Take a photo of a barcode or cover
informative
reflective
medium-paced
medium-paced
informative
medium-paced
Entre os melhores livros que li este ano. Sumpter escreveu este livro pós Weapons of Math Destruction, pós o escândalo da Cambridge Analytica e pós eleições do Trump. E faz uma análise bem crítica e atual (em 2018, pelo menos) do que algoritmos têm feito e do que empresas são realmente capazes.
Ele quebra a situação da Cambridge em dois pedaços, o que os donos dizem que eram capazes de fazer e o que podemos realmente fazer. E mostra que tem um exagero dos dois lados, do que prometem e realmente podiam fazer. E da preocupação que temos com este tipo de influência em especial, quando outros pontos são mais preocupantes.
Uma das discussões que mais gostei no livro é do antagonismo entre acurácia e viés/preconceito. Ele dá um exemplo que dominou a discussão de análises, um algoritmo para predição de reincidência de crimes que errava mais frequentemente dizendo que negros podiam voltar a cometer crimes, por ser calibrado para ser preciso. Para em seguida mostrar que, baseado nos dados disponíveis (maior reincidência entre negros), um algoritmo que não errasse dessa forma teria que discriminar entre negros e brancos na hora de fazer a avaliação. E seria menos preciso. Sumpter não deu uma resposta definitiva nem disse o que era o certo nessa questão, só mostrou que o cenário maior precisa ser levado em conta quando fazemos análises.
Outra discussão muito boa foi como alguns tipos de otimização podem criar desigualdades, mesmo sem má intenção por trás. O que cheguei a discutir no IGTV, inclusive. Por exemplo, se alguém otimizar uma propaganda de uma vaga de emprego no Facebook para atingir mais pessoas com um certo gosto (quem assiste Nerdologia, por exemplo), pode acabar apresentando essa propaganda predominantemente para homens. E se estiver otimizando para economizar impressões, isso inclusive pode ser reforçado. Mas a consequência não intencional é que mulheres nem terão a chance de tentar esse emprego porque não verão a vaga.
No fim, achei uma ótima mistura entre conhecimento do assunto e análises de alguém que não está financeiramente envolvido na performance desses programas. Vale para se atualizar sobre o que estamos passando.
Ele quebra a situação da Cambridge em dois pedaços, o que os donos dizem que eram capazes de fazer e o que podemos realmente fazer. E mostra que tem um exagero dos dois lados, do que prometem e realmente podiam fazer. E da preocupação que temos com este tipo de influência em especial, quando outros pontos são mais preocupantes.
Uma das discussões que mais gostei no livro é do antagonismo entre acurácia e viés/preconceito. Ele dá um exemplo que dominou a discussão de análises, um algoritmo para predição de reincidência de crimes que errava mais frequentemente dizendo que negros podiam voltar a cometer crimes, por ser calibrado para ser preciso. Para em seguida mostrar que, baseado nos dados disponíveis (maior reincidência entre negros), um algoritmo que não errasse dessa forma teria que discriminar entre negros e brancos na hora de fazer a avaliação. E seria menos preciso. Sumpter não deu uma resposta definitiva nem disse o que era o certo nessa questão, só mostrou que o cenário maior precisa ser levado em conta quando fazemos análises.
Outra discussão muito boa foi como alguns tipos de otimização podem criar desigualdades, mesmo sem má intenção por trás. O que cheguei a discutir no IGTV, inclusive. Por exemplo, se alguém otimizar uma propaganda de uma vaga de emprego no Facebook para atingir mais pessoas com um certo gosto (quem assiste Nerdologia, por exemplo), pode acabar apresentando essa propaganda predominantemente para homens. E se estiver otimizando para economizar impressões, isso inclusive pode ser reforçado. Mas a consequência não intencional é que mulheres nem terão a chance de tentar esse emprego porque não verão a vaga.
No fim, achei uma ótima mistura entre conhecimento do assunto e análises de alguém que não está financeiramente envolvido na performance desses programas. Vale para se atualizar sobre o que estamos passando.
Really great book on the impact that algorithms have on society. I will second Marcelo Soares' review: the greatest thing about it is that the author is not trying to sell you anything. It's a reasonable academic trying not to simplify the topic, but rather show to the reader how complex it is, and that simple answers won't do. The explanations on Cambridge Analytica and machine intelligence are very useful, I will probably use those in class. Finally, after having read books by Max Tegmark and Nick Bostrom, it's refreshing to listen to someone who is way more sceptical about AI and also remembers the human aspects of technology. I was really after someone less deterministic and more down to earth, and here I could find them.
This is a timely, clear read on filters, connections and capitalism in the internet age.
It does suffer from the academic problem. It's written by someone with actual academic discipline, which means they have no interest in saying something inflammatory or have delusions of grandeur on having discovered the Theory of Everything. The statements are measured, based on evidence and scientifically conservative in their judgements. They're also moderately dull.
If you have a contemporary understanding of statistics and internet corporations, there's little here that's new. I'd be thrilled to give this to an older relative who is anxious or curious about what Twitter is or why Facebook is suddenly in the news all the time.
It's a decent book, but not much of a read.
It does suffer from the academic problem. It's written by someone with actual academic discipline, which means they have no interest in saying something inflammatory or have delusions of grandeur on having discovered the Theory of Everything. The statements are measured, based on evidence and scientifically conservative in their judgements. They're also moderately dull.
If you have a contemporary understanding of statistics and internet corporations, there's little here that's new. I'd be thrilled to give this to an older relative who is anxious or curious about what Twitter is or why Facebook is suddenly in the news all the time.
It's a decent book, but not much of a read.
A solid summary of the conceptualization and math that goes into the algorithms that are currently widespread. Had some issues with the conclusions Sumpter derives especially reg. filter bubbles and their (imo, observable) effects, but he generally presents a reasonable, insightful picture that's good to work with and build on