Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 9 hlasoch.
Discriminating Data: Correlation, Neighborhoods, and the New Politics of Recognition
Ako veľké dáta a strojové učenie kódujú diskrimináciu a vytvárajú rozrušené zhluky utešujúceho hnevu.
Wendy Hui Kyong Chun v knihe Discriminating Data odhaľuje, ako je polarizácia cieľom - nie chybou - v rámci veľkých dát a strojového učenia. Tieto metódy podľa nej prostredníctvom svojich štandardných predpokladov a podmienok kódujú segregáciu, eugeniku a politiku identity. Korelácia, ktorá zakladá prediktívny potenciál veľkých dát, vychádza z eugenických pokusov dvadsiateho storočia „vyšľachtiť“ lepšiu budúcnosť. Odporúčacie systémy podporujú hnevlivé zoskupenia rovnakosti prostredníctvom homofílie. Používatelia sú „trénovaní“, aby sa stali autenticky predvídateľnými prostredníctvom politiky a technológie rozpoznávania. Strojové učenie a dátová analytika sa tak snažia narušiť budúcnosť tým, že znemožňujú narušenie.
Chun, ktorý má skúsenosti s navrhovaním systémov, ako aj s mediálnymi štúdiami a kultúrnou teóriou, vysvetľuje, že hoci algoritmy strojového učenia nemusia oficiálne zahŕňať rasu ako kategóriu, predvolene sa v nich používa belosť. Technológia rozpoznávania tvárí sa napríklad spolieha na tváre hollywoodskych celebrít a vysokoškolských študentov - skupín, ktoré nie sú známe svojou rozmanitosťou. Homofília sa objavila ako pojem na opis postojov bielych obyvateľov USA k životu v dvojrasových, ale segregovaných verejných bytoch. Prediktívna policajná technológia využíva modely vyškolené na základe štúdií o štvrtiach s prevažne nedostatočnou starostlivosťou. Tieto algoritmy vycvičené na vybraných a často diskriminačných alebo špinavých údajoch sú overené len vtedy, ak odrážajú tieto údaje.
Ako sa môžeme vymaniť zo zovretia diskriminačných údajov? Chun vyzýva na alternatívne algoritmy, predvolené hodnoty a interdisciplinárne koalície s cieľom desegregovať siete a podporiť demokratickejšie veľké dáta.
