江苏龙网

  1. 首页 > 资讯 > 财经 > >

银杏财经|算法之下，以人为“资本”( 三 )


纠偏伪命题无人幸免遇难 在《三体》中 ， 人类与三体人最大的区别在于 ， 人类虽然落后但是会撒谎 ， 三体人没有办法解读人类的言外之意 ， 更没有办法应对人类的口是心非 。 参照人类 ， 三体人更像是一桩机器 ， 机器无法真正撒谎 ， 算法也一样 。不能撒谎的算法 ， 意味着将所有相对不体面的动机都摆到了台面上 ， 其中包括种族、性别与地域歧视等 ， 而这些偏见都受到编制算法背后的人的影响 。谴责偏见虽然重要 ， 但是我们不能忽略一个事实 ， 即便没有算法 ， 这个世界也是有偏见的 ， 甚至可以说 ， 只要有人在的地方就会有偏见 。根据偏见的形式不同 ， 又可以分为交互偏见、选择偏见、确认偏见、潜意识偏见和数据驱动的偏见 。 这里稍微提一下确认偏见 ， 它说的其实就是当用户有一天得知“东方人更聪明” ， 然后潜意识里就会偏向于寻找可以强化这种偏见的信息 。最早用算法实施偏见政策的是亚马逊 ， 20年前 ， 它就尝试过对新老用户进行区别定价 ， 当然这种策略并没有维持多久就被识破了 。亚马逊之后 ， 但凡能人们能叫得上名字的互联网公司 ， 都在将这种偏见“发扬光大” ， 这种偏见阻碍了信息和观点的多元化与透明化 。随着算法越来越深入生活 ， 尽可能地消除偏见已经成为了一道亟需解决的问题 。 目前比较推崇的建议是专门开发一个系统来提前发现偏见决策 ， 方便提前干预 。 机器比人类更适合严谨的数学 ， 例如贝叶斯方法 。贝叶斯方法是一种将未知参数的先验信息与样本信息综合 ， 再根据贝叶斯公式 ， 得出后验信息 ， 然后根据后验信息去推断未知参数的方法 。 简单来说就是先确定某种未发生事件的概率 ， 更有助于系统在进行决策时减少偏见 。
银杏财经|算法之下，以人为“资本”
本文插图

专为消除偏见而开发系统显然是一件成本高昂的事 ， 而且运营商们不见得愿意这么做 ， 因为偏见所能带来的利益可能更直接 ， 参见所有大数据杀熟的案例 。 除开贝叶斯方法 ， 对AI模型进行无监督训练也是一种消除偏见的办法 。 让算法在没有人类监督的情况下 ， 自行数据分类等事务 ， 理论上可以必面人为参与贴标签所带来的偏见烙印 ， 但显然人类并不想放任算法自流 。没有人可以百分百地保证自己毫无偏见 ， 偏见背后又是丝丝相扣的利益 ， 而利益生在人与人之间 。 所以 ， 人在选择了通过偏见攫取利益时 ， 就应该做好会饱受偏见的心理准备 。如此看来 ， 将算法责任转嫁于消费者的互联网大拿们 ， 面对消费者的任何指责都没资格喊“冤枉” 。肆
资本变脸录信息化与泰勒制 财经视频主一句“资本永不眠”开启了大众对于资本解析的兴趣 ， 只是很多人远没想到 ， 资本的面目并非只能从上市公司和退市公司身上看到 。信息化时代 ， 每个人都是资本的一部分 ， 只要他可以分解为一组一组的数据 。 然而这些数据带来的收益却并不属于个人 ， 只属于掌握它的巨头 。一个有趣的现象 ， 十年前 ， 好莱坞大片里的反派可能是基地组织、敌对国家、黑手党或连环变态杀人狂 ， 但是这样的反派已经越来越少见 ， 取而代之的反派是华尔街的金融家们或IT天才 ， 譬如以扎克伯格为原型的电影《社交网络》 。当资本在一个行业堆积到一定数量时 ， 就会引来人们的忌惮 ， 扎克伯格有没有用社交软件影响选民 ， 或者与英国公司进行数据交易已经不重要 ， 重要的是 ， 大家已经开始警惕他了 。参与了近20年互联网膨胀进程的人 ， 基本也见证了大部分互联网巨头的崛起 。 曾经被房地产商占据的福布斯中国富豪榜上 ， 如今也多了很多互联网巨头的身影 。为了撑起这些巨头的庞大帝国 ， 996反而成了“福报” 。 的确 ， 996虽然失去了很多东西 ， 但是得到的回报也比其他人更多 ， 只是这种回报没法与付出量化对应 。人在城市的两点一线之间 ， 变成了新的劳作机器 ， 今天屈居在格子间的白领和流水线上的工人病没有本质的区别 。 更多的996们没有机会逐级上升 ， 转身成为更大的资本 ， 只能在耗尽最能熬夜的时间后黯然退休 。众多来起源于监狱的组织管理模式 ， 也换上了“科学”面貌 ， 从工厂走向了格子间 。 在政治经济学中被大加挞伐的泰勒 ， 到了管理学里 ， 却摇身一变成为了“科学管理之父” 。


推荐阅读


上一篇：理财|银行理财量价齐跌！三季度收益率下滑至3.76% 11家银行开启母行产品向理财子公司迁移工作

下一篇：券商中国|提醒！下个月，你的工资或将多一笔钱