本周课题：
- 有决定权，就要负成败之责
- 政体试图将所有资讯 集中在一个地方—— 就会变成它们最大的优势
- 推荐系统(Recommendation System)
图费・克奇： 机器智能时代，坚守人类道德更重要
- 计算机帮助人们做各种决策，但人们真的要把决策权交给机器吗？
- 机器学习遇到的问题是我们无法精准的知道和了解系统。
- 机器学习的系统通常使用人们真实的行为数据作为训练集，人们的行为存在偏见，因此机器也容易存在偏见。
苏珊•埃特林格: 如何应对大数据？
- 我们能改变科技在我们生活中扮演的角色，也能改变享受数据带来的恩惠的方式
- 作为公民， 有责任花更多时间来锻炼批判性思维能力
- 数据自己不会创造意义，是我们创造数据的意义
约翰·威尔班克斯: 让我们分享医疗数据
- 只要我们还是人类，我们就会得病。
- 早期的知识共享组织的特点是：轻量、简单
- 医疗的数据取之于民，用之于民
尤瓦尔诺亚哈拉瑞：法西斯主义者？把复杂的世界简化
- 法西斯主义认为：我的国家是优越的，并对于国家的服务是唯一的。
- 自由民主要面对的最大危险是资讯科技革命将会让独裁政权变得比民主更有效。
- 信息技术和生物科技的合并，会威胁到民主的未来。它不只是能预测我的决策，也能操控我的感受和情绪，民主很难生存。
推荐系统
- 是一种信息过滤系统，根据用户的历史行为、社交关系、兴趣点，算法可以判断用户当前感兴趣的物品或内容。
- 最早人们使用的是基于内容的推荐方法。即根据物品的属性为它们打上标签，再通过这些标签计算它们之间的相似度。
我的想法：
- 平台的信息流不能只使用推荐系统。 意思是，给用户首页展示的信息瀑布流，不能仅是算法展示的用户可能感兴趣的内容。根据自身平台的特性：新闻、安利、短视频等等，结合当前的热点、社会事件展示。满足用户的喜好的同时，帮助用户挖掘更多的可能性。重要的是：让用户知道为什么推荐这个内容，鼓励他们更积极地参与到推荐互动中来，给予更多有效反馈。
- 不能让人工智能帮人们做所有的决策。 机器学习的系统是源于过去人们所呈现的数据，数据本身可能存在偏见。大数据所做的决策不一定是正确而客观的，可能也存在偏见。因此训练集的数据很重要。
- 给数据创造意义时，不要过于片面。 数据本身没有意义，数据的意义是人们分析的过程中所赋予的。单一数据集的高低并不能完全判断内容的性质，这需要数据分析师有更多的批判性思维，更全面的分析。
参考：