具体描述
大數據不缺推崇者，但我不是。
甚至，我要稱它是這個時代的「數學毀滅性武器」。
一名前華爾街量化分析師提出警告：現代生活中無所不在的的數學模型可能撕裂社會！
紐約時報非文學暢銷書
亞馬遜書店「商業統計」暢銷書
《紐約時報》書評2016年最值得注意的書
《波士頓環球報》2016年最佳書籍
《連線》（Wired）2016年必讀的選擇之一
《財星》雜誌2016年選書
《MIT科技評論》2016年編輯選書
《科克斯》書評A Kirkus 2016年最佳書籍
芝加哥公共圖書館2016年最佳書籍
《自然》期刊官網（Nature.com）2016年最佳書籍
《紐約時報》2016年度編輯選書
這是個演算法包圍現代公民的時代！演算法在幕後影響著我們生活的各種決定，包括我們上什麼學校、能否借到汽車貸款，以及醫療保險必須支付多少保費，愈來愈多判斷是由數學模型，而非某些人所做出。這一切看似公平：因為所有人是根據相同的規則評斷，不受偏見影響。
對熱情的「問題解決者」來說，大數據像仙境，它蒐集資訊、再運用數學模型，使我們得以更有效地調配資源、篩選最優的人事物、並做出最好的決定，這些熱情的宣揚者更是四處宣傳大數據應用的威力。
但是，曾在典型數據分析圈內工作的凱西．歐尼爾不是上述這種人。
她在本書指出，事實與我們想的恰恰相反！這些數學模型不透明、不受管制，即便出錯，受害者往往無法申訴。最令人不安的是，這些模型會「強化歧視」，例如，貧窮學生在申請學貸時，可能因自家的郵遞區號，被審核貸款的數學模型視為還款高風險者，因而無法獲得貸款……。這類問題會形成惡性循環——獎勵幸運兒、懲罰遭踐踏的人，創造出危害民主的「有毒雞尾酒」。
歡迎認清大數據的黑暗面
歐尼爾在本書中揭開對我們人生各階段有巨大影響的各種黑箱數學模型，不管我們願不願意，演算法系統都已經為我們打上「分數」。
當前許多數學模型已經失控濫用、還自作主張地替教師和學生評鑑、篩選履歷表、審核貸款、評估員工績效、鎖定目標選民、決定假釋名單，以及監測我們的健康狀態，決定我們個人及社會的未來。
歐尼爾呼籲：在這個人人都被迫擁有自己在某種演算系統中持有「e化評分」的時代，那些建立模型的人應該為他們所創造出來的演算法負起更多責任，而政策制定者更應該負起監督管理的責任。這本重要著作使我們得以提出關鍵問題、揭露這些「數學毀滅性武器」的真相和要求變革。
強力推薦
……這些源自人性黑暗面的大數據與人工智能，如果不受監管，有可能撕裂社會，甚至讓人類文明崩潰。但監管的標準該如何制定？誰來負責監管？如果監管者跟不上時代，甚至不可信賴，人類又該如何在AI專政的虛擬實境中維持人性尊嚴？－胡一天（源鉑資本創辦人暨執行長，源鉑情報總編輯，《風傳媒》專欄作家）
生活在現代的社會裡，完全不被數學模型監控幾乎是不可能，這是一種最安靜的恐怖主義。然而，數學模型真的是我們生存世界的絕對真理？當我們盲目地將自己交付給它並且據此生存，是否有可能我們所擁抱的真理，只是讓我們的世界變得更加荒謬扭曲……－陳智凱（國立台北教育大學文化創意產業經營學系所教授）
大數據浪潮下必讀的一本書。當用數據模型替每個人打分數時，舉凡信用、教育、健康等方面，帶來了潛在的黑箱、歧視、道德危機。不論是數據從業人員或一般大眾，都應閱讀本書，建立正確的風險認知。－楊立偉（意藍科技股份有限公司董事總經理、創辦人，台灣大學工商管理學系兼任助理教授）
進行假設檢定與決策時，偽正（型1錯誤）率和偽負（型2錯誤）率常會存在。本書提醒我們必須檢驗數據的正確性，降低二種錯誤率，並考慮錯誤所造成的影響，進行回饋的模型校正，才能應用大數據的分析，作出合適的決策。－盧鴻興（國立交通大學統計所教授暨大數據研究中心主任）
