其实不完全算偏题，因为人脸识别也是算法……

当年刚入职前东家的时候，师傅说，我们现在做的这些项目，说小了必须要经过Algorithmic Impact Assessment，说大了要做好准备随时上国会hearing的，所以每次选择你们的模型调整你们的代码的时候都要想好怎么解释。那句话我记到现在。

seminar reading | 有点无聊 叙事夸张

很有啟發作用的一部電影。01:12:39,080 in the age of automation is one of the largest civil rights concerns we have(在自动化时代，算法正义是我们最大的民权问题之一)。從世界範圍(要減去東亞窪地)來看，人面識別以及AI產生的糾紛和錯誤很多，不是隨機性的錯誤而是系統地存在偏差bias的錯誤，亦即不滿足“無偏性”的判斷方法，在統計學的標準中是根本沒有存在資格的。東亞窪地之內，根本不存在討論這個問題的必要性。此處的人們不配。

哈哈感觉在观察美国人观察中国的目光 plus感觉主要强调的是人脸识别以及相关技术算法背后的歧视和对监管的缺乏，我觉得有道理，但是在这个问题上扯上中国就有点make no sense

最喜欢的教授week3必看片单，引人深思却又细思恐极，完美结束这周！

要求ai不biased的时候先自己做到不biased吧

有偏见有真实

歧视的确很明显了……

本来以为是个很福柯的纪录片，分析ai和算法的偏见与权力，看到最后继续感叹福柯的厉害，黑人白人的关系最终变成了一种simple refusal，黑人变成权力关系中的pervert。（原本黑人脸，女人脸相比于白人脸，男人脸的脸部识别率低很多）为了创造一个更“包容”的社会，“反抗”这个不公平的社会现状，大家开始发明新的技术让黑人脸和白人脸拥有了相近的识别率。“problems” extend the power。

一些老生常谈的东西，目的是传递情绪，而不是传递信息，一堆碎片拼接起来，一会是人脸识别训练集太狭隘，认不出黑人，一会是 Twitter 机器人接触太多真实信息，满嘴政治不正确，那么到底应该更多人工干预，还是更多放任自流？啥建议也没给出。不过少数群体是大众的安全区，尤其是积极维权的少数群体，他们的努力保障了社会不会太过偏激，至少保持着一点反省的态度，我对此没有指点的资格