具体描述
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.
作者简介
Catherine ("Cathy") Helen O'Neil is an American mathematician and the author of the blog mathbabe.org and several books on data science, including Weapons of Math Destruction. She was the former Director of the Lede Program in Data Practices at Columbia University Graduate School of Journalism, Tow Center and was employed as Data Science Consultant at Johnson Research Labs.
She lives in New York City and is active in the Occupy movement.
目录信息
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
· · · · · · (收起)
读后感
感谢 recall 这本书的不知名同学，谢谢你逼得我用4个小时读完。 作者创造了“数学杀伤性武器”（Weapons of Math Destruction, WMD）这个词指代统计模型，探讨现实生活中统计模型的大规模应用对社会的影响。 正面例子是棒球、篮球比赛的分析，可以即时调整战术（参考《点球成金...
评分 评分 评分The answer is yes. A model, after all, is nothing more than an abstract representation of some process, be it a baseball game, an oil company’s supply chain, a foreign government’s actions, or a movie theater’s attendance. Whether it’s running in a comp...
评分【春上春树随喜文化】 算法是层级和并行思维的融合 可视化，标准化，规模化，全球化 去中心化，分布式计算，智能虚拟助手 乃至宗教般毋庸置疑的 民主和科学的感召 最后所有人被既得利益者 网罗为囊中之物 辛普森悖论 是《国富论》所谓的 看不见的手 阶层难以穿透 跃迁机会渺茫 ...
用户评价
这本书无疑为我打开了一扇新的视野，让我看到了我们日常生活中无处不在的“数学武器”的威力。在阅读这本书之前，我可能从未认真思考过，那些为我们提供便利的科技产品，那些为我们“量身定制”的推荐内容，背后隐藏着怎样的驱动逻辑，又可能带来怎样的负面影响。作者通过对一系列真实案例的深入剖析，生动地揭示了这一点。从刑事司法领域预测性警务的运用，到信用评分系统中潜在的歧视，再到教育评估中的不公平，每一个案例都让我感到震撼。她并没有简单地将矛头指向数学本身，而是强调了在这些算法的设计、训练和应用过程中，如何因为数据本身的偏见、算法的固有缺陷，以及背后商业利益的驱动，而导致了“数学武器”的产生。我尤其对作者分析招聘算法的章节印象深刻，她描绘了那些旨在提高招聘效率的算法，是如何因为学习了历史上存在性别和种族歧视的招聘数据，而对某些求职者产生无意识的偏见，从而加剧了社会的不平等。这种对技术背后伦理问题的深刻反思，贯穿了整本书的始终。作者的语言风格既严谨又不失可读性，她用清晰易懂的方式解释了复杂的概念，使得即使是对数学不太熟悉的读者，也能理解其中的道理。这本书让我开始警惕那些看似“客观”的算法，并且更加关注在科技发展的同时，我们如何确保公平和正义不被牺牲。
