L’articolo è stato aggiunto alla lista dei desideri
LIBRO
E-mail
Facebook
LinkedIn
Twitter
WhatsApp
Big data e algoritmi. Prospettive critiche
(0)
Cliccando su “Conferma” dichiari che il contenuto da te inserito è conforme alle Condizioni Generali d’Uso del Sito ed alle Linee Guida sui Contenuti Vietati. Puoi rileggere e modificare e successivamente confermare il tuo contenuto. Tra poche ore lo troverai online (in caso contrario verifica la conformità del contenuto alle policy del Sito).
Grazie per la tua recensione!
Tra poche ore la vedrai online (in caso contrario verifica la conformità del testo alle nostre linee guida). Dopo la pubblicazione per te +4 punti 
25,65 €
-5%
27,00 €
+260
punti
Prezzo minimo ultimi 30 giorni: 24,70 €
Venditore: IBS
(Altri 3 da 25,65 €)
Articolo acquistabile con Bonus Cultura 18app e Carta del Docente
Articolo acquistabile con Carta Cultura Giovani e Carta del Merito
Dati e Statistiche
Salvato in 32 liste dei desideri
Salvato in 32 liste dei desideri
Big data e algoritmi. Prospettive critiche
Disponibilità immediata
25,65 €
-5%
27,00 €
25,65 €
27,00 €
-5%
Disp. immediata
Big data e algoritmi. Prospettive critiche
Libri
Altri venditori
Prezzo e spese di spedizione
Venduto e spedito da IBS
25,65 €
Spedizione gratuita
disponibilità immediata
Venduto e spedito da Libreria Internazionale Romagnosi snc
26,00 €
+ 8,90 € Spedizione
disponibile in 3 giorni lavorativi
Venduto e spedito da Libreria Nani
27,00 €
+ 6,50 € Spedizione
disponibile in 4 giorni lavorativi
Venduto e spedito da Libreria Nani
27,00 €
+ 6,50 € Spedizione
disponibile in 8 giorni lavorativi
Altri venditori
Prezzo e spese di spedizione
Venduto e spedito da IBS
25,65 €
Spedizione gratuita
disponibilità immediata
Venduto e spedito da Libreria Internazionale Romagnosi snc
26,00 €
+ 8,90 € Spedizione
disponibile in 3 giorni lavorativi
Venduto e spedito da Libreria Nani
27,00 €
+ 6,50 € Spedizione
disponibile in 4 giorni lavorativi
Venduto e spedito da Libreria Nani
27,00 €
+ 6,50 € Spedizione
disponibile in 8 giorni lavorativi
Altri venditori
Prezzo e spese di spedizione
Tutti i formati ed edizioni
Promo attive (0)
Big data e algoritmi costruiscono correlazioni, regolarità e quantificazioni per proporre interpretazioni dei fenomeni sociali in base ad automatismi matematici. Tuttavia, come svela questo libro, è un’illusione pensare che una comprensione automatica di abitudini ed eventi possa essere oggettiva e neutrale. Le tecnologie dell’intelligenza artificiale ambiscono a definire ciò che è stato e ad anticipare il futuro, ma sono state inventate e sviluppate da esseri umani, e ne conservano perciò il genio, l’instabilità, i pregiudizi, spesso anche l’arroganza. Affidarsi ad algoritmi per prendere decisioni in contesti incerti come quelli della vita reale, dove non è possibile determinare gli obiettivi univocamente, consente a chi definisce i criteri di farlo all’ombra dell’opacità del dispositivo tecnico, senza doversi assumere responsabilità, anche a rischio di esiti iniqui. È quindi necessario chiedere giustizia su dati e algoritmi: chi è oggetto di processi decisionali automatici deve ottenere spiegazioni esplicite e condivise per le scelte, pubbliche o private che siano. Le valutazioni algoritmiche non possono essere l’alibi per un nuovo latinorum della tecno-aristocrazia internazionale.
