凯西·奥尼尔（Cathy O'Neil），数据科学家，mathbabe.org的博主、TED演讲人，博士毕业于哈佛大学，主修数学。她曾在巴纳德学院任教，之后为私营企业服务，例如避险基金公司等。她还在各类新型公司担任数据科学家，预测消费者的购买与点击趋势。每周，她都会出现在一个名为”财富记账”的播客上。

奥尼尔已经成为大数据领域的揭发人…--在她
这本重要的新书中……她提出了特别发人深省的观
点，即算法的错误决定是如何产生滚雪球般令人难
以置信的破坏力的。
——《时代周刊》
奥尼尔的这本书使我们恐慌地看到，算法是如
何日益掌控我们的……她在数学和数学模型风险方
面的知识，加上她擅长类比的天赋，使她成为数学
杀伤性武器的观察员之一……她很好地解释了掌控
着我们生活的算法其实无处不在，人类社会危机四
伏。
——《纽约时报》
《算法霸权》讲述的是硅谷支持者不会外传的
故事……这本书简洁有力地揭露出使用数据信息评
估信用、指导警务战术等所有这些事情的弊端……
这本书对于总是倾向于认为数据不会撒谎的人来说
，振聋发聩。
——路透社
这本书是21世纪公民的生活手册，它胜出其他
大数据相关书籍的地方在于：内容浅显易懂，具有
批判性，切合当下。
——《金融时报》
这本书微妙地提醒我们，大数据只有在为人类
所掌控时才是好的数学工具。
——《连线》
一本发人深省的好书。
——尤瓦尔·赫拉利《人类简史》《未来简史
》《今日简史》作者
凯西·奥尼尔看透了大数据的本质，形势并不
那么美好。《算法霸权》揭开了算法的面纱，算法
剥削人类，存在偏见，并不是一种中性的数学工具
。这本书智慧、犀利，非常值得阅读。
——乔丹·艾伦伯格美国威斯康星大学数学教
授《魔鬼数学》作者

前言
第一章 盲点炸弹
不透明、规模化和毁灭性
第二章 操纵与恐吓
弹震症患者的醒悟
第三章 恶意循环
排名模型的特权与焦虑
第四章 数据经济
掠夺式广告的赢家
第五章 效率权衡与逻辑漏洞
大数据时代的正义
第六章 筛选
颅相学的偏见强化
第七章 反馈
辛普森悖论的噪声
第八章 替代变量和间接损害
信用数据的陷阱
第九章 “一般人”公式
沉溺与歧视
第十章 正面的力量
微目标的出发点
结论
致谢

1946年8月，一个炎热的午后，克里夫兰印第安人棒球队主帅路·波德鲁正经历着他悲惨的一天。在双重赛的第一场比赛中，泰德．威廉姆斯几乎以一人之力横扫了波德鲁的整支球队。威廉姆斯可能是当时最伟大的击球手，在这场比赛中，他粉碎了三个全垒打，为自己的球队赢得8分。最终，印第安人队以10:11遗憾输球。
波德鲁不得不采取反击。所以，当威廉姆斯在双重赛的第二场中第一次出现时，印第安人队的球员就立即开始调整各自的场地位置。游击手波德鲁换到二垒手位置，二垒手退到右外场，三垒手换到波德鲁的左边，担当游击手。很明显，波德鲁在想方设法地改变球队的防卫方向，力求截下威廉姆斯的击球。
也就是说，他在像数据科学家一样思考。他分析了原始数据——大多数都是靠观察得到的：泰德·威廉姆斯通常会把球打到右外场。然后，他据此调整了球员的站位。结果，这个策略真的奏效了。外野手接住了威廉姆斯更多的极速平直球(但依然对飞过头顶的全垒打束手无策）。
如果你今天再去看美国职业棒球联盟的比赛，你就会看到，如今，球队在制订防守策略时会把几乎每一个球员都看作威廉姆斯。波德鲁仅仅是观察了威廉姆斯通常的击球位置，而现在的球队经理则精确地知道每个球员以往击每一个球时所在的位置，包括上周的、上月的、整个职业生涯的、面对左手投手时的等等。他们利用这一历史数据分析对手的比赛策略，计算防守成功率最高的球员站位。有时候根据计算结果，全场球员都需要变换位置。
防守转移只是一个更复杂的大问题中的一个小问题。这个大问题是：棒球队可以采取哪些措施将自己获胜的可能性最大化？棒球数据科学家在寻找答案时，仔细检查了他们可以量化的每个变量，并赋予每个变量一个分值。二垒安打比一垒安打的价值高多少？什么时候值得用短打送跑垒者从一垒上二垒？
所有这些问题的答案混杂在一起，组合成了棒球运动数学模型。这些模型中的每一个都包含着各种各样的可能性，包含棒球运动要素——从四坏球、全垒球到球员素质——中所有可测量的关系。模型的目标是寻找最优组合。如果扬基队改为让右手投手应对盎格鲁队的“神鳟”麦克·卓奥特，与使用原来的投手不变动相比，扬基队有多大可能让他出局？这又将如何影响其整场比赛的胜利概率？
棒球运动特别适合建立预测性数学模型。正如迈克尔·刘易斯存苴畅销书《点球成金》中所写的，棒球运动一直以来都是数据痴迷者的热门话题。过去几十年，球迷们仔细研究棒球运动员卡片背面的数据，分析C.雅泽姆斯基的全垒球模式，或者比较罗杰-克莱门斯和杜威-古登的出局总数。但是，从1980年开始，专业的统计学家开始分析这些数字以及大量新数据的真正意义：如何将这些数据转化为胜利，球队主理人如何用最少的钱使获胜的可能性最大化。
“点球成金”现在指针对长期被认为仅受直觉控制的领域开发的统计方法。但是，棒球模型是有益模型，与我们生活中很多领域涌现出来的有害模型即数学杀伤性武器作用相反。棒球模型之所以公平，部分原因在于其模型是透明的。每个人都可以获取作为模型根据的数据，并且或多或少能够理解模型的结果应该怎么解读。确实，一个队的模型中也许本垒击球手的表现权重更高，而另一队的模型则可能没那么看重本垒击球手的作用，因为该队的强击手经常会打出三振出局。但无论如何，在这两种情况下，全垒打和三振出局的实际次数都将展示在大家的眼皮底下。
P3-5

