อ่านแล้วเล่า

เว็บสรุปหนังสือหลากหลายแนว

บิ๊กดาต้า มหาประลัย Weapons of Math Destruction
Processed with VSCO with hb2 preset

จะทำอย่างไรเมื่อชะตาชีวิตต้องถูกกำหนดโดยคณิตศาสตร์ หรือจะมองว่า Algorithm เป็นดั่งลิขิตสวรรค์ในยุคดิจิทัลก็ว่าได้

นี่คือหนังสือที่ไม่ได้ขู่ให้คุณกลัวกับโปรแกรมคอมพิวเตอร์สมัยนี้ แต่จะสอนให้คุณรู้เท่าทันและพยายามรวมตัวกันเรียกร้องให้เกิดความเป็นธรรมใน code โปรแกรมแต่ละบรรทัดที่กำลังกำกับวิถีชีวิตเราแทบทั้งหมดอยู่โดยไม่รู้ตัว

คุณรู้มั้ยครับว่าเวลาเราเสริชหาคำซักคำบน Google แม้จะเป็นคำเดียวกันเป๊ะๆแต่ผลลัพธ์ที่ได้อาจจะแตกต่างกันอย่างไม่น่าเชื่อ

สมมติว่าคุณเป็นนักธุรกิจที่รักการลงทุน ส่วนผมเป็นนักกิจกรรมเพื่ออนุรักษ์สิ่งแวดล้อม ถ้าเราทั้งคู่เสริชหาคำว่า “บริษัทน้ำมัน” เหมือนกัน แต่ผลลัพธ์ของคุณกับผมจะแตกต่างกันโดยสิ้นเชิง คุณน่าจะพบกับเว็บที่แนะนำการลงทุนในบริษัทน้ำมันที่น่าสนใจ และก็จะเจอกับข่าวคราวผลกำไรของบริษัทน้ำมันต่างๆ ส่วนผมที่เป็นนักกิจกรรมน่ะหรอครับ ก็จะเจอแต่ข่าวฉาวของบริษัทน้ำมันทั้งหลายว่าไปรั่วที่ไหน และทำให้สัตว์อะไรต้องสูญพันธ์ไปแล้วบ้าง

นี่คือสิ่งทีเรียกว่าภาวะ “Filter Bubble” ในยุคดิจิทัลครับ

นั่นหมายความว่าชะตาชีวิตเราในวันนี้ถูกกำหนดโดยโปรแกรมเมอร์และบริษัทยักษ์ใหญ่ด้านข้อมูลเสียเป็นส่วนใหญ่ ไม่ว่าจะ facebook, google ข้อมูลการใช้เงินของเราผ่านบัตรเครดิตและธนาคาร ข้อมูลการจับจ่ายใช้สอยกับร้านค้า ข้อมูลทุกอย่างของเราถูกเอาไปเปรียบเทียบกับคนที่มีพฤติกรรมคล้ายๆกับเรา และเราก็ถูกจับเหมารวมว่าเราน่าจะเหมือนกับเค้าทั้งที่จริงบางทีเราอาจจะไม่มีนิสัยเหมือนกับเค้าเลยก็ได้

นี่แหละครับชีวิตในยุคดิจิทัลที่เต็มไปด้วยข้อมูล จนก่อให้เกิด Big Data จนเราประมวลผลเองไม่ไหวต้องเอาคอมพิวเตอร์มาช่วยประมวลผลที่เรียกว่า Machine Learning และก็ออกมาเป็น AI ที่ปฏิบัติกับเราอย่างไม่ใช่คนคนหนึ่งมากขึ้นทุกที เพราะโปรแกรมเหล่านี้มองเราเป็นกลุ่มคนที่มีความคล้ายกัน มันพยายามจัดหมวดหมู่เราอัตโนมัติโดยที่เราไม่รู้ตัวเลยซักนิด

Processed with VSCO with a2 preset

เริ่มแรกบทที่ 1 คือ โมเดลการคำนวนคืออะไร

คือการทำให้ง่ายด้วยการเอาข้อมูลทั้งหลายมาหารูปแบบ #Pattern ไม่ว่าจะเป็นความคล้ายหรือความเชื่อมโยงกัน หรือหาข้อมูลที่คิดว่าแทนกันได้ที่เรียกว่า Proxy จากข้อมูลในอดีตเพื่อเอามาคาดเดาอนาคตครับ