大數據、演算法、人工智慧，這些躲在數學背後的當紅名詞，正悄悄改變世界。作者批評它們變成一種神祇，隱形，至高無上，權力無限，且不受監督，她的警語，正可作為社群網路時代的急迫功課。－黃哲斌（新聞工作者）
當手上只有榔頭，看什麼都像是釘子。現在的「大數據」就像一把神奇的榔頭，不管是為其著迷還是焦慮，人們以為可以拿大數據來解決各種問題，但事實並非如此。如果你想真正了解大數據，受益而不受害，這本書便是必讀。－鄭國威（PanSci泛科學總編輯）
凱西．歐尼爾是大數據的內行人，她看到的情況並不美好。本書揭露那些假裝成中性數學工具，但剝削弱勢、扭曲真相的演算法。本書睿智、犀利，是我們迫切需要的著作。－艾倫伯格（Jordan Ellenberg）、威斯康辛大學麥迪遜校區教授、《數學教你不犯錯》（How Not To Be Wrong）作者
本書利用令人不安的真實案例和生動的敘事，難能可貴地說明政府和大企業如何利用無形的演算法和複雜的數學模型，損害平等並增強私人權力。本書以明晰治黑箱、以理解治混淆，有助我們在為時已晚之前扭轉局面。－泰勒（Astra Taylor）、《人民平台》（The People’s Platform）作者
在這本傑作中，凱西．歐尼爾利用她的數學專長和對社會正義的熱情，戳破大數據美好無瑕的假象。她有力地說明了數學正如何被用來壓榨弱勢和擴大不平等。她的分析精湛、文筆迷人，她的發現則令人不安。－博伊德（danah boyd）、數據與社會研究所創始人、《鍵盤參與時代來了！》（It’s Complicated）作者
雖然我是職業數學家，我在閱讀這本書之前，對大數據可以如何暗中為害毫無概念。本書內容令人害怕，但讀起來意外有趣：歐尼爾描述的由演算法主導的世界不乏黑色幽默和憤怒，就像當代的《奇愛博士》（Dr. Strangelove）或《第22條軍規》（Catch-22）。這是一本非常重要的著作，令人大開眼界又深感不安。－斯托蓋茨（Steven Strogatz）、康乃爾大學教授、《X的奇幻旅程》（The Joy of x）作者
這本傑作直白地呼籲大家有所行動。它承認數學模型不會消失：模型用來找出需要幫助的人，可以產生神奇的作用，但如果用來懲罰人和剝奪某些人的權利，則可以成為非常恐怖的工具。凱西．歐尼爾這本書之所以重要，恰恰是因為她相信數據科學的效用。本書有如一個關鍵的速成課程，說明了我們為何必須審視周遭的系統並要求改善。－達克特羅（Cory Doctorow）、《小老弟》（Little Brother）作者、波音波音網站（Boing Boing）編輯
許多演算法受制於權力不平等和偏見。如果你不想受這種演算法支配，請看凱西．歐尼爾的這本書，以便解構傲慢的體制日趨嚴重的最新暴行。－納德（Ralph Nader）、《任何速度都不安全》（Unsafe at Any Speed）作者
下次碰到有人毫無保留地讚美大數據的奇蹟，你可以向他出示本書。這是有益之舉。－薩蒙（Felix Salmon）、Fusion電視頻道
從找工作到找配偶，預測型演算法正悄悄地塑造和控制我們的命運。凱西．歐尼爾帶我們走過一段令人憤慨和驚奇的旅程，其文字就像是與讀者交談。這是一本重要著作。我們必須處理科技產生的問題。－提拉多（Linda Tirado）、《當收入只夠填飽肚子》（Hand to Mouth: Living in Bootstrap America）作者
作者简介
作者簡介
凱西．歐尼爾（Cathy O’Neil）
