导读荐语
机器偏见,乍一看也许只是个小毛病。但数据新闻学教授梅瑞迪斯·布鲁萨德(Meredith Broussard)认为,机器偏见是一个结构性问题,会反映出现实中的种族主义、性别歧视和能力歧视。科技应该为所有人服务——没有人应该因为肤色、性别、年龄或能力而对技术自感疏远。 布鲁萨德提供了机器偏见的几个案例研究,详细说明了它在警务和医疗保健等领域造成的危害。她敦促大科技公司接受公众监督,为公共利益服务。
浓缩书
关于作者
梅瑞迪斯·布鲁萨德(Meredith Broussard)是一位数据记者,曾出版《人工不智能:计算机如何误解真实世界》(Artificial Unintelligence: How Computers Misunderstand the World)等多部著作。她也在纽约大学亚瑟·卡特新闻学研究所(Arthur L. Carter Journalism Institute)担任助理教授,并在纽约大学公共利益技术联盟(NYU Alliance for Public Interest Technology)担任研究主任。
猜你喜欢
同主题延伸阅读
相关技能
发现人工智能的应用案例,识别商业中潜在的人工智能应用,探索人工智能在工作场所改进中的可能性,分析人工
推动人工智能转型,在各部门实施人工智能转型,协调与利益相关者的人工智能倡议,监督人工智能技术的整合,
在日常任务中利用人工智能,将人工智能工具整合到工作流程中,使用人工智能自动化重复性任务,利用人工智能
理解人工智能,向同事解释基本的人工智能概念,区分人工智能与传统软件解决方案,总结人工智能在现代工作场
职场技能
人工智能转型,实施基于人工智能的流程优化,跨部门整合人工智能解决方案,评估企业采用人工智能的准备情况
理解人工智能的伦理影响,导航人工智能开发中的伦理考虑,评估人工智能对数据隐私的影响,预见人工智能算法
发现医疗行业中的人工智能应用案例,识别医院运营中的人工智能应用,探索个性化患者护理中的人工智能,分析
以德驾驭 AI
了解人工智能风险,识别商业中的人工智能风险因素,评估人工智能故障的影响,评估人工智能系统中的潜在偏见
建立人工智能治理,定义人工智能治理政策,实施人工智能伦理指南,评估人工智能风险管理流程,设计人工智能
恭喜你又学完了一篇干货!复述、评论及做笔记是对知识最大的致敬↓