14、数据伦理与深度学习基础：从理论到实践

数据伦理与深度学习基础：从理论到实践

1. 数据伦理的挑战与思考

从二进制逻辑工作背景出发，伦理学缺乏明确答案起初可能会令人沮丧。然而，我们的工作如何影响世界，包括意外后果以及工作被不良行为者武器化等影响，是我们能够且应该考虑的最重要问题。尽管没有简单的答案，但有一些明确的陷阱需要避免，也有一些做法值得遵循，以迈向更符合伦理的行为。

许多人都在寻求更令人满意、更可靠的答案，以解决技术带来的有害影响。但鉴于我们面临的问题具有复杂性、深远性和跨学科性，没有简单的解决方案。前ProPublica高级记者Julia Angwin专注于算法偏见和监控问题，她在2019年的一次采访中表示，要解决问题，首先要诊断问题，而我们目前仍处于诊断阶段。她将当前的数据信息时代类比为第二次工业化，认为自己的角色是尽可能清晰地指出问题的负面影响并准确诊断，以便这些问题能够得到解决。

一位曾从事对冲基金交易的人士Fred Monroe指出，这里讨论的许多问题，如数据分布与模型训练数据显著不同、反馈循环对模型部署和大规模应用的影响等，也是构建盈利交易模型的关键问题。考虑社会后果与考虑组织、市场和客户后果有很多重叠之处，因此认真思考伦理问题也有助于更全面地思考如何使数据产品取得成功。

1.1 问卷思考

以下是一些关于数据伦理的问题，有助于进一步思考相关议题：
1. 伦理学是否提供了一份“正确答案”清单？
2. 在考虑伦理问题时，与不同背景的人合作有何帮助？
3. IBM在纳粹德国扮演了什么角色？公司和员工为何会如此参与？
4. 大众汽车柴油丑闻中第一个入狱的人扮演了什么角色？
5. 加利福尼亚执法官员维护的疑似帮派成员数