凯西·奥尼尔著的《算法霸权(数学杀伤性武器的威胁)(精)》通过现实生活中的案例以及生动的讲述，揭示了政府和大企业利用隐秘的算法和复杂的数学模型削弱公平、增加私权的事实。用明确打败隐秘，用明晓战胜困惑，这本书的出现能帮助我们及时改变航向。

小时候，我常常盯着车窗外的车流，研究每辆
车的车牌号。我会把每个车牌号分解成素数，如：
45=3×3×5。这叫作因式分解，是我最喜欢的消遣
活动。我这个小数学迷对素数特别感兴趣。
我对数学的爱好逐渐发展成热爱。14岁时我参
加了一次数学夏令营，带回来一个心爱的魔方。数
学使我摆脱了现实世界的混乱。经过数学家们的一
步步证明推导，数学不断发展，其覆盖的知识领域
不断扩大。我也加入了数学领域，在大学时期主修
数学，后来取得数学的博士学位。我的论文方向是
代数数论，这根源于我从小就喜欢的因式分解。最
后，我成为巴纳德学院的终身教授，该学院的数学
系是与哥伦比亚大学联合创办的。
后来，我做了一个重大的决定：从大学离职，
到顶尖对冲基金德劭集团（D.E.Shaw）担任金融工
程师。我离开学术界进人金融领域，把抽象的数学
理论应用到金融分析的实践中。我们所做的数据分
析为一个又一个账户实现了总量达到数万亿美元的
变现。起初，在新的研究室研究全球经济让我感到
既兴奋又震撼。但就在我在那儿工作了一年多的时
候，2008年秋，全球金融危机爆发了。
显然，金融危机使得我曾经的庇护所——数学
不仅卷入了这个世界性的问题，还助推了其中许多
问题的发生。房地产危机，大型金融机构倒闭，失
业率上升，在幕后运用着神奇公式的数学家们成为
这些灾难的帮凶。而且，由于数学的功能特别强大
（这是我热爱数学的原因之一），一旦其与科技相
结合，其所造成的混乱和不幸也会成倍增长，它使
得一个有着巨大缺陷的系统加速运转，进一步扩大
规模，这些都是我原来不曾意识到的。
要是我们当时头脑清醒的话，就会后退一步思
考，数学是怎么被我们误用的？我们该如何防止未
来发生同样的灾祸？但是，金融危机发生以后，新
的数学技术变得比以往更热门，其应用甚至延伸到
更多的领域，每时每刻都在搅动着海量数据，其中
大多数数据都是由社交媒体或者电子商务网站从使
用者那里搜刮而来的。而且，数学逐渐不再关注全
球金融市场动态，而是开始关注我们人类本身。数
学家和统计学家一直在研究我们的欲望、行动和消
费能力，一直在预测我们的信用，并用结果来评估
我们作为学生、职员、情人的表现以及是否有变成
罪犯的潜力。
这也就是我们所说的大数据经济，其收益前景
非常可观。一个电脑程序可以在1～2秒内快速扫描
成千上万份简历或是贷款申请，然后将结果整理成
清晰的列表，让最有潜力的申请者位居前列。这不
仅节约时间，而且公平客观。毕竟，电脑程序不像
人类带有个人偏见，它只是一台处理数字的无情机
器。到2010年左右，数学已深刻地介入人类事务，
公众对数学这一工具的出现表示出了极大的热情。
然而，我看到的是危机。数学应用助推数据经
济，但这些应用的建立是基于不可靠的人类所做的
选择。有些选择无疑是出于好意，但也有许多模型
把人类的偏见、误解和偏爱编入了软件系统，而这
些系统正日益在更大程度上操控着我们的生活。这
些数学模型像上帝一样隐晦不明，只有该领域的最
高级别的牧师，即那些数学家和计算机科学家才明
白模型是如何运作的。人们对模型得出的结论毫无
