MIT Techonology Review 摘要心得 11/18

因爲發現自己花挺多時間讀MIT Technology Review的，所以決定偶爾挑一些主題來聊

1）演算法是否會複製歧視？原文

雖然基於資料發展的演算法及機械學習模型在理論上是從一片白紙開始而可以避免各種歧視，但如果訓練時所使用的資料便帶有偏誤(bias)且未加以篩選，演算法則難以免於複製歧見。而人為的篩選訓練資料即使在方法上可接受也不盡然能免除歧視資料隱藏在篩選後的資料中。

然而，以使用活著的資料來不斷更新的演算法會遇到一些更難以解決的麻煩－文中提到有類似非裔美籍名字的Uber 乘客在叫車時有較高機率被司機取消。即使名字也被匿名化，有些隱性的因子可能會不知不覺連結到更廣的層面－假設有一A區域，是某次文化或某弱勢團體的社群集散地，而在此乘車的乘客多為受歧視的族群而普遍因為偏見背負著較差的評價，縱然自動規劃路線時不將姓名等可辨識族群的因子納入，只要演算法以優先載到最多優質乘客為主，就會造成此區域的乘客不分評分優劣都比較難叫到車。

接下去是否會演變成演算法加深歧視，歧視加強演算法的迴圈就不再討論下去。但是以開發者的角度，確實需要思考資料本身的偏誤，以及演算法設計是否默默地吸收了隱藏的因子。而其間的風險（失去商機，被告歧視等等）也是在衡量模型時可以考量的論點。

2）帶動製造業發展帶動不了就業機會。原文

偷渡一點政治文：川普當選了美國總統，就算他跟希拉蕊比起來少了政客的虛偽而真的在乎選民，對於弱勢和少數族群所表現出的態度仍然不令我苟同。做為一個總統他還未表現出足夠的泱泱大度。如果這是一個佈好的局，他的民調與好感度可能會開低走高，但這樣他的虛偽也不下眾多政客了。

製造業移出美國後美國本土汽車產業一蹶不振，現在更是被日系德系車廠給搶走大片市場。在這些年間，自動化生產減少許多基礎勞動力的工作機會，而這差距大約是機械時薪8美元跟人類時薪$25美元的差距。人類還需要更多休息時間，更多誤差。回到人工時代，大量生產的產品平均水準會下降，而單位時間產量也會降低，產品單價還會因而上升。這些失去工作的人們再過幾年後痛恨的會是機械嗎？

機械自動化帶來的衝擊與進口的粗放農業品對台灣小規模精緻農產品的衝擊挺像的。我以前曾經發表過覺得台灣農業應該走精緻化的看法，雖然不清楚現在台灣農產活得怎麼樣，但是有許多年輕人開始重新包裝台灣的農產品，感覺還蠻有戲的。（工商一下：貓兒干花生 我還沒吃過可是好好奇啊）