數據科學家，部落格mathbabe.org網主。自哈佛大學取得數學哲學博士學位，曾任教於巴納德學院，隨後投身金融業，任職於對沖基金公司德劭（D.E. Shaw）。離開金融業後曾於多家新創企業擔任數據科學家，負責建立預測人們購買和點擊行為的模型。哥倫比亞大學數據新聞學萊德計畫（Lede Program in Data Journalism）發起人，著有《數據科學實踐》（Doing Data Science）。每週參與播客節目Slate Money。
譯者簡介
許瑞宋
香港科技大學會計系畢業，曾任路透中文新聞部編譯、培訓編輯和責任編輯，亦曾從事審計與證券研究工作。2011年獲第一屆林語堂文學翻譯獎。譯有《紅隊測試》、《數位麵包屑裡的各種好主意》和《大鴻溝》等數十本書。（victranslates.blogspot.tw/）
目录信息
第1章 數學炸彈元件：什麼是模型？
第2章 金融業震撼：一個量化分析師的幻滅之旅
第3章 軍備競賽：大學入學問題
第4章 宣傳機器：網路廣告
第5章 殃及池魚：大數據時代的執法問題
第6章 資格不符的第一關：艱難的求職者
第7章 隱形焦慮：恐慌的工作者
第8章 連帶傷害：當個人信用出了問題
第9章 沒有安全區：你想買保險嗎？
第10章 被瞄準的公民：現代人的科技生活
結語
致謝
· · · · · · (收起)
读后感
感谢 recall 这本书的不知名同学，谢谢你逼得我用4个小时读完。 作者创造了“数学杀伤性武器”（Weapons of Math Destruction, WMD）这个词指代统计模型，探讨现实生活中统计模型的大规模应用对社会的影响。 正面例子是棒球、篮球比赛的分析，可以即时调整战术（参考《点球成金...
评分【春上春树随喜文化】 算法是层级和并行思维的融合 可视化，标准化，规模化，全球化 去中心化，分布式计算，智能虚拟助手 乃至宗教般毋庸置疑的 民主和科学的感召 最后所有人被既得利益者 网罗为囊中之物 辛普森悖论 是《国富论》所谓的 看不见的手 阶层难以穿透 跃迁机会渺茫 ...
评分 评分感谢 recall 这本书的不知名同学，谢谢你逼得我用4个小时读完。 作者创造了“数学杀伤性武器”（Weapons of Math Destruction, WMD）这个词指代统计模型，探讨现实生活中统计模型的大规模应用对社会的影响。 正面例子是棒球、篮球比赛的分析，可以即时调整战术（参考《点球成金...
用户评价
作为一名对科技发展保持高度关注的读者，我一直觉得，对于新兴技术，我们不应仅仅停留在了解其功能和应用层面，更应该深入探讨其可能带来的社会和伦理影响。《大數據的傲慢與偏見》这个书名，一下子就抓住了我关注的焦点。它暗示了在大数据领域，存在着不容忽视的潜在风险和挑战。我猜测，这本书可能会揭示那些隐藏在数据分析和算法模型背后的“傲慢”——或许是过度自信的技术能力，或许是对人类复杂性的低估；同时，它也会剖析那些难以避免的“偏见”——可能是数据本身带来的固化歧视，也可能是算法设计中无意识的倾斜。我希望这本书能够提供一些具体的案例和深刻的分析，让我能够更清晰地认识到大数据在现实世界中的双刃剑效应，并思考我们应该如何在这种技术浪潮中保持清醒和批判性思维，从而更好地驾驭它，而不是被它所裹挟。
