江苏龙网

  1. 首页 > 社会 > >

算法 — 日常和人生十字路口陪伴你的“无形之手”

假设 ， 如果中国有一年取消高考 ， 用算法根据历年成绩给每个应届毕业生打分 ， 然后大学根据这个分数决定是否录取 ， 录取到什么专业 。英国今年的中学毕业生对算法的这种威力有切身体验 。因为新冠疫情而取消了决定数万名中学毕业生命运的考试 ， 用电脑算法( algorithm）给学生打分 ， 让机器根据学校往年的考试结果 ， 经过一番运算 ， 得出今年毕业生的成绩 。决定命运的是高中毕业生的A-level 考试也决定了能否上大学 ， 能上哪所大学 。 初中毕业 ， 不再上学而开始求职谋生的 ， 需要凭GCSE考试成绩去找工作 。 如果准备继续上学 ， 日后申请大学时 ， 这组成绩也是重要参考数据 。除了这种“十字路口”式的人生关键节点 ， 算法在现代人生活中很多方面扮演着“无形之手”的角色 ， 而我们未必知道 。BBC科技事务采访人员克雷顿（James Clayton）和克莱恩曼（Zoe Kleinman）梳理了几个算法左右命运的平台 。它们根据你所提供的 ， 以及来自其他各种渠道的数据 ， 确定你的兴趣、爱好、口味 ， 然后为你推送更多它们认为你喜欢的内容 。这些数据包括你点的每一个“赞” ， 看的每一条讯息或视频 ， 点击的每一个链接 ， 都被记录存档 。 大部分应用软件还会从你的上网习惯和特点 ， 以及地理位置等信息提取更多数据 ， 关于你的数据 。 这些数据用来判断你喜欢什么 ， 哪些内容吸引你的眼球 ， 能让你在网上流连 。这个算法对你了解越多 ， 对你生活的影响力就越大 。除了推送更多合你口味的内容 ， 它自然还会用这个知识向你推销产品 。社交媒体公司收集储存的数据也被用来订制个人化的广告 ， 定向投放 ， 而且精准度高得令人咂舌 。当然 ， 这类算法也会犯很严重的错误 ， 惹大祸 。 比如它发现极端的、刺激的、重口味的、充满仇恨和煽动性的内容 ， 在社交媒体上很吃香 ， 比平淡普通的内容更赚眼球、点击和转发更多 。 所以有些人发现自己收到各种极端主义的、暴力的、仇恨的推送内容 。脸书针对民权问题做过一次内部审计 ， 审计报告中明确提到 ， 公司必须尽一切所能阻止它的算法把用户“驱赶到极端主义自我强化的回音室里去” 。算法还有一个盲点 ， 那就是对种族歧视和仇恨类产品不加分辨地推送 ， 导致投诉甚至吃官司 。如果搬家 ， 你的房屋保险或汽车保险保费可能会变 ， 因为不同邮编的风险和“索赔几率”不同保险保险公司需要评估风险 ， 要做精算 ， 无论是房产险、汽车险、寿险、医疗险 ， 保费的多少依据这个评估结果来定 。许多人不知道的是 ， 保险业很早就开始探索利用历年积累储存的数据来分析、预测未来；在电脑和算法尚未普及的时候就开始了 。有了算法 ， 保险公司如虎添翼 。哈克尼斯（Timandra Harkness）是这方面专家 ， 有一部关于大数据的专著（Big Data: Does Size Matter） 。有些显而易见但人们通常不太在意的事 ， 背后就有算法的无形之手 。她举了个例子 ， 比如家庭住址的邮编就决定了你的保费高低 ， 而你在这些问题上毫无发言权 ， 完全被动 。你的房产或车保险保费在搬家后涨了还是降了 ， 跟你个人没有直接关系 ， 而是跟这个地区的其他居民曾经 ， 或者在多大程度上可能成为犯罪分子的受害者 ， 或者遭遇水淹 ， 或者出车祸 ， 等等 。现在比较普遍的行车记录仪 ， 汽车上的“黑匣子” ， 可以用来记录司机的驾车习惯 ， 如果记录显示车主基本上是安全驾驶 ， 即使其他指标都属于高风险群体 ， 他/她的汽车险保费也可能降低 。这是利用算法制定个人化保险产品的一个例子 。保险行业的 实质是风险分摊 ， 人人交保费 ， 需要的人从钱库里取 。 个人化的保险产品能否普及 ， 或许还需要算法来帮忙 ， 确定这类新业务对保险公司有何利弊 。看片子诊断病灶 ， 比如乳癌 ， 人工智能比医生肉眼更精准医疗人工智能（AI）在疾病诊断方面的应用日益普及 ， 有些地方AI甚至可以提出治疗方案和疗法建议 。2020年1月一项研究结果显示 ， 通过X光片子诊断乳癌 ， 算法的表现超过医生 。其他例子也有 ， 比如可以预测子宫癌患者生存率的工具 ， 这个工具还能帮助确定治疗方案 。伦敦大学学院（UCL）研发的人工智能可以分辨出哪些病人最容易忘记就诊预约 ， 因此需要提醒服务 。海量数据是训练人工智能的必要前提 。 这就涉及到许多棘手的问题 ， 包括病人隐私和个人数据保护 。2017年 ， 英国信息委员会裁定 ， 皇家自由医院NHS信托没有妥善保管病人数据 ， 跟谷歌的人工智能子公司DeepMind分享了160万病人的数据 。警务大数据和机器学习对警察机构来说具有颠覆性的巨大潜力 。理论上 ， 算法具备了科幻作品中描述的那种“预测警务”（predictive policing）的功能 ， 可以利用历年刑事罪案的数据分析来确定警察资源的部署 。问题在于这种算法有先天缺陷 ， 容易产生算法偏见 ， 甚至形成算法种族歧视 。科技智库WebRoots Democracy专家乔杜里（Areeq Chowdhury）解释说 ， 这就跟算法确定考试分数类似 ， 实际上是根据别人过往的学业表现来给你打分 ， 有什么道理？他说 ， 根据算法 ， 一个特定社区很可能被不成比例地突出和强调 。国防和安全智库RUSI今年稍早发表了一份报告 ， 阐述算法在警务实践中的应用 。报告提出一些需要关注的问题 ， 包括没有全国统一的准则 ， 也没有影响评估机制 。另一个需要深入研究的问题是算法如何放大、加剧种族主义倾向 。警务部门已经在使用的人脸识辨技术受到批评 ， 矛头集中在用于机器学习的数据库是否会导致算法种族主义 。比如 ， 用于人脸识别的摄像机识别白人更准确 ， 是否因为它们背后的数据库里白人的面部数据更多？这方面 ， 数据是否足够多 ， 足够多元化 ， 就至关重要 。乔杜里说 ， 最应该避免的是因为算法误判而错抓无辜 。


    推荐阅读


    上一篇：俄媒：俄一少将在叙利亚被炸身亡，两名士兵受伤

    下一篇：两协警追骑摩托情侣致其1死1伤：家属索赔六百万