電子書-大數據的傲慢與偏見
電子書-我觀看電子書的習慣已經有很多年了，閱讀的種類從原本網路上的免費資源，一直到現在付費的epub電子書，已經漸漸習慣使用Kobo或是其他平台來購買書籍。最近由於大數據及人工智慧這個議題非常火紅，加上工作上也會碰觸相關的議題，所以當我在Kobo上看到這本書的時候，便把這本書買了下來。
這本書其實並沒有提到很多人工智慧與大數據演算法的細節，而是著重在如何正確的取得真正具有代表性的數據，並且正確的應用它/它們。然而，很遺憾的是，書中提到美國政府機關/機構/企業，並沒有很認真的看待數據，甚至刻意的忽略一些數據，導致分析結果產生偏差，造成惡性的迴圈。雖然台灣跟美國的國情不同，台灣目前還尚未大量的運用這些數據，但是大數據已經是未來的趨勢，如何避免發生這樣的謬誤，值得我們去思考。
以下就舉幾個例子：
美國有一套犯罪防治系統，利用以往的犯罪紀錄以及大數據的分析，發現有些區域的犯罪率較高，於是警政系統就會針對這些區域加強巡邏。由於加強巡邏的緣故，警方又發現了這個區域更多犯罪的事項，於是這個區域的治安在統計上就是一直處於不好的區域，但是事實真的是如此嗎？在這個系統內，治安好的區域就沒有酒駕或吸食大麻的情形嗎？但是在這個系統/迴圈中，治安好的區域的人民，只有發生重大刑案才有可能被警察抓，但是治安不好的區域的人民，卻有可能會遭受警察的惡意盤查。
美國有一家雜誌社有舉辦美國的大學排名。這家雜誌社使用很多的指標項目來評估大學的分數，但是這些指標項目多半是參考一些傳統名校，如果這些指標項目表現得好，排名就會比較前面。但是這也造成了一些不良的現象，例如指標項目有一項是學校的設施，有些排名原本較後面的學校，為了讓學校排名可以提升，就花大錢買一些豪華的設備。結果導致美國大學學費在短短20年間提升了4倍，遠遠高過人民所得的成長！讀大學便成為一件奢侈的事，也成為一種沉重的負擔。
信用分數是美國銀行或是信用卡業者，評估一個人的信用是否良好的一個指標。信用分數使用的是客觀的分析數據，並且會藉由一些正確的反饋，修正信用分數評估過程中有偏差的部分，因此信用分數獲得極高的評價。然而，信用分數也被一些公司或企業，當作是否雇用人員的一個指標。如果一個人的信用良好，基本上這個人也比較不會對公司產生不利的影響，這個推論看似正確，但是卻把一些原本能力出眾或是急需工作的人，但是因為債務問題導致信用分數低落，間接造成無法被僱用的窘境。無法被僱用後，這群人的財務持續惡化，信用分數持續低落，就業就更加的困難。
從上述的例子可以看出，我們目前正在濫用這些大數據，並且打著大數據的名號，做出自以為正確的分析，造成嚴重的後果。尤其是現在是網路資訊發達的時代，現在企業僱用人才，已經不會侷限於履歷，而是會利用網路的數據，例如你的facebook的交友及互動，若是你的好友其中有債務問題，或是你的親戚可能有竊盜前科，這都有可能會造成你無法被企業僱用。書中有非常多的案例，說明很多大數據原本立意是好的，但是因為思慮不周，或是刻意忽略一些無法取得數據的細節，導致很多嚴重的後果。因此，我們在做大數據分析時，更應該要小心謹慎，以免落入誤謬當中。
延伸閱讀：
[3C/開箱] mooInk電子書閱讀器，隨時都能讀書的好夥伴
留言
張貼留言