Оружие математического уничтожения: как большие данные усиливают неравенство и угрожают демократии на русском
#10210
Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy (B019B6VCLO)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Cathy O'Neil | #87: Деловая статистика
БЕСТСЕЛЛЕР NEW YORK TIMES • Бывший аналитик с Уолл-стрит бьет тревогу по поводу больших данных и математических моделей, которые угрожают разрушить нашу социальную структуру — с новым послесловием.
«Руководство для гражданина XXI века… актуальное и неотложное». — Financial Times
Включена в длинный список номинантов Национальной книжной премии • Признана одной из лучших книг года по версии The New York Times Book Review • The Boston Globe • Wired • Fortune • Kirkus Reviews • The Guardian • Nature • On Point
Мы живем в эпоху алгоритмов. Все чаще решения, влияющие на нашу жизнь — куда мы поступаем в школу, сможем ли мы получить работу или кредит, сколько будем платить за медицинскую страховку — принимаются не людьми, а машинами. В теории это должно привести к большей справедливости: всех оценивают по одним и тем же правилам.
Но, как показывает пример математика и специалиста по анализу данных Кэти О'Нил, используемые сегодня математические модели не регулируются и не подлежат оспариванию, даже если они неверны. Что особенно тревожно, они усиливают дискриминацию — поддерживают счастливчиков, наказывают угнетенных и подрывают нашу демократию. Добро пожаловать на темную сторону больших данных.
«Руководство для гражданина XXI века… актуальное и неотложное». — Financial Times
Включена в длинный список номинантов Национальной книжной премии • Признана одной из лучших книг года по версии The New York Times Book Review • The Boston Globe • Wired • Fortune • Kirkus Reviews • The Guardian • Nature • On Point
Мы живем в эпоху алгоритмов. Все чаще решения, влияющие на нашу жизнь — куда мы поступаем в школу, сможем ли мы получить работу или кредит, сколько будем платить за медицинскую страховку — принимаются не людьми, а машинами. В теории это должно привести к большей справедливости: всех оценивают по одним и тем же правилам.
Но, как показывает пример математика и специалиста по анализу данных Кэти О'Нил, используемые сегодня математические модели не регулируются и не подлежат оспариванию, даже если они неверны. Что особенно тревожно, они усиливают дискриминацию — поддерживают счастливчиков, наказывают угнетенных и подрывают нашу демократию. Добро пожаловать на темную сторону больших данных.