A lot of logic and fun and logical fun. Reread.
Q:
Алгоритмические искажения и непостижимость процессов Я уже отмечал, что все данные создаются, а не обнаруживаются. Это становится чрезвычайно важным в сфере больших данных и алгоритмов машинного обучения. Особого внимания заслуживают две потенциальные проблемы. Во-первых, алгоритмы могут поглощать и воспроизводить любые искажения, присутствующие в исходных данных. Во-вторых, в силу непостижимости большинства процессов машинного обучения их трудно критиковать или перестраивать, если не понимать исходные данные и их ограничения на уровне эксперта. Однако у многих конечных пользователей алгоритмов такие знания отсутствуют. Исследование, результаты которого были опубликованы в апреле 2017 г. в журнале Science, показало, что алгоритмы анализа больших массивов англоязычных текстов перенимают гендерные и расовые предвзятости, заключенные в языке. Это лишь верхушка айсберга, указывающая на необходимость критического анализа, поскольку при отсутствии его получается, что мы учим машину поддерживать социальное неравенство, разного рода предубеждения и неравноправие69. Не говоря уже о компаниях, использующих эти алгоритмы для бесконтрольного продвижения своей позиции. (c) Well, yeah. Garbage in, garbage out. Same old.
Q:
Обучение с умом: десять простых советов, как нейтрализовать сетевые искажения 1. Не позволяйте эмоциональному воздействию управлять вашими действиями в интернете: если тема важна, сосредоточьтесь на верификации, происхождении информации и обоснованности чужих заявлений. 2. Изучайте историю редактирования и ссылки: постарайтесь установить, как и где в действительности появилась информация, получившая широкое распространение. 3. Не ограничивайтесь простым и сиюминутным: всегда идите дальше первой страницы результатов поиска, самых цитируемых ресурсов и наиболее популярных решений. 4. Доставляйте себе удовольствие глубокого погружения в интересующие вас темы и предметы, не ограничиваясь обзором бестселлеров и модных новинок. 5. Сочетайте преимущества больших и малых игроков: целенаправленно используйте маленькие сети и сервисы параллельно с крупными. Стремитесь по возможности изучить разнообразные личные рекомендации, обзоры и рекомендуемые ссылки. 6. Используйте социальные медиа, чтобы выбраться из «эхокамеры»: целенаправленно обращайтесь к людям и источникам, чьи взгляды и опыт отличаются от ваших собственных. 7. Не замыкайтесь в узких кругах: даже если ваши друзья проводят все время на каком-то одном ресурсе, не пользуйтесь единственным сервисом больше, чем всеми остальными, вместе взятыми. 8. Изучите собственный «пузырь фильтров»: проанализируйте, каким образом результаты поиска и рекомендации подстраиваются под ваши собственные историю и предпочтения, и подумайте, как можно изменить ситуацию. 9. Не ограничивайтесь сегодняшним днем: изучайте прошлое, стремитесь к большей перспективе, целенаправленно охватывайте поиском годы, а не месяцы. Сопротивляйтесь постоянному давлению текущего момента. 10. Всегда запрашивайте первичные данные: что измерялось и что не измерялось, как проводились измерения, какие предвзятости и ограничения могут содержаться в заявлениях, сделанных на основе этих данных? (c)
Q:
Постарайтесь хотя бы ненадолго освободиться от лихорадочной суеты новостных и социальных медиа, и вы заметите, что стали видеть мир совершенно иначе. Многие сайты, поисковые системы и социальные сети, выбирая критерии релевантности, делают акцент на свежесть и новизну. Это сочетается с преобладанием информационных потоков как способа представления информации с упором на модные темы и сиюминутность. (c)
Q:
Стратегии обнаружения связаны с выяснением того, что именно нам нужно узнать; они открывают пространство для исследования и предлагают различные точки зрения. Таким образом, можно выделить четыре категории знания и незнания. 1. Выявленное знание («известное известное»): вещи, о которых мы знаем, что они нам известны; чтобы получить информацию о них, обычно достаточно одного клика и точно сформулированного поискового запроса. 2. Выявленное незнание («известное неизвестное»): вещи, о которых мы знаем, что они нам неизвестны, и в силу этого, очевидно, требующие изучения; решить эту задачу поможет продуманная стратегия поиска. 3. Невыявленное знание («неизвестное известное»): вещи, известные нам, но не идентифицируемые нами как знание в процессе изысканий; успешный процесс выявления откроет перед нами спектр различных источников знания. 4. Невыявленное незнание («неизвестное неизвестное»): вещи, которых мы не знаем и сами не осознаем этого и которые, следовательно, можем обнаружить слишком поздно или не обнаружить вообще. Эти четыре категории можно представить в виде диаграммы, восходящей к технике психологического тестирования — окну Джохари (она была названа в честь создателей, Джозефа Луфта и Харрингтона Инхама, разработавших ее в 1955 г. в «Западных тренинговых лабораториях»). Цель данной техники — помочь людям лучше разобраться в своем уровне осведомленности. (c)