前言

小時候，我常常盯著車窗外的車流，研究每輛車的車牌號。我會把每個車牌號分解成素數(shù)，如：45=3×3×5。這叫作因式分解，是我最喜歡的消遣活動。我這個小數(shù)學迷對素數(shù)特別感興趣。

我對數(shù)學的愛好逐漸發(fā)展成熱愛。14歲時我參加了一次數(shù)學夏令營，帶回來一個心愛的魔方。數(shù)學使我擺脫了現(xiàn)實世界的混亂。經(jīng)過數(shù)學家們的一步步證明推導，數(shù)學不斷發(fā)展，其覆蓋的知識領(lǐng)域不斷擴大。我也加入了數(shù)學領(lǐng)域，在大學時期主修數(shù)學，后來取得數(shù)學的博士學位。我的論文方向是代數(shù)數(shù)論，這根源于我從小就喜歡的因式分解。最后，我成為巴納德學院的終身教授，該學院的數(shù)學系是與哥倫比亞大學聯(lián)合創(chuàng)辦的。

后來，我做了一個重大的決定：從大學離職，到頂尖對沖基金德劭集團（D.E.Shaw）擔任金融工程師。我離開學術(shù)界進入金融領(lǐng)域，把抽象的數(shù)學理論應用到金融分析的實踐中。我們所做的數(shù)據(jù)分析為一個又一個賬戶實現(xiàn)了總量達到數(shù)萬億美元的變現(xiàn)。起初，在新的研究室研究全球經(jīng)濟讓我感到既興奮又震撼。但就在我在那兒工作了一年多的時候，2008年秋，全球金融危機爆發(fā)了。

顯然，金融危機使得我曾經(jīng)的庇護所——數(shù)學不僅卷入了這個世界性的問題，還助推了其中許多問題的發(fā)生。房地產(chǎn)危機，大型金融機構(gòu)倒閉，失業(yè)率上升，在幕后運用著神奇公式的數(shù)學家們成為這些災難的幫兇。而且，由于數(shù)學的功能特別強大（這是我熱愛數(shù)學的原因之一），一旦其與科技相結(jié)合，其所造成的混亂和不幸也會成倍增長，它使得一個有著巨大缺陷的系統(tǒng)加速運轉(zhuǎn)，進一步擴大規(guī)模，這些都是我原來不曾意識到的。

要是我們當時頭腦清醒的話，就會后退一步思考，數(shù)學是怎么被我們誤用的？我們該如何防止未來發(fā)生同樣的災禍？但是，金融危機發(fā)生以后，新的數(shù)學技術(shù)變得比以往更熱門，其應用甚至延伸到更多的領(lǐng)域，每時每刻都在攪動著海量數(shù)據(jù)，其中大多數(shù)數(shù)據(jù)都是由社交媒體或者電子商務網(wǎng)站從使用者那里搜刮而來的。而且，數(shù)學逐漸不再關(guān)注全球金融市場動態(tài)，而是開始關(guān)注我們?nèi)祟惐旧怼?shù)學家和統(tǒng)計學家一直在研究我們的欲望、行動和消費能力，一直在預測我們的信用，并用結(jié)果來評估我們作為學生、職員、情人的表現(xiàn)以及是否有變成罪犯的潛力。

這也就是我們所說的大數(shù)據(jù)經(jīng)濟，其收益前景非常可觀。一個電腦程序可以在1~2秒內(nèi)快速掃描成千上萬份簡歷或是貸款申請，然后將結(jié)果整理成清晰的列表，讓最有潛力的申請者位居前列。這不僅節(jié)約時間，而且公平客觀。畢竟，電腦程序不像人類帶有個人偏見，它只是一臺處理數(shù)字的無情機器。到2010年左右，數(shù)學已深刻地介入人類事務，公眾對數(shù)學這一工具的出現(xiàn)表示出了極大的熱情。

然而，我看到的是危機。數(shù)學應用助推數(shù)據(jù)經(jīng)濟，但這些應用的建立是基于不可靠的人類所做的選擇。有些選擇無疑是出于好意，但也有許多模型把人類的偏見、誤解和偏愛編入了軟件系統(tǒng)，而這些系統(tǒng)正日益在更大程度上操控著我們的生活。這些數(shù)學模型像上帝一樣隱晦不明，只有該領(lǐng)域的最高級別的牧師，即那些數(shù)學家和計算機科學家才明白模型是如何運作的。人們對模型得出的結(jié)論毫無爭議，從不上訴，即使結(jié)論是錯誤的或是有害的。而且，模型得出的結(jié)論往往會懲罰社會中的窮人和其他受壓迫的人，而富人卻因此更加富有。

