Vivimos en la edad del algoritmo. Las decisiones que afectan a nuestras vidas no están hechas por humanos, sino por modelos matemáticos. En teoría, esto debería conducir a una mayor equidad: todos son juzgados de acuerdo con las mismas reglas, sin sesgo. Pero en realidad, ocurre exactamente lo contrario. Los modelos que se utilizan en la actualidad son opacos, no regulados e incontestables, incluso cuando están equivocados. Esto deriva en un refuerzo de la discriminación: si un estudiante pobre no puede obtener un préstamo porque un modelo de préstamo lo considera demasiado arriesgado (en virtud de su código postal), quedará excluido del tipo de educación que podría sacarlo de la pobreza, produciéndose una espiral viciosa. Los modelos apuntalan a los afortunados y castigan a los oprimidos: bienvenido al lado oscuro del big data.
O’Neil expone los modelos que dan forma a nuestro futuro, como individuos y como sociedad. Estas …
Vivimos en la edad del algoritmo. Las decisiones que afectan a nuestras vidas no están hechas por humanos, sino por modelos matemáticos. En teoría, esto debería conducir a una mayor equidad: todos son juzgados de acuerdo con las mismas reglas, sin sesgo. Pero en realidad, ocurre exactamente lo contrario. Los modelos que se utilizan en la actualidad son opacos, no regulados e incontestables, incluso cuando están equivocados. Esto deriva en un refuerzo de la discriminación: si un estudiante pobre no puede obtener un préstamo porque un modelo de préstamo lo considera demasiado arriesgado (en virtud de su código postal), quedará excluido del tipo de educación que podría sacarlo de la pobreza, produciéndose una espiral viciosa. Los modelos apuntalan a los afortunados y castigan a los oprimidos: bienvenido al lado oscuro del big data.
O’Neil expone los modelos que dan forma a nuestro futuro, como individuos y como sociedad. Estas «armas de destrucción matemática» califican a maestros y estudiantes, ordenan currículos, conceden (o niegan) préstamos, evalúan a los trabajadores, se dirigen a los votantes, fijan la libertad condicional y monitorean nuestra salud.
This was an exceptional book. It's not heavy into statistics but gives the rationale for what is a WMD (Weapon of Math Destruction) and WMDs maybe a new term but we have been under the exploitation of WMDs well before we think. It's not a new phenomenon but it is one that we should be aware of.
Take a read and learn how about them so that we can all do better to combat them and use math to not only help describe the world but make it a better place to live in.
Review of 'Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy' on 'Goodreads'
4 stelle
Cathy O'Neil, nota in rete come MathBabe, dopo la laurea in matematica e un inizio di carriera universitaria è passata al settore privato nel campo dell'economia, e si è trovata in mezzo alla crisi del 2008. Il risultato della sua rivisitazione di quello che è successo l'ha portata a scrivere questo libro, che trovate anche in edizione italiana, sulle "armi di distruzione matematica" (ADM). Chi è allergico alle formule non tema, perché qui non ce ne sono per nulla. Quello che viene spiegato in teoria ed esemplificato in vari modi è il concetto di cui al titolo: in poche parole si tratta di modelli matematici complessi, spesso legati ai big data o comunque a dati che non nascono direttamente per quella ragione, che risultano oscuri agli esseri umani e soprattutto sono fatti in modo da non accettare feedback a posteriori. Quest'ultima è la vera caratteristica che secondo O'Neil li …
Cathy O'Neil, nota in rete come MathBabe, dopo la laurea in matematica e un inizio di carriera universitaria è passata al settore privato nel campo dell'economia, e si è trovata in mezzo alla crisi del 2008. Il risultato della sua rivisitazione di quello che è successo l'ha portata a scrivere questo libro, che trovate anche in edizione italiana, sulle "armi di distruzione matematica" (ADM). Chi è allergico alle formule non tema, perché qui non ce ne sono per nulla. Quello che viene spiegato in teoria ed esemplificato in vari modi è il concetto di cui al titolo: in poche parole si tratta di modelli matematici complessi, spesso legati ai big data o comunque a dati che non nascono direttamente per quella ragione, che risultano oscuri agli esseri umani e soprattutto sono fatti in modo da non accettare feedback a posteriori. Quest'ultima è la vera caratteristica che secondo O'Neil li rende pericolosi, a differenza per esempio dei modelli matematici nel baseball che possono sempre venire raffinati una volta visto cosa è successo. L'autrice mostra come invece nel caso delle ADM si giunge quasi naturalmente a un circolo vizioso nel quale chi parte svantaggiato dal modello lo sarà sempre di più, anche se magari in partenza la sua situazione reale era positiva e solo la scelta dei dati del modello non lo faceva sembrare tale. L'unica pecca che ho visto è che nonostante i suoi sforzi divulgativi temo che ci sarebbe voluto ancora qualcosa in più per evidenziare i concetti statistici di base: dal mio punto di vista erano chiari, ma io ho un background matematico.