ปัญหาสำคัญคือหลายๆโมเดลหรือ Algorithm ที่เกี่ยวกับชีวิตเรามักไม่ค่อยได้อัพเดทเท่าไหร่ หรือเรียกได้ว่าเขียนไว้วันแรกยังไงก็ปล่อยมันเป็นอย่างนั้น ฝ่ายเอกชนยังไม่ค่อยเท่าไหร่ แต่บรรดาราชการหรือรัฐบาลนี่แหละตัวดี เมื่อ algorithm ไม่ค่อยอัพเดทนั่นก็หมายความว่าถ้าวันนี้มันทำงานได้ดี แต่พรุ่งนี้มันก็จะค่อยๆลดประสิทธิภาพลงเรื่อยๆ และจะยิ่งล้าสมัยหากไม่อัพเดทอย่างสม่ำเสมอ เพราะอะไร

ราคาสินค้าข้าวของและรสนิยมของเราเปลี่ยนได้ตลอด เอาเป็นว่า algorithm สำหรับเด็กหกขวบก็คงไม่เหมาะกับวัยรุ่นจริงมั้ยครับ

ลำพังโทรศัพท์มือถือยังต้องอัพเดท OS อยู่เรื่อยๆเลยครับ

ปัญหาถัดมาคือ “กล่องดำ” ของ algorithm ครับ เพราะบรรดาวิธีการคิดหรือสูตรคำนวนทั้งหลายนั้นถูกเก็บเป็นความลับดำมืดยิ่งกว่าอะไรดี ทำให้เวลาเราใส่ข้อมูลเข้าไปเรามักจะได้แต่ผลลัพธ์โดยไม่รู้ที่มาที่ไปของมัน ก็เหมือนกับการที่เราเข้าไปดูคอนเสริทแล้วเห็นสิบแถวหน้าว่างอยู่แต่พนักงานห้ามไม่ให้เข้าโดยไม่บอกเหตุผลว่าทำไม เราคงหัวเสียไม่น้อยใช่มั้ยครับ

แต่ถ้าพนักงานอธิบายกับเราได้ว่าที่สิบแถวหน้าปล่อยให้ว่างไว้เพราะสำรองไว้สำหรับผู้พิการ เราก็จะยอมรับได้ไม่ยาก

algorithm ที่ดีก็ควรจะอธิบายที่มาที่ไปของผลลัพธ์ได้ ไม่ใช่เอาแต่คายผลลัพธ์ออกมา

บทที่ 2 เล่าถึงที่มาที่ไปของวิกฤตการเงินโลกเมื่อปี 2008 ว่า algorithm ที่ผิดพลาดนั้นก็มาจากคนที่ป้อนข้อมูลนี่แหละ

ในตอนนั้นที่เกิด Hamburger Crisis ที่ทำเอาสถาบันการเงินพังไปมากมาย ส่วนหนึ่งก็มาจากพันธบัตรค้ำประกันเงินกู้ที่ออกมาชุ่ยๆจากธนาคารทั้งหลาย แต่ธนาคารก็ต้องการให้บริษัทจัดอันดับความน่าเชื่อถือที่เป็นคนกลางออกมาการันตีให้ว่าได้เกรด AAA เพื่อจะได้เอาไปขายทอดตลาดได้

ทางบริษัทที่จัดอันดับเหล่านั้นก็ไม่สามารถปฏิเสธได้เพราะต้องการค่าธรรมเนียมจากธนาคาร เพราะถ้าตัวเองไม่ให้ AAA คนอื่นก็จะให้ AAA อยู่ดี ทำให้เกิดพันธบัตรค้ำประกันแย่ๆที่ได้ AAA ออกมาวางขายเต็มท้องตลาด และผลสุดท้ายก็อย่างที่รู้กันนะครับ ล้มระเนนระนาดกันทั้งโลก

บทที่ 3 Big Data กับการศึกษาของชาติ เพราะ algorithm ที่ผิดพลาดทำให้อนาคตการศึกษาของอเมริกานั้นผิดเพี้ยน