评分这本书的封面设计就足够吸引我了。深邃的蓝色背景，点缀着抽象的数据流光，还有一对若隐若现的剪影，仿佛在数据海洋中低语。我尤其喜欢那个“傲慢”和“偏见”的字体设计，一个刚毅有力，一个带着一丝婉转，恰到好处地呼应了书名。拿到手里，纸张的质感也相当不错，翻阅起来有一种厚重而实在的触感。我对这本书的期待，很大一部分就源于它在细节上的用心。我猜想，这不仅仅是一本关于技术书籍，更可能是在探讨大数据时代下，人类情感、认知与科技碰撞的深刻话题。它让我联想到那些经典的文学作品，那些关于人性复杂性的描绘，如果能将这样深刻的洞察融入到对大数据这样前沿领域的剖析中，那将是一次多么令人振奋的阅读体验。我迫不及待地想去探索，在这数据构筑的世界里，究竟隐藏着怎样关于“傲慢”的盲点，又存在着哪些不曾被察觉的“偏见”。这本书仿佛一把钥匙，开启了我对未知领域的无限遐想。
评分这个书名《大數據的傲慢與偏見》一下子就吸引了我。我一直觉得，任何技术的发展，最终都应该回归到对人性的理解和关怀上。而大数据，无疑是当下最能深刻影响人类社会的技术之一。我不知道这本书的具体内容，但我非常好奇它会如何解读“傲慢”和“偏见”这两个词在数据时代的新含义。我想象中，可能存在着一种对数据分析能力的过度自信，认为只要有足够的数据，就能解决一切问题，这是一种“大数据式的傲慢”。而“偏见”，则可能体现在数据集的不完整性、算法的设计者自身的局限性，甚至是我们对数据的解读方式上。我期待这本书能够带给我一些启发，让我能够更深刻地理解大数据在社会运作中的复杂性，以及我们作为个体，应该如何在这种强大的技术力量面前，保持清醒的认知和独立判断，不被轻易地引导和定义，从而找到人与数据和谐共存的路径。
评分从第一眼看到这本书的书名《大數據的傲慢與偏見》的时候，我的好奇心就被点燃了。这种将宏大的技术概念与经典的文学意象结合的做法，本身就充满了话题性。我很难不联想到简·奥斯汀笔下那些纠葛的情感和洞察人心的笔触，而“大数据”这个词汇，则瞬间将我的思绪拉到了当下这个信息爆炸的时代。我脑海中浮现出无数的场景：算法如何无形中影响我们的决策，个性化推荐背后是否隐藏着对我们认知的“操纵”，以及当我们沉浸在数据构建的“信息茧房”中时，我们是否正悄然滋生着新的“偏见”。这本书似乎在邀请我去审视，在这个以量化和逻辑为核心的大数据世界里，那些曾经被认为是纯粹属于人类情感范畴的“傲慢”与“偏见”，是否以一种全新的、甚至更难以察觉的形式存在着。我期待它能提供一个独特的视角，帮助我理解数据与人性的交织，以及在这种交织中可能出现的种种问题。
评分读到《大數據的傲慢與偏見》这个书名，我脑海中首先闪过的是“科技正在重塑世界”这个普遍的认知，但随即而来的是一种隐隐的不安。大数据，这个听起来充满了力量和潜力的词汇，本身就带有一种“无所不知”的傲慢感。而“偏见”，则是我一直以来在信息接收和认知过程中所警惕的。当这两者结合，我仿佛看到了一种新的、更具侵略性的“傲慢与偏见”正在悄悄渗透进我们的生活。我猜测，这本书可能在探讨，我们如何在利用大数据优势的同时，又避免被其固有逻辑所限制，甚至被其潜在的算法偏见所误导。我期待它能够提供一种审视的框架，让我们能够更明智地与大数据互动，区分数据中的客观事实与可能存在的价值判断，从而在信息洪流中保持独立思考的能力，不至于被动接受，而是能够主动地去理解和辨别。
评分伪装的客观。后台算法就是不公平的。大数据时代下必然造成信息茧房。
评分其实重点不在大数据，而是在黑箱
评分中心思想是美國左翼的論述，以平等爲核心。 以下是作者對大數據和各種數學模型的批判： 被定位者不知道自己的哪些特徵被定位 模型開發者不懂自己的模型如何運作 替代性指標 模型偏見自我強化 侵犯隱私 打擊例外者，試圖用「像你這樣的人」來判斷你 系統得不到回饋糾正
评分一个圈内愤青。关于美国新闻的大学排名值得一读，越往后约读不下去了
评分其实重点不在大数据，而是在黑箱
