Книга хорошая чтобы задуматься в каких областях можно использовать большие данные и где они приносят пользу. В книге нет технических деталей а только обсуждение социальных аспектов использования данных. Точка зрения автора не сильно убедительна в плане вреда данных, скорее наоборот то что она считает плохим следует поизучать и использовать для достижения результатов.
Книга разочаровала. Начало закручено довольно лихо, но за пределами ознакомительного фрагмента автор начинает очень быстро сыпаться. Ближе к концу текст превращается просто в бесконечное нытье недовольного всем на свете интиллигента.
Только небольшая часть книги (~15% от силы) действительно соответствует титульной теме, то есть про математику и большие данные. Все остальное это по большей части философские рассуждения про социальную справедливость.
Конкретно на борьбе с расизмом у автора по моему вообще поехала крыша… видимо как и у всей америки. Интересно, книги и фильмы в которых не поднимаются вопросы расового разнообразия и инклюзивности ещё выпускают?
Возвращаясь к предмету: все же надо отличать две совершенно разные истории. Первая это когда модные алгоритмы “бьют в молоко” ну или проще говоря работают неправильно.
Происходит это зачастую оттого что разрабатывают их теоретики не имеющие понятия о предмете, продают откровенные жулики, а применяют коррумпированные менеджеры (государственные и корпоративные) которым главное обеспечить свои высокооплачиваемые рабочие места.
Максимальные опасения вызывает ситуация, когда разработчики сами открыто заявляют что не понимают как работает их модель. Просто “так решил алгоритм” и все. Типа “у ей внутри неонка”. Особенно это относится к нейронным сетям.
В итоге получаются очень дорогостоящие “вундервафли” от которых вреда действительно гораздо больше чем пользы. Вреда для всех, для пользователей тоже. Причём упомянутые выше коррумпированные (или просто глупые) менеджеры зачастую манипулируют данными и пытаются потом выдать явный провал за большую победу.
Эта тема в книге затронута, но, к сожалению, совсем чуть чуть.
Большая часть книги про другое. Это случай когда алгоритмы и модели работают ПРАВИЛЬНО. Но те ответы которые мы от них получаем неприятны и вызывают дискомфорт.
Так например автор сама пишет, что чернокожие (за которых она так переживает) это 13% населения США однако занимают 40% мест в тюрьмах. Даже если учесть опять её же данные, что в среднем афроамериканцам выносят приговоры на 20% строже, чем белым, то все равно остаётся 156% разницы которые откуда то взялись.
Я тут не говорю о том почему это так, и виноваты ли в этом сами чернокожие. Я просто имею в виду что это факт и его бессмысленно отрицать. Модель тут не виновата. Как говорится, не надо на зеркало пенять.
Другое дело конечно, что с этим делать. Сажать их всех в тюрьму, перевоспитывать, платить пособия или что то ещё. Но автор по большей части никаких конкретных предложений не даёт.
Более того, в области скажем борьбы с криминалом автор уж точно не является никаким специалистом. Поработала бы она годик другой в полиции в неблагополучном районе… может быть смотрела бы на вопрос совсем по другому. А может и нет. Но вот тогда было бы интересно её послушать.
Вся книга про справедливость, но автор не пытается рассуждать на тему что же это такое. Типа это как будто универсально понимаемое понятие – всеми и везде. Не думаю, что автору понравилось бы общество в котором, скажем, всем все поровну.
Так например если запретить банкам кредитный скорринг то все будут получать кредиты по одной ставке. Но это будет самая высокая ставка, так как банк не будет знать кому он даёт кредит. С точки зрения госпожи О’Нил, это будет более справедливо?
Да, ну и не мешало бы вспомнить, что кредитор тоже имеет какие то права. А то все беспокойство исключительно о заёмщике. А кредитор – он же богатый, он должен делится с бедными. Это тоже справедливо? Точно?
В общем, почитать конечно можно, пара толковых моментов есть, но по большей части так себе.
Интересное чтение, на одном дыхании. Много реальных примеров. Хорошая информация, чтобы подумать. Интересно было прочитать взгляд ученой, которая работала в финансовой сфере.
Приведены отличные примеры как Большие данные могут навредить людям, хоть и помогают компаниям зарабатывать больше денег. В книге нет программирования, формул и математики вообще. Но подняты моральные проблемы такой аналитики. Китай вводит «социальные рейтинги», но эта проблема существует давно и будет только хуже.
Когда читаешь много книг, уже меньше находишь интересного.
Но эта книга меня захватила, прочла сразу более половины книги. Сейчас сижу дочитываю)
Проблемы поднимаемые в книге не новы, но стали более актуальными. Наша доверчивость компьютерам (вера обывателей, что "они, в отличие от людей, никогда не ошибаются").
Закрытость их моделей создают большие проблемы. Надо обсуждать и искать пути контроля.
К недостаткам можно отнести, то что автор сузил эту проблему до рассовой и социальной. Тогда как она шире и многогранней.
Крайне спорная книга . Приведены в лучшем случае непроверенные гипотезы. Ошибки разработчиков в обработке данных представлены как принципиальные проблемы методик, небрежность в работе как изъяны технологии , выводы как минимум некорректны, а на мой взгляд просто ложны. Справедливость из уст математика??? Арифметические методы для решения медицинских, расовых и вообще социальных проблем. Серьезно??? Немудрено что ничего не сходиться.
Увы, это не надуманные проблемы. Еще в 80х, я в одной книге про разработку ИИ было написано, что если ИИ доверить прогнозировать исход лечения больных, то через какое то время его точность будет 100%. Ибо вера большинства людей в компьютер такова, что если он "сказал в морг, значит в морг".
Мне книга очень понравилась. Доступно о больших данных и их влиянии на нашу жизнь. Нет формул и описания конкретных моделей, но не в этом цель книги. Рекомендую для широкого круга читателей
«Убийственные большие данные. Как математика превратилась в оружие массового поражения» kitobiga sharhlar, 9 izohlar