เรื่องเริ่มจากหนังสือพิมพ์ที่ชื่อว่า U.S. News ได้อุตริคิดค้นการจัดอันดับสถาบันการศึกษาอย่างมหาวิทยาลัยในประเทศขึ้นมา ด้วยการเอาตัวเลขโน่นนี่นั่นมาผสมปนเปกันโดยไม่บอกใคร แต่บอกแค่ว่ามหาวิทยาลัยไหนได้คะแนนเท่าไหร่ในการจัดอันดับ

ในตอนแรกก็ยังดีอยู่หรอก เพราะโมเดลการคิดนั้นมาจากการดูว่ามหาวิทยาลัยที่มีชื่อเสียงในประเทศนั้นมีคะแนนด้านไหนดีบ้าง เมื่อเทียบกับมหาลัยทั่วไปและมหาลัยที่มีชื่อเสียงไม่ค่อยดีเท่าไหร่ ทำให้ในช่วงแรกการจัดอันดับพอรับได้ แต่พอนานวันเข้าอย่างที่บอก algorithm ไม่ค่อยได้อัพเดทตามสภาพความเป็นจริง จนทำให้มหาวิทยาลัยทั้งหลายเอาแต่แข่งขันกันให้ตัวเองอยู่ในอันดับที่ดี จนลืมดูสภาพความจริงว่าตัวเองถนัดอะไร

หรือที่ทางเศรษฐศาสต์เรียกว่า compatative advantage หรือความได้เปรียบเชิงเปรียบเทียบ

ความซวยก็เลยตกอยู่กับผู้เรียนที่เป็นอนาคตของชาติ ที่ algorithm เหล่านี้ไม่ได้นึกถึง เพราะนึกถึงแค่ว่าทำอย่างไรให้มหาลัยดัง จนทำให้มหาลัยพากันทำตามเกมของ algorithm จำอันดับที่ว่า

จนถึงขั้นที่บรรดาครูอาจารย์ผู้บริหารจำนวนไม่น้อยยอมโกงข้อสอบของนักเรียนนักศึกษาเองก่อนส่งตรวจที่ส่วนกลาง เพื่อทำให้คะแนนของสถาบันดีขึ้นในการจัดอันดับครั้งหน้า ความซวยทั้งหมดเลยตกอยู่ที่ผู้เรียนที่ไม่ได้ประโยชน์อะไรจากการจัดอันดับที่ว่าเลย

เพราะพอสถาบันการศึกษาไหนที่ได้คะแนนจากการจัดอับดับที่ดีขึ้น ก็สามารถดึงดูดคนรวยๆ คนเก่งๆ และทุนดีๆให้เข้ามาที่ตัวเองได้มากขึ้น

และการจัดอันดับนี้ก็กลายเป็นส่วนสำคัญที่ทำให้ค่าศึกษาเล่าเรียนของอเมริกาสูงขึ้นถึง 500% ตั้งแต่ปี 1985 ถึง 2013 เรียกว่าแซงอัตราเงินเพ้อไปถึง 4 เท่า เพราะมหาวิทยาลัยต้องแข่งกันสร้างอาคารใหม่ๆสวยๆเรียกให้ได้คะแนนดีๆและเรียกนักศึกษารวยๆเข้ามา

และ U.S News นี้ก็เรียกว่าจัดอันดับจนได้ดิบได้ดีมากถึงขนาดที่ว่า แม้หนังสือพิมพ์ดั้งเดิมจะปิดไป แต่ธุรกิจการจัดอันดับเป็นอย่างเดียวที่ยังอยู่รอดได้ถึงทุกวันนี้ แถมยังขยายไปจัดอับดับสถาบันการศึกษาในสาขาอื่นๆมากมาย ไม่ว่าจะเป็นด้านการแพทย์ ด้านทันตแพทย์ ด้านวิศวกรรมและศิลปศาสตร์ จนวันนี้ถึงขั้นจัดอันดับโรงเรียน ม.ปลายแล้ว

อนาคตการศึกษาของเรายังถูกกำหนดโดย algorithm เลยเห็นมั้ยครับ

บทที่ 4 ว่าด้วยเรื่องการโฆษณาบนออนไลน์ ที่ชอบอ้างกันว่าเพื่อส่งโฆษณาที่มีประโยชน์และตรงใจให้ ทั้งที่ความเป็นจริงแล้วก็แค่การฉวยโอกาสจากใจที่ไม่มั่นคงของเราต่างหากครับ

