京公网安备 11010802034615号
经营许可证编号:京B2-20210330
对大数据和人工智能的冷思考
大数据和人工智能是今年最热门的话题,在司法领域更是如火如荼,司法在大数据时代的范式革命已经到来。但利之所在弊亦随之,如果对大数据和人工智能的风险缺乏充分认识,不能在热情之余做一番冷思考,则可能会产生许多难以预料的后果。
首先,是大数据和人工智能的安全性问题。该问题虽属老生常谈,但在互联网犯罪模式从攻击计算机和网络本身转向彻底的虚拟犯罪的时代背景下,可能历久弥新。当前,在互联网犯罪中,已经大量出现了犯罪人接受他人委托,侵入政府部门与企事业单位的计算机系统修改数据以及拦截修改计算机信息数据的案例。因此,笔者认为没有理由认为司法大数据能独善其身。毕竟,在互联网犯罪海洋中,没有哪个地方是绝对的安全岛。
其次,是大数据和人工智能的可靠性问题。围绕美国威斯康辛州法院采用的COMPAS量刑程序的争议和诉讼就是一例。有研究者认为,COMPAS倾向于高估某些特定人群的再犯可能性,而这很可能反映了设计者所固有的偏见。如果数据分析本身就受偏见的左右,那么以此为基础的人工智能所作出的决定还能可靠吗?更令人担忧的是,有相当一部分人工智能系统依靠的是机器学习算法。这种算法几乎就是“黑盒子”,因为算法的开发者也难以解释算法的真正运行机制和可能造成的后果。法律乃善良公正之术。当司法拥抱科技时,如果人类将公平正义的决定权交给算法,那么就会面临正义与科技谁会笑到最后的难题。
但对大数据和人工智能的冷思考并不意味着对它们的拒斥。大数据和人工智能在司法领域的运用是大势所趋。如果因为它们现在所存在的缺陷就将其拒之千里之外,无疑是因噎废食。实际上,在未来,随着可供使用的数据越来越多,更多更好的工具被开发出来,也行大家今天所面临的担忧可能会得到缓解。但大家必须清醒地认识到,大数据和人工智能是一把双刃剑。如果不能正确评价和对待它可能带来的风险,那么就可能造成难以预料的后果。
大数据和人工智能并不免除任何人作出判断的责任。因为这一责任属于人类最核心的领域——理性。大数据和人工智能归根结底只是人类理智的产物,盲目地迎合理性的产物而冀图免除自己的责任是非理性的表现。正确认识理性产物中蕴含的非理性,以更好地履行自己的责任才是理性的表现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19