1. 當人們不曉得自己正在被操弄，往往會相信自己是自願轉換新的想法。我們覺得演算法大多數時候都是正確的。我們最後會相信演算法的判斷總是比較厲害，經過一段時間之後，我們甚至察覺不到自己偏向這些演算法。
2. 我們必須從卡斯帕洛夫的錯誤中學習，並認清我們自己的缺陷、對自己的本能反應抱持質疑，而且多瞭解一點我們對周遭各種演算法的感覺。另一方面，我們應該更仔細檢視，質問它們是否真能做到宣稱之事。
3.Google可以對其演算法稍做改進，把女性或非白人的教授圖片往前排到其他圖片之前，使天平可以稍微平衡一點，並反映出我們正在追求的社會，而不是我們身處其中的那個。
4.韋伯定律是說：一項刺激所能產生被感知到的最小變化，所謂的「最小可覺差」（Just Noticeable difference）與初始刺激成正比。（比方罪犯判刑3個月或6個月，比較20年或20年6個月，後者感覺差別不大）
5.若你善於偵測異常卻拙於預測這些異常會如何演變，過度診斷和過度治療的問題將很難解決。
6.當蘇聯的極權、威權控制最惡劣之時，他們的街頭犯罪少到異乎尋常。但是，是以什麼為代價呢？
7.人們面對的選擇太多，因為你沒辦法全部都聽（歌），最省事的作法自然是聽其他人正在聽的。心裡學稱之為「社會認同」。
8.「自我實現預言」一種社會心理學現象，指人們先入為主的判斷將或多或少影響人們的行為，亦即我們會在不經意間使自己的預言成為現實。
9.新奇分數超過0.8的影片，賺到的票房收入會急遽大減。斯里尼瓦森的研究證明長久來社會科學家的懷疑：平庸令我們不喜，但完全陌生也讓我們生厭。最佳影片就落在「新和不太新」之間窄窄的平衡區內。
10.音樂智慧實驗EMI（experiments in Musical Intelligence）。晚近一點已經設計出其他演算法。在這些演算法裡，音符被當成音樂的DNA來看待。經過許多代後，從這些歌曲繁殖出演算法，尋找音樂內在的「美妙」特質並以之回報，隨時間繁衍出「愈來愈好」的樂曲。
11.我們對演算法來創作藝術的不適感，源自一個不相干的問題。真正的課題並非機器能不能有創意。它們能。真正的課題在於究其源頭，什麼才算是藝術？
12.核心課題：生而為人的我們是什麼樣的人、我們希望我們的社會是什麼樣貌，以及面對即將來到的、不帶感情的科技威權，我們能抗衡到什麼地步？
13.說不定問題就在這裡。或許，把演算法想成是某種威權，恰恰是我們錯誤之所在。
14.接受演算法會犯錯、不公正，這不會減損我們盡己所能使演算法更加準確的努力。但承認演算法一點都不比人類更完美，或許正好具有打消演算法威權之效果。
15.卡斯帕洛夫在之後成了半人馬棋賽（Centaur Chess）想法的推手：一名人類棋手和一套演算法聯手，與另一支混合隊伍比賽。
心得
20200408
在此之前對於演算法的感覺最大的就是瀏覽網路出現的廣告。這本書之後明瞭演算法不止如此。本書很好的地方把演算法介入生活中重要的地方分別主題介紹，先記如下：
1.權力
2.資料
3.司法
4.醫療
5.車輛
6.犯罪
7.藝術
使人更有系統、更細部去得知自己在哪部分會被影響到。其實不只電腦與網路，現在幾乎社會各層面都有演算法介入了。影響人生命最重要的，大概是醫學與法律，與人最貼近，不過這方面好消息是，演算法是用以輔助判斷，比較少商業行為。不過最危險也在此，要小心自己的生物資料被登錄，因為什麼資料都能改，但是身體的DNA是改不了的
與權力有關是「劍橋分析」，大約指它分析了選民的喜好，施以假新聞或用詞等的，讓選民出現以為是自願的（但實際上是被操弄）的意願移動，使特定候選人當選或落選
資料：即是商業廣告等等。現在個人電子裝置幾乎都綁定帳號了，APP也要綁帳號，雖是資料轉移及備份很方便，但其實等於都被電商公司掌握了。它們甚至能藉資料分析，知道你在哪裡，或是誰在你旁邊，就算我們不登入帳號也可能做到，因為我們的「網路習慣」數據是可以交叉比對的。所以網路瀏覽，盡量不留資料，盡量不留痕跡。
藝術：已有分析大師（如巴哈）的各段落，重新組成巴哈風的曲子。
總結重點，身為人類思考自己是如何的人類？正因為我們能為自己負責任，才稱的上是人類。小心自己的資料外流，使用演算法時也將之當成輔助而非威權。
沒有留言:
張貼留言