เพราะในยุค Big Data แบบนี้ นักวิเคราะห์การตลาดมีข้อมูลมากพอที่จะค้นจนพบจุดอ่อนที่สุดของเราว่า เราไม่ได้ซื้อเพราะเราต้องการมากเท่ากับเราซื้อเพราะใจเราไม่มั่นคง

จากข้อมูลพบว่าในจังหวะที่เรามีความอ่อนไหวทางใจ หรือจิตใจไม่มั่นคงนั้น ถือว่ามีค่าดั่งทองคำสำหรับนักการตลาด เพราะในช่วงนี้คนจะคลิ๊กเพื่อซื้อหรือสมัครอะไรก็ตามมากเป็นพิเศษ ยอมจ่ายมากเป็นพิเศษกว่าตอนที่จิตใจมั่นคงปกติดี ไม่ว่าจะเป็นคนที่เพิ่งอกหัก คนที่เพิ่งเสียคนรักไป หรือคนที่โหยหายอดีต

เหมือนกับผลวิจัยของบ้านเราที่ผมเคยอ่านเจอว่า คนอกหักคือคนที่พร้อมใช้จ่ายมากกว่าคนโสดหรือมีแฟน นั่นก็เพราะเมื่อใจเราไม่มั่นคงเราก็คิดว่าการจ่ายคือการเรียกความมั่นใจกลับมายังไงล่ะครับ

บทที่ 5 ว่าด้วยเรื่องความยุติธรรมในยุค Big Data จากที่เคยคิดว่าระบบจัดการอัตโนมัติหรือ algorithm จะทำให้ทุกอย่างดีขึ้น แต่ที่ไหนได้กลับทำให้ทุกอย่างแย่ลงเรื่อยๆ

ที่อเมริกามีการใช้โปรแกรมหนึ่งที่เอาข้อมูลในอดีตมาวิเคราะห์เพื่อหาว่าพื้นที่ไหนบ้างที่เสี่ยงจะเกิดอาชญากรรมมากกว่าที่อื่น เพื่อจะได้ส่งตำรวจลงไปดูแลพื้นที่นั้นเป็นพิเศษ

และจากการคาดการณ์ส่วนใหญ่ก็มักจะบอกว่าพื้นที่เหล่านั้นคือพื้นที่ๆเป็นชุมชนแออัด หรือพื้นที่คนจนนั่นเอง

พอตำรวจเห็นจุดแดงขึ้นบนแผนที่ก็เข้าไปดูแลพื้นที่นั้นเป็นพิเศษ ผลก็คือตำรวจมักขอค้นตัวผู้คนที่คิดว่าน่าสงสัย และก็ได้เจอผู้ทำผิดมากมาย แต่ผู้ทำผิดมากมายนั้นส่วนใหญ่คือคดีเล็กๆน้อยๆที่ไม่ได้สลักสำคัญอะไร และสิ่งที่เลวร้ายที่สุดที่ตามมาก็คือข้อมูลใหม่ๆก็เข้าไปช่วยยืนยันผลของโปรแกมนั้นมากยิ่งขึ้น

ทั้งที่ความเป็นจริงแล้วในพื้นที่ๆไม่แอดอัดหรือโซนคนรวยนั้นก็มีโอกาสที่จะเกิดคดีเล็กๆน้อยๆไม่แพ้กัน แต่เมื่อข้อมูลในอดีตบ่งบอกมาแบบนี้ทำให้เกิดการกระจุกตัวของการจับกุมอย่างไม่เป็นธรรม

หรืออย่างโปรแกรมรุ่นใหม่ที่สามารถระบุตัวผู้ต้องสงสัยในอนาคต หรือคนที่มีแนวโน้มจะก่อนอาชญากรรมขึ้นมา เพื่อให้เจ้าหน้าที่ตำรวจเข้าไปดูแลเป็นพิเศษ ทั้งที่เค้าเหล่านี้ถูกตัดสินจากข้อมูลที่บอกว่ามีคนรู้จักก่ออาชญากรรมมาก่อนเท่านั้นเอง การที่เค้ารู้จักคนเลวไม่ได้หมายความว่าเค้าจะต้องเลวไปด้วยเสมอไปใช่มั้ยครับ

algorithm เหล่านี้ทำให้คนดีที่อยู่ท่ามกล่างหมู่คนเลวหมดกำลังใจที่จะทำดี และยิ่งทำให้คนเลวในหมู่ผู้บริสุทธิ์ยิ่งได้ใจ เพราะ algorithm ไม่ได้มองเราเป็นคนๆหนึ่ง แต่มองเราเป็นกลุ่มคนยังไงล่ะครับ

