本文主要是介绍读算法霸权笔记11_微目标,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1. 脸书
1.1. 一份请愿书属于脸书了,而社交网络的算法会对如何最大限度地利用这份请愿书做出判断
1.1.1. 脸书的算法在决定谁能看到我的请愿书时会把所有因素都考虑在内
1.2. 通过改变信息推送的方式,脸书研究了我们的朋友的行为对我们自身的影响
1.2.1. 新闻实际上并不是真的由朋友分享的,而是由脸书在后台推送的
1.3. 脸书则更像是绿野仙踪:我们看不到有所谓的“主编”存在
1.3.1. 从表面上看,机器只是一个中立的中间人
1.3.2. 当我们浏览网站的时候,我们看到的是来自朋友的推送
1.3.2.1. 62%的用户不知道该公司会对信息推送进行暗箱操作
1.3.2.2. 他们认为,系统只是不断把他们发布的所有内容分享给他们的朋友
1.4. 《纽约时报》或者CNN电视台报道的新闻是所有人都看得到的,主编们所做的报道决定显而易见,公开且透明
1.5. 脸书利用语言识别软件将积极信息和消极信息进行分类
1.5.1. 对于一半的用户减少其信息流中消极信息推送的数量
1.5.2. 对于另一半用户则减少其信息流中积极信息推送的数量
1.5.3. 有证据表明调整过的信息推送算法确实改变了用户的情绪
1.5.4. 在信息流中看到更少积极信息推送的用户会发布更多负面的帖子,反之亦然
1.5.4.1. 人的情绪状态能够传染给其他人
1.5.4.2. 人们会因此无意识地与周围的人拥有同样的情绪状态
1.5.5. 脸书的算法能够影响数百万人的感觉
1.6. 通过调整算法,规定用户能看到的信息,脸书是不是就能钻政治体系的漏洞了?
1.6.1. 脸书影响的就是用户的投票行为
1.7. 脸书对大众政治生活的影响远不止于改变信息推送算法和动员投票活动这么简单
1.8. 脸书在我们能学到什么、有怎样的感觉以及是否投票等方面的巨大影响力
1.9. 脸书这个平台巨大、强力,而且不透明,其算法不为我们所见,我们只能看到研究者选择公布的实验结果
2. 谷歌
2.1. 谷歌开发搜索算法的主要目的是增加收入
2.2. 经过谷歌筛选的搜索结果会对人们了解了什么信息以及他们如何投票产生巨大影响
2.3. 罗伯特·伊比斯坦和罗纳德·E.罗伯森两位研究者对搜索结果进行了设定,使其偏向于其中一个党派
2.3.1. 有偏向的搜索结果改变了20%的选民的投票选择
2.4. 巨大的影响力部分来源于大多数人对搜索引擎的信任
2.4.1. 约73%的美国人相信搜索给出的结果既精确又公正
2.5. 如果像谷歌这样的公司刻意使搜索结果偏向大选中的某一个党派,那么它们就是在拿公司的名誉做赌注,而且极有可能遭到监管机关的处罚
3. 超市
3.1. 超市必然不想给那些乐意购买某一品牌的正价商品的顾客发放另一品牌的同类商品的优惠券,那无异于烧钱
3.2. 在超市模型中,所有可用数据都与购物密切相关
4. 其他公司
4.1. 苹果、微软、亚马逊,以及威瑞森和美国电话电报公司等手机供应商也掌握着大量关于用户行为的数据以及引导我们做出特定选择的无数方式
4.2. 这些公司往往专注于赚钱
4.3. 对这些互联网巨头的了解主要来自它们公开的极少部分研究报告
4.4. 它们的算法是重要的商业秘密,这给予了它们暗箱操作的权限
4.5. 算法被滥用的可能性是巨大的,而且这些事都将发生在程序代码之中和防火墙之后
4.6. 数据分析模型几乎是在不间断地进行成本/效益分析,以从每个顾客身上获取收益的最大化
4.7. 不是所有的针对性的广告投放都能奏效,其中一些和骗人的万灵药一样无效
5. 政治领域
5.1. 政客们会来往于数不清的诸如此类的由不同的潜在支持者建构的安全区域,这样他们就能在面对不同的群体时斟酌不同的措辞,而不让外部人士听到
5.1.1. 试图取悦所有人是大多数政治演讲都很枯燥乏味的原因之一
5.2. 证实性偏见
5.2.1. 信息与他们本来的观点相符,这种现象被现象心理学家称为证实性偏见
5.3. 前马萨诸塞州州长米特·罗姆尼
5.3.1. 2012年春末
5.3.1.1. 内部人士聚会上
5.3.1.2. 一个规模虽小却极富影响力的团体可能能够接近真正的米特·罗姆尼,听到这位总统候选人真正的、未经美化的观点
5.3.1.3. 罗姆尼指出,47%的人口都是“索取者”,依靠政府的慷慨施舍过活,这些人永远不会投他的票,这使得取得另外53%的人的支持变得尤为重要
5.3.1.4. 为这些富人提供服务的都是局外人
5.3.1.4.1. 和所有其他人一样,他们也有带有拍摄功能的手机
5.3.1.5. 视频在网络上疯传
