3.5星|《算法霸权》：AI、算法、大数据在美国的阴暗面作者在华尔街对冲基金德绍集团担任过金融工程师，后来去银行做过风险分析，再后来去做***站的用户分析。后来辞职专门揭露美国社会生活背后的各种算法的阴暗面。书中提到的算法的技术缺陷，我归纳为两点：第一个比较致命：不准确。不准确有两种体现，首先是算法先天的问题，比如教师评估算法，针对大规模的学生来评估教学质量是可行的，但是具体到一个教师，每年只教30个学生，如果这30个学生中有一两个极好或极差的，会导致对教师的评估出现很大的波动。算法不准确的第二种情况是得不到反馈因此没法逐步优化，作者举一些美国公司采用的**评估软件为例，及可能把一些不合格的员工派出在外了，但是雇主不关心，算法得不到反馈因此得不到改进的机会。另外一大缺陷是不公开导致有效益但不公平。还是以**时候的评估算法为例，会把一些人拒绝，拒绝的原因有可能是跟罪犯同名之类的错误，更有可能是因为应聘者的种族、居住地等信息。书中提到算法在加重美国的贫富分化。除了**评估算法外，预计犯罪地点的算法，实际只能预测轻度犯罪。。。评论未完，其余部分参见公众号：左其盛经管新书点评
不错
3.5星|《算法霸权》：AI、算法、大数据在美国的阴暗面作者在华尔街对冲基金德绍集团担任过金融工程师，后来去银行做过风险分析，再后来去做***站的用户分析。后来辞职专门揭露美国社会生活背后的各种算法的阴暗面。书中提到的算法的技术缺陷，我归纳为两点：第一个比较致命：不准确。不准确有两种体现，首先是算法先天的问题，比如教师评估算法，针对大规模的学生来评估教学质量是可行的，但是具体到一个教师，每年只教30个学生，如果这30个学生中有一两个极好或极差的，会导致对教师的评估出现很大的波动。算法不准确的第二种情况是得不到反馈因此没法逐步优化，作者举一些美国公司采用的**评估软件为例，及可能把一些不合格的员工派出在外了，但是雇主不关心，算法得不到反馈因此得不到改进的机会。另外一大缺陷是不公开导致有效益但不公平。还是以**时候的评估算法为例，会把一些人拒绝，拒绝的原因有可能是跟罪犯同名之类的错误，更有可能是因为应聘者的种族、居住地等信息。书中提到算法在加重美国的贫富分化。除了**评估算法外，预计犯罪地点的算法，实际只能预测轻度犯罪。。。评论未完，其余部分参见公众号：左其盛经管新书点评
不错