บทที่ 6 ว่าด้วยเรื่องการหางานในยุค Big Data ที่เราอาจไม่ได้งานเพราะข้อมูลที่ผิดพลาดในอดีต หรือจากอคติของผู้สร้างโมเดลก็ได้ครับ

บริษัทใหญ่ๆสมัยนี้มักใช้โปรแกรมในการช่วยคัดเลือกผู้สมัครให้เบื้องต้นโดยอัตโนมัติ และรู้มั้ยครับว่าแค่ชื่อที่ต่างกันก็ทำให้โอกาสได้ในได้งานต่างกันลิบลับแล้ว

เพราะมีผู้สำรวจพบว่าใบสมัครที่มีชื่อแบบคนผิวขาวนั้นมีโอกาสถูกเรียกสัมภาษณ์มากกว่าชื่อแบบคนผิวดำถึง 50%

ถ้าจะบอกว่า algorithm ผิดก็คงไม่ใช่ แต่ที่ผิดคือคนที่เอาข้อมูลในอดีตมาใช้โดยไม่รู้จักคิด เพราะในอดีตงานเป็นของคนขาวส่วนมากคงไม่แปลก แต่การเอาข้อมูลที่เป็นชื่อมาใช้ทำให้ algorithm เห็น pattern ที่ดีของการเลือกคนเข้าทำงานจากชื่อที่เป็นคนขาวโดยไม่รู้ตัวยังไงล่ะครับ

และก็มีวิธีรับสมัครงานประเภทหนึ่งที่มีวิธีกำจัดอคติออกไปอย่างน่าสนใจมาเล่าให้ฟังกัน

เรื่องของเรื่องคือในวงออร์เคสตรานั้นเป็นที่ทางของผู้ชายเป็นส่วนใหญ่มาแต่ไหนแต่ไร ทำให้มีสัดส่วนของผู้หญิงในวงน้อยมาก จนกระทั่งมีวงออร์เคสตราแห่งหนึ่งใช้วิธีใหม่ในการรับสมัครสมาชิก คือการให้ผู้เข้าสมัครเล่นดนตรีหลังม่าน

ผลคือมีผู้หญิงเข้ามาร่วมวงมากขึ้นถึง 5 เท่า เมื่ออคติจากการเลือกจากเพศโดนกำจัดอย่างชาญฉลาด ก็ทำให้ได้คนที่มีประสิทธิภาพจริงๆเข้ามาร่วมวงมากมาย ทำให้คิดถึงช่วง Blind Audition ของรายการ The Voice เลยครับแบบนี้ คือถ้าเสียงไม่ดีจริงไม่รอด

บทที่ 7 ว่าด้วยเรื่องการทำงานในยุค Big Data ที่โปรแกรมแสนฉลาดทำให้ชีวิตเราต้องพังไม่รู้ตัว

เช่นพนักงานสตาร์บัคคนหนึ่งที่ต้องทำงานกะค่ำเพื่อปิดร้าน และต้องรีบกลับบ้านไปนอนเพื่อกลับมาเปิดร้านตอนเช้าอีก เพราะ algorithm ค้นพบว่านี่คือวิธีที่จะช่วยประหยัดค่าใช้จ่ายของบริษัทในการจ้างพนักงานมากที่สุด ส่วนช่วงกลางวันที่ไม่ค่อยมีลูกค้าก็ให้พนักงานกลับบ้านไปพักซักสองชั่วโมงแล้วค่อยกลับมาเสริฟกาแฟตอนเย็นที่ลูกค้าเต็มร้านอีกครั้ง

แต่ algorithm ที่มาจากข้อมูลที่ดีก็มีประโยชน์นะครับ เพราะบริษัท Call Center แห่งหนึ่งเคยเชื่อว่าการงดให้พนักงานคุยเล่นกันในเวลาทำงาน เพื่อเอาเวลาไปทุ่มเทพูดคุยกับลูกค้าจะเป็นการทำงานที่ดีที่สุด