5.3.1.5.1. 罗姆尼就此丧失入主白宫的机会
5.3.2. 罗姆尼既需要准确定位其支持者,也需要信息的严格保密
5.3.3. 这种政客的两面性或“多面性”在政治领域已经不新奇了
5.4. 直邮竞选宣传
5.4.1. 有史以来首次出现了某人和他的隔壁邻居收到来自同一个候选人的不同内容的宣传邮件或宣传册的情况
5.4.1.1. 可能一封是承诺建立野地保护区
5.4.1.2. 另一封则强调了法律和秩序。
5.4.2. 对于每一个选民的针对性投放,受益于大数据技术和市场营销的结合
5.4.2.1. 精准锁定每一个微型市民群体
5.4.2.2. 争取他们的选票和赞助
5.4.2.3. 用精心打磨过的针对性的宣传信息来吸引他们的注意
5.4.2.4. 这些信息是任何其他群体都看不到的
5.5. 奥巴马竞选小组
5.5.1. 创建以意向相似为标准的选民分组,每个分组中选民的价值观和关心的议题是一致的
5.6. 潜在的赞助人知道如果自己轻易地把全部资助额度都交给了竞选团队,那么他们就会被标记为“充分利用”,从而不再对相应的候选人有影响力
5.6.1. 如果一点儿钱也不给的话,他们就会被排除在内部人士的圈子之外
5.7. 利用微目标锁定技术给每一位赞助人发送他们想听到的信息,利用这些信息从他们的账户中“套出”更多的钱
5.7.1. 每一位赞助人收到的信息都不一样
5.8. 每个选民看到的都是政客专为自己打造的那一面
5.9. 成百上千个类似的行动则隐藏在幕后,将目标对准个体选民
5.10. 在暗地里开展的活动具有同样的欺骗性,甚至还要更不负责任,并且会公开传播政治家在公开演讲时不会明示的隐晦思想
5.10.1. 甚至连爱探听消息的记者也很难追踪到这些信息
5.11. 在注册时填入虚假信息也是无用功
5.11.1. 系统会深度收集每个真实选民的资料
5.11.2. 包括他们的购买记录、家庭地址、电话号码、投票记录,甚至社会保障号码和脸书档案
5.11.3. 为了向系统证明你创建的虚假档案是真实的,你需要提供大量的具体的数据资料,这意味着巨大的工作量
5.11.4. 在最坏的情况下,你所创建的虚假档案甚至会让你卷入欺诈案件
5.12. 政治营销者拿到了我们的一手资料,向我们投放一点点信息,然后测试我们的反应
5.12.1. 他们区别对待谈判双方,让一方无从知晓另一方听到的信息
5.12.2. 信息的不对称可以防止对立两方的联合,而这正好是一个两党制国家希望看到的局面
5.13. 对个体选民进行评分也会削弱民主
5.13.1. 所有“高价值”的选民都居住在佛罗里达州、俄亥俄州、内华达州等摇摆州的少数几个郡
5.13.2. 极少数选民的高价值,来自选举中的赢家通吃算法
5.13.2.1. 即最终的支持率是以州计而非以实际选票数计
5.13.2.2. 如果废除了总统选举团制度,则每张选票就具有了同等的价值
5.13.2.2.1. 向更全面的民主更进一步
5.14. 另一种不平衡
5.14.1. 预期会参与投票的人如果因为某种原因错过一轮选举,则这些人在下一轮选举中会得到特别关注
5.14.2. 选举系统致力于寻找花最少的钱就能使其转换阵营的选民,希望所花费的每一分钱都能得到最大化的回报
5.14.3. 这一动态系统刺激特定人群保持投票活跃度,同时确保余下的大多数继续保持低水平的政治参与度
5.15. 掠夺性广告、警力调度模型,损害的大多数是贫困阶级的利益
5.16. 通过挖掘数据建立个人档案预测个人行为的微目标锁定技术经不断发展,已完全符合我们所说的数学杀伤性武器的所有特征
5.16.1. 这种技术影响范围广,不透明,且不负责任
5.16.2. 在该技术的掩护下,政客们得以更顺利地在不同的人面前展示不同的自己
5.17. 利用微目标锁定技术创建的选举模型损害的就是所有阶层的利益
5.17.1. 不管你是来自曼哈顿还是来自旧金山,是贫穷还是富有,这些选民都被剥夺了事实上的选举权
5.17.1.1. 模型已经预测到了我们大多数人的投票决定,且认为不值得投入任何资金来改变
5.17.2. 那些真正的富豪仍然可以通过政治献金弥补损失
5.17.3. 胜利者了解游戏规则,他们知道内幕,而我们当中的绝大多数人只能接收经过市场测试的残羹冷炙
5.18. 微目标锁定的目的可以不是控制他人,而是把他人排在接受帮助的队列里
6. 核心问题
6.1. 核心问题主要在于模型的目标
6.2. 把目标由压榨大众变更为帮助大众,数学杀伤性武器的危险性就解除了,甚至可以反过来变成一种正面力量
6.3. 这些模型也可以被用来造福人类
这篇关于读算法霸权笔记11_微目标的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!