Machine Learners: Archeologia przetwarzania danych

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 5 głosach.

Oryginalny tytuł:

Machine Learners: Archaeology of a Data Practice

Zawartość książki:

Jeśli uczenie maszynowe zmienia naturę wiedzy, to czy zmienia również praktykę krytycznego myślenia?

Uczenie maszynowe - programowanie komputerów do uczenia się na podstawie danych - rozprzestrzeniło się na dyscypliny naukowe, media, rozrywkę i rząd. Badania medyczne, autonomiczne pojazdy, przetwarzanie transakcji kredytowych, gry komputerowe, systemy rekomendacji, finanse, nadzór i robotyka wykorzystują uczenie maszynowe. Urządzenia do uczenia maszynowego (czasami rozumiane jako modele naukowe, czasami jako algorytmy operacyjne) stanowią podstawę dziedziny nauki o danych. Stały się one również przyziemnymi mechanizmami głęboko osadzonymi w różnych systemach i gadżetach. W kontekstach od codziennego do ezoterycznego, mówi się, że uczenie maszynowe zmienia naturę wiedzy. W tej książce Adrian Mackenzie bada, czy uczenie maszynowe przekształca również praktykę krytycznego myślenia.

Mackenzie koncentruje się na uczących się maszynach - albo ludziach i maszynach, albo relacjach człowiek-maszyna - umieszczonych wśród ustawień, danych i urządzeń. Ustawienia wahają się od fMRI do Facebooka; dane obejmują wszystko, od obrazów kotów po sekwencje DNA; urządzenia obejmują sieci neuronowe, maszyny wektorów nośnych i drzewa decyzyjne. Bada konkretne algorytmy uczenia się - pisanie kodu i pisanie o kodzie - i rozwija archeologię operacji, która, podążając za Foucaultem, postrzega uczenie maszynowe jako formę produkcji wiedzy i strategię władzy. Badając warstwy abstrakcji, infrastruktury danych, praktyki kodowania, diagramy, formalizmy matematyczne i społeczną organizację uczenia maszynowego, Mackenzie śledzi w większości niewidoczną architekturę jednej z centralnych stref współczesnych kultur technologicznych.

Opisując uczenie maszynowe, Mackenzie lokalizuje miejsca, w których może zakorzenić się poczucie sprawczości. Jego archeologia formacji operacyjnej uczenia maszynowego nie odkrywa śladu strategicznego monolitu, ale ujawnia lokalne dopływy siły, które zasilają uogólnienie i pluralizm pola.