แต่พอบริษัทต้องการหาคำตอบจริงๆว่าทำไมพนักงานกลุ่มหนึ่งที่ทำผลงานบริการลูกค้าได้ดีนั้นเป็เพราะอะไร ก็เลยขอติดอุปกรณ์ติดตามการใช้ชีวิตพนักงานว่าคนกลุ่มนี้ต่างกับคนกลุ่มอื่นยังไง และก็พบว่ากลุ่มพนักงานที่แก้ปัญหาลูกค้าได้ดีคือคนที่ชอบคุยเล่นกันระหว่างการทำงาน

จากนั้นบริษัทก็ไม่ห้ามให้พนักงานคุยเล่นกันบ้างระหว่างการทำงาน และผลรวมทั้งหมดก็ดีขึ้นอย่างน่าตกใจครับ

สรุปคือคนที่ได้ผ่อนคลายสนุกสนานก็จะแก้ปัญหาให้คนอื่นด้วยจิตใจที่เบิกบานได้ดี ทำให้คิดถึงตอนเรียนที่บรรดาอาจารย์ชอบห้ามคุยในห้องเรียน บางทีถ้าปล่อยให้เด็กได้คุยบ้างผลการเรียนอาจจะดีขึ้นกว่าการนั่งเงียบๆฟังอาจารย์อย่างเดียวก็ได้นะครับ

บทที่ 8 การกู้ยืมเงินในยุค Big Data ที่ algorithm ก็มีอคติจากคนป้อนข้อมูลที่มีอคติในการคิดแบบเหมารวมว่าเราน่าจะเป็นเหมือนเค้า ทั้งๆที่เรากับเค้าอาจจะไม่เหมือนกันเลย

เหมือนอย่างที่บริษัทเครดิตอย่าง American Express หรือ AMEX เคยออกจดหมายแจ้งลูกค้าว่าจะถูกปรับลดเครดิตลง เพราะเค้าแค่มีพฤติกรรมการใช้เงิน หรืออาจจะเลือกเข้าร้านค้าคล้ายกับคนที่ไม่ยอมใช้หนี้เสียเครดิตไป

เห็นมั้ยครับสองคนนี้เป็นคนละคน แต่กลับถูกตัดสินว่าต้องเป็นเหมือนกันโดยระบบอัตโนมัติ ฟังดูแบบนี้ก็คล้ายระบบ look alike target ของ facebook นะครับ คนที่มีพฤติกรรมบางอย่างคล้ายกันใช่ว่าจะต้องเหมือนกันหมดทุกอย่างเสมอไป อย่าปล่อยให้ข้อมูลผิดๆกลายเป็นอคติบังตาไปครับ

บทที่ 9 การประกันในยุค Big Data ที่บังคับให้เราต้องออกกำลังกายถ้าไม่อยากจ่ายเพิ่ม หรือการเอาค่า BMI แบบเฉลี่ยมาใช้กับเราให้เข้ากับค่าเฉลี่ย

BMI คือการเอาน้ำหนักมาเป็นสัดส่วนกับส่วนสูง ทั้งที่ในความเป็นจริงแล้วคนที่มีกล้ามเนื้อมากนั้นจะมีน้ำหนักมากกว่าคนที่มีไขมันในสัดส่วนความสูงเดียวกันถ้าไม่อ้วนเกินไป

เมื่อผิดตั้งแต่ algorithm เริ่มต้น ส่วนที่เหลือก็ไม่ต้องพูดนะครับว่าจะผิดยาวเป็นหางว่าวขนาดไหน

บทที่ 10 ชีวิตเราในยุค Big Data ตั้งการถูกพรรคการเมืองยิงโฆษณาที่กระตุ้นให้เราเลือกแบบรู้ใจและรู้ทัน ทำให้เราตามเกมนักการเมืองไม่ทันยิ่งกว่ายุคไหนๆ

