布鲁金斯学会-算法排除：算法对稀疏和缺失数据的脆弱性.docxVIP

布鲁金斯学会-算法排除：算法对稀疏和缺失数据的脆弱性 我来简单概括一下《布鲁金斯学会-算法排除：算法对稀疏和缺失数据的脆弱性》这篇报告的内容，以下是报告的一部分内容，更多内容请参考原报告。算法排除是指人们被排除在算法处理之外的结果，这意味着算法无法对他们进行预测。这是因为导致社会不平等的条件也可能导致数据错误或丢失，从而使算法无法做出成功的预测。本文认为，算法排斥很普遍，其后果是显著的。 1.算法排除是什么? 算法时代即将到来。数字时代使公司能够以比以往更低的成本收集、存储和解析数据（ Goldfarb 和 Tucker，2019 年）。然而，在过去几年中，最大的兴奋来自使用算法或机器使用 该数据做出更好预测的想法（Agrawal et al.， 2016）。算法广泛用于数字广告。在（ Neumann等人，2019）中，算法可以预测可能看到广告的人是男性还是女性，还是对体育感 兴趣。算法用于教育，它们评估教师的教育质量（ONeil，2017）。在我们的刑事司法系统 中，算法预测保释有效的可能性（Kleinberg et al.， 2018）。 在人力资源部门，算法筛选简 历以确保招聘人员专注于最好的简历（Cowgill and Tucker，2017）。算法用于识别和分配医 疗支出（Obermeyer等人，2019）。来自经济学文献的大部分证据都是积极的，这表明算法通 常优于人类反