我為這些有害模型提出了一個名稱：“數(shù)學殺傷性武器”（Weapons of Math Destruction，簡寫成WMD）。接下來，我將用一個例子向你們闡明這種模型的破壞性。

這個案例中的模型和很多其他的案例一樣，其出發(fā)點是好的。2007年，華盛頓特區(qū)新上任的市長艾德里安·芬提下定決心對本市教學質(zhì)量不佳的學校進行改革。當時，幾乎每兩個中學生中就有一個九年級學生是勉強畢業(yè)，只有8%的八年級學生在數(shù)學上的表現(xiàn)達標。為此，市長芬提設(shè)立了一個新的職位——華盛頓市教育總督，并聘用知名教育改革者李陽熙擔任該職務。

當時流行的理論是：學生學得不夠好是因為老師教得不好。所以，在2009年，教育總督李陽熙落實了一項旨在開除教學表現(xiàn)差的教師的計劃。這符合當時全美教學質(zhì)量差的地區(qū)所進行的改革的一種趨勢，而且從系統(tǒng)工程學的角度看，這種想法非常有意義：評估教師。開除最差的教師，把最好的老師調(diào)到需求最緊迫的地方發(fā)揮他們的才干。用數(shù)據(jù)專家的話來說，就是“優(yōu)化”學校的教師系統(tǒng)，盡可能保證給孩子們提供好的教育。除了那些“差”教師，誰會反對這項提議？教育總督李陽熙開發(fā)了一個叫作IMPACT的教師評估工具，至2009~2010學年末，華盛頓特區(qū)開除了評估結(jié)果墊底的2%的教師。第二學年末，又開除了5%，也就是206名教師。

華盛頓特區(qū)一所公立中學的五年級教師薩拉·韋索基似乎沒有任何理由為此擔心。她在麥克法蘭中學僅任教了兩年就得到了校長和學生家長的一致好評。校長表揚她對學生們的教育極負責任，學生家長紛紛稱她為“接觸過的老師中最好的一個”。

但是在2010~2011學年末，韋索基的IMPACT評分很低。她的問題出自一個叫作增值模型的新評分系統(tǒng)，該系統(tǒng)用于評估數(shù)學教學和語言技能教學的效果。該算法給出的評分權(quán)重占她最終評分的一半，超過了學校領(lǐng)導和社區(qū)的評價。華盛頓特區(qū)別無選擇，只好開除了她，以及另外IMPACT得分在最低限度之下的205名教師。

這看起來不完全像是一種政治迫害或者分數(shù)決定論。該學區(qū)的這一評估辦法確實是有其內(nèi)在邏輯的。畢竟學校領(lǐng)導也有可能是糟糕教師的朋友。他們可能只是喜歡這些教師的個性或是表面上的盡心盡力。糟糕教師很可能從表面看來是個好教師。所以，像許多其他的學校系統(tǒng)一樣，華盛頓特區(qū)愿意減少人為偏差，更加注重評估得分，因為這一分數(shù)是根據(jù)實實在在的數(shù)學和閱讀成績計算得出的。華盛頓特區(qū)官員承諾，分數(shù)可以清楚地說明問題。分數(shù)更能體現(xiàn)公平。

韋索基當然覺得這些數(shù)字極其不公平，她想知道這些分數(shù)是怎么得來的。她后來告訴我說：“我認為沒有人能理解這些分數(shù)。”一個優(yōu)秀的教師怎么會得到如此低的分數(shù)呢？增值模型評估的到底是什么？

她所知道的就是，評估模型很復雜。華盛頓特區(qū)聘用麥斯邁提卡政策研究機構(gòu)（Mathematica Policy Research）研發(fā)評估體系。該機構(gòu)遇到的難題是測量特區(qū)學生在學業(yè)上的進步，然后計算學生的進步或退步在多大程度上歸因于他們的老師。這當然不容易。研究人員知道，許多變量，包括學生的社會經(jīng)濟背景、是否存在學習障礙等，都會影響學生的學習成績。評估算法必須要考慮到這些個人差異，這就是評估模型往往十分復雜的一個原因。

試圖將人類行為、表現(xiàn)以及潛力歸納為某個算法或模型確實不是一件容易的事情。要想理解麥斯邁提卡政策研究機構(gòu)處理的是什么問題，你可以想象一個住在華盛頓特區(qū)東南部貧民區(qū)里的10歲小女孩。在一學期的學習之后，她要參加五年級的標準化測試。然后她的生活將繼續(xù)下去。她可能正面對著家庭糾紛或是家庭經(jīng)濟困難，也許她正在搬家或是在擔心她品行不良的哥哥，也許她不滿意自己的體重或是在學校總被欺負。無論她在生活中經(jīng)歷了什么，下一學年她都要參加六年級的標準化測試。