รู้มั้ยครับว่าแค่ผลของการ search ก็มีผลต่อการลงคะแนนแล้ว

นักวิจัยสองคนนามว่า Robert Epstein และ Ronald E. Robertson ให้ผู้ลงคะแนนเสียงที่ยังไม่ได้ตัดสินใจว่าจะเลือกใครทั้งในสหรัฐอเมริกาและอินเดีย ลองเสริชหาข้อมูลเรื่องการเลือกตั้งที่จะมาถึง และโปรแกรมเสริชที่ใช้ในการทดลองนั้นถูกตั้งค่ามาให้ผิดเพี้ยน ด้วยการเข้าข้างพรรคหนึ่งมากกว่าอีกพรรคหนึ่ง

ผลคือผลการค้นหาสามารถเปลี่ยนผลการตัดสินใจได้ถึง 20% เลยครับ

และ 20% นี้ก็สำคัญมาก เพราะคนอเมริกันส่วนใหญ่กว่า 73% บอกว่าตัวเองเชื่อผลการค้นหาด้วยการเสริชอย่างเต็มที่ เพราะเชื่อว่านั่นคือความจริงแท้เที่ยงตรงไม่ลำเอียงแต่อย่างใด

ตายๆๆ ใครคุม Google ได้นี่คุมโลกได้เลยนะครับ

เพราะเรารู้เท่าที่กู(เกิล)อยากให้รู้

เชื่อมั้ยครับว่าเคยมีนักวิจัยแกล้งทำ digital profile ที่หลากหลายเข้าไปตรวจสอบการค้นหา ผลก็คือผลลัพธ์ที่ได้ออกมานั้นแตกต่างกันโดยสิ้นเชิงแม้จะเสริชจากคำๆเดียวกัน

Google เองก็ประกาศว่าตัวเองกำลังดำเนินการตรวจสอบอคติของผลลัพธ์ดังกล่าว แต่ห้ามบรรดานักวิจัยสร้าง digitla profile ปลอมเข้ามาตรวจสอบเองนะ

เข้าทำนองเราโปร่งใสแต่ห้ามตรวจสอบนะ คุ้นๆเหมือนนักการเมืองมั้ยครับแบบนี้

สุดท้ายนี้โลกเรากลายเป็นเศรษฐกิจบนข้อมูลมากขึ้นเรื่อยๆ และชีวิตคนส่วนใหญ่บนโลกก็กำลังถูกข้อมูลที่แฝงไปด้วยอคติของคนตัดสิน ไม่ว่าจะจากอดีตหรือจากปัจจุบัน ทำให้อคติแฝงไว้ใน algorithm กำลังค่อยทำให้โลกเป็นอย่างที่คิดมากขึ้นเรื่อยๆ

ในขณะธุรกิจส่วนใหญ่ที่ใช้ข้อมูลในอดีตเพื่อตัดสินใจอนาคตมากขึ้นเรื่อยๆ โดยเฉพาะในกลุ่มชนชั้นล่าง แต่ในธุรกิจซึ่งอยู่ปลายยอดขอระบบเศรษฐกิจนั้น มนุษย์มักตัดสินใจเรื่องสำคัญๆด้วยตัวเอง คอมพิวเตอร์ก็เป็นแค่เครื่องมือช่วยตัดสินใจ หาได้ตัดสินใจแทนมนุษย์ไม่ แต่งานส่วนใหญ่ในวันนี้กลับถูกระบบอัตโนมัติตัดสินใจไปแทนส่วนใหญ่แล้ว

ผมว่าวันนี้ data กลายเป็นกรรมของเราทุกคนไปแล้วครับ

แต่ปัญหาคือถ้าใครรู้หลักการของ algorithm คนนั้นก็จะกลายเป็นพระเจ้าผู้รู้จักวิธีชดใช้กรรม หรือล้างแบบให้ตัวเองอย่างน่ากลัวเลยล่ะครับ

เพราะสุดท้ายแล้วผมเชื่อว่า privacy จะกลายเป็น luxury ครับ

Processed with VSCO with s3 preset

อ่านแล้วเล่า บิ๊กดาต้า มหาประลัย, Weapon of Math Destruction
เมื่อการใช้ข้อมูลขนาดใหญ่กลายเป็นภัยของสังคม

Cathy O’neil เขียน
ทีปกร วุฒิพิทยามงคล แปล
SALT Publishing

เล่มที่ 133 ของปี 2018
20181224

Tagged: , , , ,

Leave comment

Your email address will not be published. Required fields are marked with *.