Recenzii ale cititorilor
În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 9 voturi.
Titlul original:
Discriminating Data: Correlation, Neighborhoods, and the New Politics of Recognition
Conținutul cărții:
Cum Big Data și învățarea automată codifică discriminarea și creează grupuri agitate de furie reconfortantă.
În Discriminating Data, Wendy Hui Kyong Chun dezvăluie modul în care polarizarea este un obiectiv - nu o eroare - în Big Data și învățarea automată. Aceste metode, susține ea, codifică segregarea, eugenia și politicile identitare prin ipotezele și condițiile lor implicite. Corelația, care stă la baza potențialului predictiv al Big Data, provine din încercările eugenice din secolul al XX-lea de a "reproduce" un viitor mai bun. Sistemele de recomandare încurajează grupurile furioase de similitudine prin homofilie. Utilizatorii sunt "antrenați" să devină predictibili în mod autentic prin intermediul unei politici și tehnologii de recunoaștere. Astfel, învățarea automată și analiza datelor încearcă să perturbe viitorul făcând imposibilă perturbarea.
Chun, care are o pregătire în ingineria proiectării sistemelor, precum și în studii media și teorie culturală, explică faptul că, deși algoritmii de învățare automată nu includ în mod oficial rasa ca o categorie, ei încorporează albul ca o valoare implicită. Tehnologia de recunoaștere facială, de exemplu, se bazează pe chipurile celebrităților de la Hollywood și ale studenților universitari - grupuri care nu sunt renumite pentru diversitatea lor. Omofilia a apărut ca un concept pentru a descrie atitudinea rezidenților albi din SUA față de traiul în locuințe publice biraciale, dar segregate. Tehnologia poliției predictive implementează modele antrenate pe baza studiilor privind cartierele predominant slab deservite. Antrenați pe baza unor date selectate și adesea discriminatorii sau murdare, acești algoritmi sunt validați doar dacă reflectă aceste date.
Cum ne putem elibera de strânsoarea ca o menghină a datelor discriminatorii? Chun solicită algoritmi alternativi, valori implicite și coaliții interdisciplinare pentru a desegrega rețelele și a promova un Big Data mai democratic.