评分这本书的出现，可以说是对我长期以来对技术发展的一些模糊担忧的具象化。作者以一种非常直接且富有洞察力的方式，揭示了“数学武器”的存在，并且阐述了它们如何在不被察觉的情况下，深刻地影响着我们的社会结构和个体命运。我尤其对书中对几个关键领域的案例分析印象深刻，比如在教育领域，如何通过算法来评估学生的表现，并以此决定他们的未来发展机会。作者指出，这些算法可能因为数据本身的偏差，而加剧了教育资源分配的不公平，使得那些本就处于弱势地位的学生，在起跑线上就已处于劣势。这种细致入微的分析，让我不得不重新审视那些看似“公平”的评估体系。作者的文笔非常流畅，她并没有使用过多晦涩的专业术语，而是用一种非常生活化的语言，将复杂的数学概念和算法原理娓娓道来。她对数据的敏感度，以及对社会问题的深刻思考，都让我对她充满了敬佩。阅读这本书的过程，就像是在进行一场自我审视，它迫使我去质疑那些我习以为常的“技术解决方案”，去探究它们背后可能存在的伦理困境和潜在的负面影响。这本书的价值在于，它不仅仅是提供了一个关于“数学武器”的警告，更重要的是，它提供了一个思考的方向，一个让我们在拥抱技术进步的同时，也能够保持警醒，并积极寻求解决方案的起点。
评分在这本书的字里行间，我仿佛看到了一个隐藏在我们日常技术生活中的复杂世界，一个由数学和数据构建的、充满力量的、却也可能具有破坏性的世界。作者用一种极其清晰且令人信服的方式，解释了“数学武器”的概念，并用大量的真实案例来支撑她的论点。我特别被书中关于刑事司法系统中使用预测性警务算法的章节所吸引。作者详细描述了这些算法如何试图预测犯罪发生的可能性，从而指导警力的部署。然而，她也深刻地揭示了，这些算法如果仅仅依赖于历史数据，很可能会因为社会固有的偏见，而将某些特定社区或群体置于更高的警务关注之下，从而加剧了不平等。这让我开始反思，那些为我们提供便利的“智能”系统，它们在做出判断时，是否也同样受到了隐藏在数据中的偏见的影响？作者的文笔非常出色，她能够将复杂的数学模型和算法逻辑，以一种非常易于理解的方式呈现给读者，即使是没有深厚数学背景的人，也能从中受益匪浅。她对数据科学的深刻理解，以及对社会问题的敏感度，都让我对她充满了钦佩。这本书不仅仅是一本关于技术风险的科普读物，它更是一次对我们所处时代深刻的社会伦理反思，它提醒我们在享受技术带来的便利时，也要保持审慎的态度，去审视那些隐藏在算法背后的潜在影响。
评分这本书的封面设计就吸引了我，一种低调而有力的视觉冲击，让我不禁联想到那些隐藏在数据背后、却能深刻影响我们生活的复杂力量。初读之时，我怀着一种既好奇又略带不安的心情，想知道作者究竟是如何将“数学武器”这个概念具象化，又是如何揭示那些我们可能并未察觉到的“破坏性”的。随着阅读的深入，我发现作者并非简单地罗列技术名词或枯燥的公式，而是通过一系列引人入胜的案例，将抽象的数学模型与现实世界的社会问题巧妙地联系起来。从招聘领域的算法偏见，到刑事司法系统中对预测性警务的依赖，再到信贷评估中可能存在的歧视，每一个章节都像是在解剖一个复杂的社会肌瘤，而数学正是那个看不见的解剖刀。作者对这些算法的运作方式进行了非常清晰的解释，即使是对数学并非特别精通的读者，也能理解其核心逻辑。更重要的是，她不仅指出了问题所在，更深入地探讨了这些问题产生的根源——数据的收集方式、算法的设计理念、以及背后可能存在的商业利益驱动。她并没有将矛头指向数学本身，而是强调了在应用数学解决问题时，我们必须保持警惕，并对可能产生的负面影响进行审慎的评估。这本书让我开始重新审视我每天接触到的各种“智能”系统，那些看似无害的推荐算法，那些为我们“量身定制”的内容，它们是否也在不知不觉中塑造着我们的认知，甚至限制着我们的选择？这种对技术的反思，贯穿了整本书的始终，它不仅是一本关于数学的读物，更是一本关于社会公平、伦理道德的深刻探讨。
