算法倫理：社會感知算法設(shè)計的科學

譯者的話
0 引言
0.1 算法困惑
0.2 通過算法排序
0.3 人與機器學習
0.4 為什么會出錯
0.5 我們是誰
0.6 本書內(nèi)容包含和不包含什么
0.7 本書內(nèi)容簡述
1 算法隱私：從匿名到噪音
1.1 “沒有匿名數(shù)據(jù)”
1.2 糟糕的解決方案
1.3 違規(guī)和推斷
1.4 吸煙可能會損害你的隱私
1.5 隱私的差分概念
1.6 如何進行令人尷尬的民意調(diào)查
1.7 你相信誰？
1.8 走出實驗室，走進野外
1.9 差異隱私不承諾什么
2 算法公平：從均勢到帕累托
2.1 類比帶來的偏見
2.2 學習關(guān)于你的一切
2.3 你的向量就是你
2.4 禁止輸入
2.5 定義公平
2.6 會計“功績”
2.7 公平性與準確性之間的戰(zhàn)斗
2.8 天下沒有公平的午餐
2.9 公平性之間的戰(zhàn)斗
2.10 防止“公平性細分歧視”
2.11 算法之前和算法之后
3 大眾游戲：使用算法
3.1 約會游戲
3.2 當人們自身成為問題所在
3.3 跳球和
3.4 通勤博弈
3.5 自私的導航應(yīng)用
3.6 麥克斯韋解決方案
3.7 麥克斯韋均衡
3.8 欺騙麥克斯韋
3.9 通過關(guān)聯(lián)進行合作
3.10 博弈無處不在
3.11 與3億朋友一起購物
3.12 購物、可視化
3.13 另一類型的云計算
3.14 回音室均衡
3.15 量化和注入多樣性
3.16 醫(yī)療配對
3.17 算法思維博弈
3.18 科學家(使用數(shù)據(jù))進行博弈
4 迷失花園：數(shù)據(jù)導引的歧路
4.1 過去的性能無法保證未來的回報
4.2 力量姿勢、開創(chuàng)性和紅酒
4.3 科學游戲
4.4 機器學習的競賽運動
4.5 邦弗朗尼校正和百度
4.6 適應(yīng)性的危險
4.7 未選擇的路
4.8 對數(shù)據(jù)的“拷打”
4.9 維護分叉路徑的花園
4.10 花園的守門人
4.11 成功的排行榜
4.12 照料“私人花園”
5 有風險的生意：可解釋性、道德和奇點
5.1 尋找光
5.2 照亮黑盒子
5.3 自動駕駛的道德問題
5.4 奇點的威脅
5.5 云端視角
5.6 我擔心什么？
6 若干結(jié)論性思考
6.1 一個原因，諸多問題
6.2 算法承諾
6.3 在剛剛開始的時候