如果你比較一下這個女孩兩次測試的結(jié)果，最可能的情況是分數(shù)持平，當然更好的是分數(shù)提高了。但是如果分數(shù)下降，你能很容易地計算出她和那些優(yōu)秀學生在兩次測試的分數(shù)差距上差了多少。

但是，老師該為這一差距負多大的責任呢？這很難計算，而且麥斯邁提卡政策研究機構(gòu)的教學評估模型只有少許數(shù)據(jù)可供比較。與之相反，像谷歌這樣的大數(shù)據(jù)公司，研究人員會不斷測試、監(jiān)測成千上萬個變量。他們可以把任一廣告的字體從藍色改為紅色，將不同的版本分別投放給1000萬名用戶，然后追蹤哪個版本獲得的點擊率更高，隨時根據(jù)用戶的反饋微調(diào)算法和操作。雖然我對谷歌公司有許多意見（接下來我將會在本書中做具體探討），但谷歌的這種測試方法可以說是對數(shù)據(jù)的一種有效利用。

而想要計算一個人在一個學年內(nèi)對另一個人的影響則復雜得多。韋索基表示：“學習和教學中有太多的不確定因素，很難一一評估。”而且，試圖借助對二三十個學生的考試成績的分析評估一名教師的教學水平，從統(tǒng)計學上來說也是不可靠的，甚至是很可笑的。樣本量太小了，一切皆會出錯。如果要采用嚴格的統(tǒng)計學標準分析教師的教學效果的話，我們必須隨機挑選幾千個甚至數(shù)百萬個學生參加考試。統(tǒng)計學家需要大量的數(shù)據(jù)平衡例外和反常情況。（我們在后文將會看到，數(shù)學殺傷性武器懲罰的個體往往是多數(shù)人中的例外。）

同樣重要的是，統(tǒng)計系統(tǒng)需要反饋通路，以保證系統(tǒng)出差錯時運行者能覺察到。統(tǒng)計學家會不斷用差錯訓練模型，使之更加智能。若亞馬遜的推薦模型的相關(guān)性計算出錯，給十幾歲的女孩推薦了草坪修剪的工具書，則其網(wǎng)站的點擊量必然會發(fā)生驟降。為此，亞馬遜公司就需要不斷調(diào)整模型，直到用戶相關(guān)性推薦的算法運作正常為止。但是，如果沒有錯誤反饋，大數(shù)據(jù)模型就會持續(xù)輸出錯誤的結(jié)果，而沒人試圖對此加以改進。

我將要在本書中探討的許多數(shù)學殺傷性武器都屬于后者，包括華盛頓學區(qū)的教師評估增值模型。許多數(shù)學殺傷性武器都是依靠自己的內(nèi)置邏輯來定義其所處理的情況，然后再以其自己的定義證明其輸出結(jié)果的合理性的。這種模型會不斷地自我鞏固、自我發(fā)展，極具破壞力——而且在我們的日常生活中很常見。

在麥斯邁提卡政策研究機構(gòu)的評分系統(tǒng)給予韋索基和其他205名教師差評之后，華盛頓特區(qū)開除了這些教師。但是該評分系統(tǒng)如何知道其決策是否正確呢？無從知道。評分系統(tǒng)確定這些教師是不合格者，那么別人就會認為他們是不合格者。206名“差”教師走了。僅僅是這一事實就表明了該評估增值模型的效果——該模型正在清理華盛頓特區(qū)的不合格教師。比起探索教學質(zhì)量不佳的真相，評估模型所做的只不過是用分數(shù)具象化了問題。

這是數(shù)學殺傷性武器的典型反饋回路的一個示例。我們將會在本書中看到許多這樣的例子。比如，當前，更多的雇主開始使用信用評分系統(tǒng)來評估求職者。雇主的想法是，及時支付賬單的人更可能準時到崗和遵守規(guī)則。但其實，信用評分低的人中也有很多有責任感的、稱職的員工。但是，雇主相信信用低和工作表現(xiàn)差呈正相關(guān)，這就導致了信用評分低的人很難找到工作。失業(yè)導致他們陷入貧窮，而這又進一步降低了他們的信用得分，讓他們找工作難上加難。這是一個惡性循環(huán)。而雇主永遠也不會知道，他們因為只關(guān)注信用評分而錯過了多少個優(yōu)秀的員工。數(shù)學殺傷性武器的構(gòu)建過程存在著許多有害的假設(shè)，這些模型包裹著數(shù)學精確性的外衣，流行于市場，未經(jīng)檢測便投入使用，而人們對此卻毫無爭議。