评分这是一本真正能够改变你看待世界的方式的书。作者以一种极其有力且毫不妥协的方式，揭示了“数学武器”这一概念，并将它与我们日常生活中无处不在的算法和大数据紧密相连。在阅读这本书之前，我可能从未真正意识到，那些为我们提供便利的科技产品，那些为我们“量身定制”的内容，背后隐藏着怎样的强大力量，又可能带来怎样的负面影响。作者通过对一系列令人警醒的案例进行深入剖析，展现了这些算法可能带来的社会性伤害。例如，她深入探讨了在信贷评估领域，算法是如何可能因为数据中的历史偏见，而对某些群体产生不公平的待遇，从而限制了他们的金融机会。这让我开始反思，那些我每天接触到的各种“智能”推荐系统，它们是否也在不知不觉中，通过对我数据的分析，来影响我的消费习惯，甚至我的思想？作者的写作风格非常鲜明，她用一种非常平实但充满力量的语言，将复杂的数学原理和算法应用，与现实社会的种种问题巧妙地联系起来。她对数据的洞察力，以及对社会公平的关注，都令人印象深刻。这本书不仅仅是提供了一个关于技术风险的警告，它更像是一次对我们所处时代深刻的社会学和伦理学探讨。它迫使我重新思考，我们应该如何才能驾驭这些强大的技术工具，以及如何在追求效率和便利的同时，不牺牲我们对公平和正义的追求。
评分我必须说，这本书真的打开了我的新世界。一直以来，我都对技术的发展保持着一种谨慎乐观的态度，但这本书让我看到了技术的另一面，一种更具破坏性的可能。作者通过“数学武器”这个概念，为我揭示了隐藏在数据和算法背后的强大力量，以及它们如何以一种看不见的方式，影响着我们的社会和生活。书中对一系列案例的详细描述，让我感到既震惊又不安。比如，她分析了在金融领域，信用评分算法是如何可能因为一些难以理解的因素，而对某些人产生不公平的待遇，从而限制了他们的金融机会。这让我开始反思，我日常接触到的各种“智能”推荐系统，它们是否也在不知不觉中，通过对我数据的分析，来影响我的消费习惯，甚至我的思想？作者的写作风格非常鲜明，她用一种非常平实但充满力量的语言，将复杂的数学原理和算法应用，与现实社会的种种问题巧妙地联系起来。她对数据的洞察力，以及对社会公平的关注，都令人印象深刻。这本书不仅仅是提供了一个关于技术风险的警告，它更像是一次对我们所处时代深刻的社会学和伦理学探讨。它迫使我重新思考，我们应该如何去驾驭这些强大的技术工具，以及如何在追求效率和便利的同时，不牺牲我们对公平和正义的追求。
评分这本书给我带来的震撼，远不止于对“数学武器”这一概念的认知，更在于它引发了我对当下社会运行逻辑的深刻反思。作者以一种极为罕见的清晰度和说服力，将复杂的数学模型与现实世界的社会问题巧妙地融合在一起，让我们看到了那些隐藏在数据和算法背后的力量。我至今仍清晰地记得书中关于招聘算法的章节，作者描绘了那些本应帮助企业更高效地筛选人才的算法，是如何因为学习了历史数据中存在的性别和种族歧视，而无意识地加剧了就业市场的不平等。这种对技术背后伦理问题的深入挖掘，让我不得不审视自己所接触的每一个“智能”系统。作者的写作风格非常独特，她没有采用任何华而不实的辞藻，而是用一种非常朴实却充满力量的语言，将复杂的科学原理和深刻的社会洞察融为一体。她对数据的敏感度，以及对社会公正的追求，都让我对她充满了由衷的敬意。阅读这本书的过程，就像是在进行一场深度对话，它不仅仅是在讲述一个关于技术的故事，更是在挑战我固有的认知，引导我去思考，在这个数据驱动的时代，我们应该如何才能确保技术的发展，服务于更广泛的社会福祉，而不是成为加剧不平等的工具。
评分我一直对那些能够揭示社会运作深层机制的书籍情有独钟，而这本书无疑满足了我的这一期待，甚至超出了我的想象。作者以一种极具说服力的方式，阐述了“数学武器”这一概念，它并非是传统意义上的物理武器，而是隐藏在数据和算法中的隐形力量，它们以一种看似客观、科学的方式，却可能对个体和社会造成难以估量的伤害。书中对各种具体案例的剖析，简直令人触目惊心。我尤其对关于招聘算法的章节印象深刻，作者描绘了那些本应帮助企业更高效地筛选人才的算法，是如何因为训练数据中的历史偏见，而无意识地将特定群体拒之门外。这让我联想到我自己曾经经历过的求职过程，那些看似公平的在线测试和评估，背后究竟隐藏着怎样的逻辑？