Leggi di più
Leggi di meno
Autore:
Editore:
Collana:
Anno edizione:
2021
In commercio dal:
15 aprile 2021
Tipo:
Libro universitario
Pagine:
292 p., Brossura
EAN:
9788829005246
Indice
Indice
Introduzione
1. Per una genealogia dell’intelligenza artificiale
La plasticità dell’intelligenza artificiale/Contro la memoria umana: da Leibniz a Turing/Esternalizzare la memoria per automatizzare l’intelligenza/Intelligenza meccanica, intelligenza artificiale/Corpo e linguaggio nell’intelligenza artificiale/La cibernetica e l’interazione con la macchina/La macchina della memoria di Vannevar Bush/Licklider, il futuro delle biblioteche e l’insieme delle conoscenze/Intelligenza artificiale e reti neurali: opinioni a confronto
2. Big data tra tecnica e politica
La riorganizzazione dei contenuti per il Web/Web 2.0 e piattaforme: normalizzare le relazioni, categorizzare le emozioni/La scienza orientata ai dati/Che cosa sono i big data?/Dati: una nozione ambivalente/La costruzione dei dati: riflessioni ontologiche, epistemologiche e critiche/Correlazioni spurie e altri rischi nei big data/Chi possiede, controlla, sfrutta i dati personali?/Protezione dei dati e capitalismo della sorveglianza
3. Correlazioni tra dati e conseguenze impreviste
Gli esperimenti di Facebook in data science/Contagio emotivo e consenso informato/Il fallimento di Google Flu Trends: errori di valutazione/Le ragioni degli errori nella raccolta dati/Cambridge Analytica: una piccola genealogia/Cambridge Analytica e il test sulla personalità/La previsione dei comportamenti basata sui dati dei social/Piattaforme e disinformazione/I rischi di un unico repository di dati/I dilemmi nell’uso dei big data
4. Algoritmi, intelligenza artificiale, pattern recognition
Correlare e prevedere/L’algoritmo tra matematica e cultura/Decisione algoritmica e rischio della pigrizia umana/Una definizione di intelligenza artificiale/Machine learning e pattern recognition/Apprendimento supervisionato e non supervisionato/Deep learning e backpropagation: la gestione degli errori /Apprendimento per rinforzo e learning bias: alcune osservazioni critiche/L’etica nell’intelligenza artificiale: tra istituzioni pubbliche e aziende private
5. Astrazione, raccomandazione e predizione algoritmica
Profilare, misurare, astrarre/Chi è responsabile delle decisioni algoritmiche?/Ethics washing nella Silicon Valley/Algoritmi di raccomandazione, filtraggio e predizione/L’arbitraggio algoritmico e la produzione di pubblici calcolati/Problemi epistemici degli algoritmi di profilazione e filtraggio: induzione e somiglianza/Predire o prescrivere il futuro?/L’opacità epistemica e il potere degli algoritmi di nacondere la teoria/Epistemologia e politica degli algoritmi
6. Gli algoritmi tra efficienza, equità e tutela dei margini
La fairness degli algoritmi: tra diritto e cognizione/Gli ostacoli all’equità algoritmica/Dati in medicina: l’espansione dell’infrastruttura algoritmica/Care management tra efficienza ed equità/Naturalizzare le disuguaglianze: welfare digitale e decisione algoritmica/Quando l’algoritmo, invece di giudicare, è giudicato/Il governo dei numeri e le sue storture/Algoritmi e valutazione universitaria: tecniche per migliorare la prestazione scientifica/Neutralità algoritmica o discriminazione positiva?
