《编码歧视》经典影评有感

《编码歧视》是一部由Shalini Kantayya执导，纪录片主演的一部美国 / 中国大陆 / 英国类型的电影，以下这些影评，希望对大家能有帮助。

《编码歧视》影评(一)：不同社会背景下，评判歧视标准也不同

老外好像很在意自己的生物信息被取样，同时影片中街头的面部识别的成功率也太低了，这么低的成功率按理说不能用来实践。影片的出发点是好的，但眼界过于狭隘，就好像走过头的黑命贵和女木又。动不动就拿主义的帽子乱扣，也能反映出西方社会的媒体还是井底之蛙。中国的古语早有总结，身正不怕影子斜，没做亏心事，不怕鬼敲门，心里怕了，就觉得被歧视了，真够娇气的。

《编码歧视》影评(二)：编码歧视

豆瓣的热评第一把我想说的都说了。这部片子可取的地方在于指出了人工智能潜在的致命缺点，但片子的意识形态性让这部片子本身的意义打了折扣。

机器学习是一个黑盒子，它依照“多即是好”的原理，从历史数据中学习，因此它的学习过程即使对于创造它的程序员来说，也是一个黑盒子。这就导致了人类只是通过人工智能，在全自动化中复制自己的现有形象，没有鉴别，没有提升。就像片中说的，人工智能可以误判，但无法被质疑，也不被要求承担责任；作为一种唯数据论的技术，其设计目的是追求效率。

因此，就基于数据的机器学习本质而言，其产生的算法将不是中立的。因其通常为权势所用（如平台），机器学习其实会造成一种极危险的隐性的编码歧视，这也是片名的由来。

此外，盲目追求效率的一个弊端是人的物化。人被标准化参数所肢解，被片面化标签化。在教育系统，学生为标准化的培养体系和打分系统所评估，作为养料被高校挑选，再经过下一轮标准化的培养，然后作为“人才”输送入社会，被定义成一张张简历，简历再经过算法的筛查，剩下的简历才来到HR手里，再经过各种参数的标准化考核，把人物化为某一价格，体现为薪资待遇。这让我想起了最近的一部职场喜剧《破事精英》里面对绩效的刻画。

除了人的物化，人工智能还通过机械化，迎合并加深了现代社会对客观的追求。这种“机器客观”杜绝了人性的存在。Intelligence without ethics is not intelligence at all. 缺乏伦理道德的人工智能不是智能。人类的主观判断力、决策力、反抗力和拒绝的能力，是人性闪耀的光辉，这里有让我想起了《禅与摩托车维修艺术》中所提倡的“良质”，即不囿于可观察数据和传统主客观二分法的对quality的一种本能判断。

《编码歧视》影评(三)：《大數據的傲慢與偏見》在“后视镜”中用算法“规划”

本片是凯西·欧尼尔《大數據的傲慢與偏見》一书的延展。

这是个演算法包围现代公民的时代！演算法在幕后影响着我们生活的各种决定，包括我们上什么学校、能否借到汽车贷款，以及医疗保险必须支付多少保费，愈来愈多判断是由数学模型，而非某些人所做出。这一切看似公平：因为所有人是根据相同的规则评断，不受偏见影响。

对热情的“问题解决者”来说，大数据像仙境，它搜集资讯、再运用数学模型，使我门得以更有效地调配资源、筛选最优的人事物、并做出最好的决定，这些热情的宣扬者更是四处宣传大数据应用的威力。

但是，曾在典型数据分析圈内工作的凯西·欧尼尔不是上述这种人。

她在《大數據的傲慢與偏見》中指出，事实与我们想的恰恰相反！这些数学模型不透明、不受管制，即便出错，受害者往往无法申诉。最令人不安的是，这些模型会“强化歧视”，例如，贫穷学生在申请学贷时，可能因自家的邮递区号，被审核贷款的数学模型视为还款高风险者，因而无法获得贷款……。这类问题会形成恶性循环——奖励幸运儿、惩罚遭践踏的人，创造出危害民主的“有毒鸡尾酒”。

欢迎认清大数据的黑暗面

欧尼尔在《大數據的傲慢與偏見》中揭开对我们人生各阶段有巨大影响的各种黑箱数学模型，不管我们愿不愿意，演算法系统都已经为我们打上“分数”。

当前许多数学模型已经失控滥用、还自作主张地替教师和学生评鉴、筛选履历表、审核贷款、评估员工绩效、锁定目标选民、决定假释名单，以及监测我们的健康状态，决定我们个人及社会的未来。

欧尼尔呼吁：在这个人人都被迫拥有自己在某种演算系统中持有“e化评分”的时代，那些建立模型的人应该为他们所创造出来的演算法负起更多责任，而政策制定者更应该负起监督管理的责任。

这本重要著作使我们得以提出关键问题、揭露这些“数学毁灭性武器”的真相和要求变革。

本片是此书的延展。