较sloppy...
-
quatremer的评论更像是essay合集。道理都还是中肯的。读起来也很快。个人口味问题,更喜欢不论长短薄厚,都能一板一眼扎实严谨的论述结构,而不过多依靠于类似类比。
-
拙荆的评论大数据模型在参数选择上的任意,数据统计上的不科学,模型适用的不科学推广,导致大数据模型在招生就业犯罪和选举问题上的不公正和不平等。虽然都是举例,但介绍了数据对人生活加以掌控的方方面面。
-
big的评论观点有意思,但是这样就写出书了。感觉就是博文综合。
-
azalea的评论https://book.douban.com/review/9331833/
-
kidpt的评论通篇读完觉得稍空了一些 中途回想起实习时的贷款延期批准模型 误判率数字背后都联系着顾客生计 唉想来不止是一个技术问题这么简单 作者自己从业经历背景也蛮厉害的 总体论调不反智!
-
Miss Coconut的评论大数据伦理讨论小合集。身在tech公司做大数据的东西,经常考虑这方面的东西。模型再好也难以100%正确,而那很小的一部分却的确能影响他们的生活。赞同作者的一些批评,但是并不能因噎废食。研究者更应该努力把模型做得更好(大部分批评都焦聚在feature selection不对,model不对之类的方面),因为相比起来,alternative更加不可取---信息太少纯粹靠拍脑袋做决定。另外,这名字起得太好了!!
-
newlight的评论迷信大数据的时代,需要好好读一下这本书
-
Prunus d的评论这本中文版已经引进了。作者懂技术,更看得懂技术所带来社会动力,乃至一些技术无法预见的后果……当然视角是左翼的
-
泥塘潜水的评论名字起得不错,作者对“数学杀伤性武器“的定义也很明确:opaque, large scale ,disruptive. 现实生活中的例子也有清晰阐述,包括 value added model 并不能真正反映教师的水平(很多差生+很多好生的班级能够进步的空间不大,相反比较中等的班级更容易通过提高成绩而增加教师的评分);大数据分析信贷对弱势群体的不公;自动调班系统让零售业打工者疲于奔命等。
-
Nanday的评论直译过来,就是数杀器。对大数据的合理使用,可以提高效率;否则,加剧社会不公。
-
mornsip的评论Big data ethics, 数据和模型导致了社会资源的重新配置很有启发。抒情和道德抨击减一星。
-
Shuyang的评论太唠叨
-
weihu的评论反思