7. Categorie e tecniche dell’astrazione algoritmica: interpretare il presente, prescrivere il futuro
Categorie sociali e pregiudizi nascosti/Abitudine, dipendenza, omofilia e segregazione/Chi sono i lavoratori dell’intelligenza artificiale?/Face recognition e discriminazione/Riconoscimento delle immagini e pregiudizi/Affect recognition come pseudoscienza/Query suggestion e associazioni indebite/Algoritmi discriminatori nei social network/Un dialogo tra data science e critical algorithmic studies
Conclusioni
Bibliografia
Introduzione
1. Per una genealogia dell’intelligenza artificiale
La plasticità dell’intelligenza artificiale/Contro la memoria umana: da Leibniz a Turing/Esternalizzare la memoria per automatizzare l’intelligenza/Intelligenza meccanica, intelligenza artificiale/Corpo e linguaggio nell’intelligenza artificiale/La cibernetica e l’interazione con la macchina/La macchina della memoria di Vannevar Bush/Licklider, il futuro delle biblioteche e l’insieme delle conoscenze/Intelligenza artificiale e reti neurali: opinioni a confronto
2. Big data tra tecnica e politica
La riorganizzazione dei contenuti per il Web/Web 2.0 e piattaforme: normalizzare le relazioni, categorizzare le emozioni/La scienza orientata ai dati/Che cosa sono i big data?/Dati: una nozione ambivalente/La costruzione dei dati: riflessioni ontologiche, epistemologiche e critiche/Correlazioni spurie e altri rischi nei big data/Chi possiede, controlla, sfrutta i dati personali?/Protezione dei dati e capitalismo della sorveglianza
3. Correlazioni tra dati e conseguenze impreviste
Gli esperimenti di Facebook in data science/Contagio emotivo e consenso informato/Il fallimento di Google Flu Trends: errori di valutazione/Le ragioni degli errori nella raccolta dati/Cambridge Analytica: una piccola genealogia/Cambridge Analytica e il test sulla personalità/La previsione dei comportamenti basata sui dati dei social/Piattaforme e disinformazione/I rischi di un unico repository di dati/I dilemmi nell’uso dei big data
4. Algoritmi, intelligenza artificiale, pattern recognition
Correlare e prevedere/L’algoritmo tra matematica e cultura/Decisione algoritmica e rischio della pigrizia umana/Una definizione di intelligenza artificiale/Machine learning e pattern recognition/Apprendimento supervisionato e non supervisionato/Deep learning e backpropagation: la gestione degli errori /Apprendimento per rinforzo e learning bias: alcune osservazioni critiche/L’etica nell’intelligenza artificiale: tra istituzioni pubbliche e aziende private
5. Astrazione, raccomandazione e predizione algoritmica
Profilare, misurare, astrarre/Chi è responsabile delle decisioni algoritmiche?/Ethics washing nella Silicon Valley/Algoritmi di raccomandazione, filtraggio e predizione/L’arbitraggio algoritmico e la produzione di pubblici calcolati/Problemi epistemici degli algoritmi di profilazione e filtraggio: induzione e somiglianza/Predire o prescrivere il futuro?/L’opacità epistemica e il potere degli algoritmi di nacondere la teoria/Epistemologia e politica degli algoritmi
6. Gli algoritmi tra efficienza, equità e tutela dei margini
La fairness degli algoritmi: tra diritto e cognizione/Gli ostacoli all’equità algoritmica/Dati in medicina: l’espansione dell’infrastruttura algoritmica/Care management tra efficienza ed equità/Naturalizzare le disuguaglianze: welfare digitale e decisione algoritmica/Quando l’algoritmo, invece di giudicare, è giudicato/Il governo dei numeri e le sue storture/Algoritmi e valutazione universitaria: tecniche per migliorare la prestazione scientifica/Neutralità algoritmica o discriminazione positiva?
7. Categorie e tecniche dell’astrazione algoritmica: interpretare il presente, prescrivere il futuro
Categorie sociali e pregiudizi nascosti/Abitudine, dipendenza, omofilia e segregazione/Chi sono i lavoratori dell’intelligenza artificiale?/Face recognition e discriminazione/Riconoscimento delle immagini e pregiudizi/Affect recognition come pseudoscienza/Query suggestion e associazioni indebite/Algoritmi discriminatori nei social network/Un dialogo tra data science e critical algorithmic studies
Conclusioni
Bibliografia
L'articolo è stato aggiunto al carrello
L’articolo è stato aggiunto alla lista dei desideri
