Mimo wszystko przeczyta\u0142em t\u0119 ksi\u0105\u017ck\u0119. I nie \u017ca\u0142uj\u0119, bo by\u0142a ona zar\u00f3wno horrorem jaki i miejscami groteskow\u0105 komedi\u0105.<\/p>
Dr Cathy O’Neil<\/mark><\/a>, jest akademick\u0105 matematyczk\u0105, kt\u00f3ra zawodowo zajmuje si\u0119 audytem algorytm\u00f3w. Ma za sob\u0105 solidny baga\u017c do\u015bwiadcze\u0144, bo podczas kryzysu w 2008 r., pracowa\u0142a jako analityczka dla jednego z funduszy hedgingowych. To spowodowa\u0142o, \u017ce przesz\u0142a na \u201edrug\u0105 stron\u0119 barykady\u201d.<\/p> Dewiza epoki informacji brzmi: im wi\u0119cej danych, tym lepiej. Dane nap\u0119dzaj\u0105 modele i powi\u0105zane z nimi algorytmy, a te z kolei s\u0105 silnikami gospodarki wkraczaj\u0105cej w kolejn\u0105, tym razem\u00a0 cyfrow\u0105 rewolucj\u0119. Rewolucj\u0119 powinno utrzyma\u0107 w ryzach prawo, ale to niestety reaguje zbyt wolno i niekoniecznie sensownie. Powstaje masa nieporozumie\u0144, z kt\u00f3rymi pr\u00f3bujemy sobie poradzi\u0107 si\u0119gaj\u0105c po rozwi\u0105zania, kt\u00f3re przypominaj\u0105 przypadek faceta biegn\u0105cego przed automobilem z chor\u0105giewk\u0105<\/mark><\/a>.<\/p> Ogromna liczba zgromadzonych danych rodzi pokus\u0119, by znale\u017a\u0107 powi\u0105zania mi\u0119dzy nimi i na tej podstawie przewidywa\u0107 nasze zachowania. Lub nawet sterowa\u0107 nimi. Pojawi\u0142y si\u0119 modele, kt\u00f3re za pomoc\u0105 j\u0119zyka matematyki opisuj\u0105 te zale\u017cno\u015bci. Stworzone na ich podstawie algorytmy, maj\u0105 nas oceni\u0107 lub zasugerowa\u0107 spos\u00f3b post\u0119powania.<\/p> Niestety modele s\u0105 z natury uproszczeniami. Ta natura sprawia z kolei, \u017ce generuj\u0105 b\u0142\u0119dy w algorytmach. Rozwi\u0105zaniem by\u0142oby zastosowanie sprz\u0119\u017cenia zwrotnego, kt\u00f3re po zauwa\u017ceniu b\u0142\u0119dnych wynik\u00f3w modyfikuje model lub chocia\u017c alarmuje u\u017cytkownika o tym, \u017ce pojawi\u0142y si\u0119 nieprawid\u0142owo\u015bci. Kolejnym problemem jest jako\u015b\u0107 danych, na kt\u00f3rych pracuj\u0105 modele. Wykorzystywanie drugorz\u0119dnych danych sprawia, \u017ce generowane wyniki s\u0105 zniekszta\u0142cone.<\/p> Cathy O’Neil opisuje przypadki zastosowania algorytm\u00f3w do oceny jako\u015bci pracy, wiarygodno\u015bci kredytowej, ryzyka recydywy skazanych i ich wp\u0142yw na prac\u0119 wymiaru sprawiedliwo\u015bci. Pisze o trzech cechach algorytmizacji: dzia\u0142aniu na du\u017c\u0105 skal\u0119, nieprzejrzysto\u015bci i szkodliwo\u015bci. Klimat opisywanego przez ni\u0105 \u201ealgorytmicznego cyfrowego eko\u015bwiata\u201d przypomina chwilami \u015brodowisko, z kt\u00f3rym si\u0119 zetkn\u0105\u0142 tajemniczy K. w \u201eZamku<\/a>\u201d<\/mark> Franza Kafki. <\/p>Informacja zarz\u0105dza cyfrow\u0105 gospodark\u0105\u2026<\/strong><\/h4>
Posiadanie danych niepokoi\u2026<\/strong><\/h4>
\u0179r\u00f3d\u0142a problem\u00f3w\u2026<\/strong><\/h4>
Algorytm jako bro\u0144 masowego ra\u017cenia\u2026<\/strong><\/h4>
Polecam\u2026<\/strong><\/h4>