这本书让我第一次如此直观地感受到，科技的发展并非总是线性的进步，有时它也会带着过去时代的烙印，将旧的偏见以一种更隐蔽、更强大的方式传承下去。作者的文字流畅而充满力量，她并没有用晦涩难懂的语言来解释复杂的数学原理，而是通过生动的叙事和翔实的证据，将这些理论呈现给读者。她对数据科学的洞察力，以及对社会问题的敏感度，都令人钦佩。这本书不仅仅是关于算法的介绍，它更是一次对我们所处信息时代的深刻反思，它提醒我们，在这个数据驱动的时代，我们需要保持批判性思维，不被表面的“客观”所蒙蔽，去探究那些隐藏在数字背后的真实意图和潜在影响。
评分坦白说，在拿起这本书之前，我对“数学武器”这个概念感到有些陌生，甚至觉得它有些夸张。我一直以为数学是纯粹的、客观的，是解决问题的工具。然而，这本书完全颠覆了我的认知。作者以一种极其令人信服的方式，通过大量详实的案例，展现了数学是如何在不经意间，甚至是有意为之的情况下，成为一种强大的“武器”，影响着我们的生活，塑造着我们的社会。我记得其中一个让我印象深刻的例子是关于信贷评估的算法。作者描述了这些算法如何能够通过分析大量的个人数据，包括我们在线上的行为、社交关系等，来预测我们的信用风险。听起来很高效，但作者随后揭示了，这些算法往往会因为数据中存在的历史偏见，例如种族或社区的贫困程度，而对某些群体做出不公平的评估，从而限制了他们的金融机会。这让我开始反思，那些我每天接触到的各种“智能”系统，例如社交媒体的内容推荐，它们是否也在不知不觉中，通过对我们数据进行“计算”，来影响我们的视野，甚至塑造我们的价值观？作者的写作风格非常独特，她没有使用任何空洞的理论，而是用一个个活生生的故事，一个个具体的例子，来支撑她的论点。她对数据科学的深入理解，以及对社会问题的敏锐洞察，都让我对她充满了敬意。这本书不仅仅是一本关于科技的书，它更是一本关于人类社会公平与正义的深刻探讨，它迫使我们去思考，在享受科技带来的便利的同时，我们是否也应该警惕它潜在的负面影响。
评分这是一本能够彻底改变你对技术看法的书。作者以一种极其有力的方式，将“数学武器”这个概念具象化，让我们看到了隐藏在看似无害的算法和大数据背后的强大力量。在阅读这本书之前，我可能从未真正意识到，我们每天使用的各种在线工具，从搜索引擎到社交媒体，再到各种评分系统，它们是如何通过复杂的数学模型来影响我们的决策，甚至塑造我们的现实。作者通过对一系列令人触目惊心的案例进行深入剖析，展现了这些算法可能带来的负面影响。例如，她描述了在刑事司法系统中，预测性警务算法如何可能加剧对特定社区的过度执法，以及在招聘和信贷领域，算法如何因为训练数据中的历史偏见而对某些群体造成歧视。这些例子不仅令人警醒，更让我开始反思，在享受科技带来的便利的同时，我们是否也应该对这些“智能”系统保持警惕。作者的写作风格非常独特，她擅长用生动的故事和清晰的逻辑来解释复杂的概念，使得即使是对数学不太熟悉的读者，也能理解其中的深层含义。她对数据科学的洞察力，以及对社会公平的深刻关注，都令人印象深刻。这本书不仅仅是关于技术，它更是一次对我们所处时代深刻的反思，它提醒我们，在这个数据驱动的世界里，我们需要保持批判性思维，不被表面的“客观”所蒙蔽，去审视那些隐藏在数字背后的真正力量。
评分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...
评分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。
评分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
评分迷信大数据的时代，需要好好读一下这本书
评分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
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有