争议，从不上诉，即使结论是错误的或是有害的。
而且，模型得出的结论往往会惩罚社会中的穷人和
其他受压迫的人，而富人却因此更加富有。
我为这些有害模型提出了一个名称：“数学杀
伤性武器”（Weapons of Math Destruction，简
写成WMD）。接下来，我将用一个例子向你们阐明这
种模型的破坏性。
这个案例中的模型和很多其他的案例一样，其
出发点是好的。2007年，华盛顿特区新上任的市长
艾德里安·芬提下定决心对本市教学质量不佳的学
校进行改革。当时，几乎每两个中学生中就有一个
九年级学生是勉强毕业，只有8％的八年级学生在数
学上的表现达标。为此，市长芬提设立了一个新的
职位——华盛顿市教育总督，并聘用知名教育改革
者李阳熙担任该职务。
……
这种混淆的出现是因为数据科学家经常忽视交
易接收端的民众。他们当然明白，数学杀伤性武器
必然会出现偏差，在一段时间内会把部分人群归错
类，剥夺他们找到工作或者买房的机会。但是一般
来说，数学模型操作者不会思考这些可能的错误。
他们看重的反馈是金钱，这也是他们的根本动机。
他们设计模型就是为了吸收更多的数据，对分析结
果进行微调，让更多的热钱涌入。投资者因此而尽
享收益，于是决定继续将更多的钱投人数学模型开
发公司。
那么受害者呢？数据科学家也许会说，没有数
学模型是完美的，那些受害者是附带损失。像萨拉
·韦索基这样的人常常会被他们认为没有价值，不
值得惋惜。他们也许会说，别管这些人，去看那些
从搜索引擎的推荐中获得有益建议的人，或是在潘
多拉网络电台上找到自己喜爱的音乐的人，或者那
些在领英上找到理想工作的人，还有在婚恋交友网
站Match.com上找到爱情的人。多想想算法实现的这
些令人惊讶的成就，忽略那些不完美。
大数据从不缺传道者，但我不在其中。本书将
透视数学杀伤性武器带来的种种危害和不公正，分
析其对人们在人生关键时期（如上大学，借钱，入
狱，或者是找工作和保住工作）所做决策造成误导
的有害例证。我们将看到，人类生活的各个方面正
越来越多地被数学杀伤性武器所控制。
欢迎参观大数据的阴暗面。

我们生活在算法的时代。我们去哪个学校上学，是否能够获得车贷，需要为健康保险支付多少钱，这些对我们的生活有着重大影响的决定越来越由不得人类自己，而是被各种数学模型所操控。从理论上来说，模型可以更好地促进公平，因为每个人适用同等的规则，不存在偏袒。
但凯西·奥尼尔这本十分重要的书告诉我们，事实刚好相反。如今，被广泛使用的算法模型，即使其本身充斥着错误，也依旧不受管束、不被质疑。其中，“强化歧视”的问题特别值得反思：如果一个穷学生因为被借贷模型认定为风险过高(仅仅是根据该学生所生活的街区就得出此判断)而贷不了款，那么接下来，他就会被剥夺能够帮他摆脱贫困的接受优质教育的机会，继而陷入一系列的恶性循环。
通过追踪一个人的生命轨迹，凯西·奥尼尔试图在《算法霸权(数学杀伤性武器的威胁)(精)》揭露数学杀伤性武器对塑造个人和社会未来的影响。这些数学杀伤性武器给教师和学生评分，筛选简历，批准贷款或拒绝贷款，评估员工，甚至监督我们的健康状况，因此凯西·奥尼尔呼吁建模者，要对自己的算法承担更多的责任，并且呼吁政策制定者对模型的使用进行监督管理。她指出，对模型的掌控最终取决于我们自己。这本重要的书迫使我们直面问题，寻求改变。