這凸顯了數(shù)學殺傷性武器的另一個常見特征，即其結(jié)果往往更傾向于懲罰窮人。部分原因是數(shù)學模型是被設(shè)計來評估數(shù)量巨大的人群的。數(shù)學殺傷性武器擅長處理巨量數(shù)據(jù)，而且處理成本很低，這也是它們的優(yōu)勢所在。而富人通常受益于個人投入。高檔律所或者大學預科學校會比快餐連鎖店或者資金短缺的城市公立高中更依賴推薦和當面交流。我們在之后會經(jīng)常看到這一點：特權(quán)階級更多地與具體的人打交道，而大眾則被機器操控。

沒有人能給韋索基解釋為什么她得了這么低的分數(shù)，這已經(jīng)足夠說明問題了。算法就像上帝，數(shù)學殺傷性武器的裁決就是上帝的指令。數(shù)學殺傷性武器就像一個黑盒子，其內(nèi)容物是被嚴格保護的公司機密，如此，像麥斯邁提卡這樣的顧問公司才得以收取高昂的費用。但維護算法的機密性也有另一個目的：如果被評估的人被蒙在鼓里，他們將不太可能找到系統(tǒng)的漏洞。他們只能努力工作，遵守規(guī)則，祈禱模型記錄并回報他們的努力。但是，人們無從了解模型的具體運作方式，這意味著人們很難對模型給出的分數(shù)提出質(zhì)疑或者抗議。

多年來，華盛頓的教師一直在抱怨他們遭到了評估系統(tǒng)武斷的差評，強烈要求知道分數(shù)的由來。他們被告知這是算法的結(jié)果，很難進一步解釋。很不幸，很多教師因此望而卻步，不再追究，他們被數(shù)學嚇到了。但有一個叫作薩拉·拜克絲的數(shù)學老師沒有因此退縮，她不停地向?qū)W區(qū)領(lǐng)導、以前的同事詹森·卡姆拉斯問個究竟。在薩拉反復追問了幾個月之后，卡姆拉斯讓她等待一份即將發(fā)表的技術(shù)報告。而拜克絲回復道：“如果你自己都無法解釋評估標準的根據(jù)，你怎么能保證評估的正當性呢？”但是，這就是數(shù)學殺傷性武器的本質(zhì)——將問題分析的部分外包給程序員和統(tǒng)計師，而他們的原則通常就是，機器說了算。

即便評估模型的細節(jié)始終沒有公布，薩拉·韋索基也知道，她的學生的標準化測試的分數(shù)在算法中占了很大的權(quán)重，而她對此有一些疑問。在麥克法蘭中學任教的最后一學年，在開學之前，她看到她即將迎來的五年級新生在四年級期末考試中取得了驚人的好成績。巴納德小學29%的學生的閱讀水平被評為“高級閱讀水平”，這一成績是該學區(qū)平均成績的5倍。薩拉的很多學生都來自這個小學。

但是，開學后，她發(fā)現(xiàn)很多學生連簡單的句子都讀不好。很久之后，《華盛頓郵報》和《今日美國》的調(diào)查揭示，該學區(qū)41所學校的標準化測試試卷有大量涂擦痕跡，包括巴納德小學。大范圍糾正答案表明作弊的可能性很大，部分學校有多達70%的考場涉嫌集體作弊。

這和數(shù)學殺傷性武器有什么關(guān)系？有多方面的關(guān)系。第一，教師評估算法被視為一種可以改善教學質(zhì)量的強大工具，這是開發(fā)該算法的本來目的，而在華盛頓校區(qū)，該評估算法以一種“胡蘿卜加大棒”政策形式推行。教師知道如果他們的學生考試成績不好，他們就會面臨失業(yè)風險，因此他們想方設(shè)法確保學生通過考試，尤其是在經(jīng)濟大蕭條期間勞動力市場需求疲軟的時候。與此同時，如果他們的學生的表現(xiàn)好于其他學校的學生的話，該學校的教師和校領(lǐng)導將可以得到高達8000美元的年終獎金。在了解了這些強有力的激勵政策的存在以及試卷被大量涂改、出現(xiàn)反常高分的事實之后，你就有理由懷疑巴納德小學的四年級教師出于害怕或是貪婪修改過學生的試卷。

可以想見，如果薩拉·韋索基班級的五年級新生其上一學年的高分期末成績是造假的，那么他們這一次真實的五年級期末成績就會說明他們這一年的學習效果不佳，而他們的老師也會因此成為“差”教師。韋索基認為這正是她現(xiàn)在的遭遇。這種解釋與家長、同事和校領(lǐng)導的觀察相符，即她確實是一個好教師，而這可以幫助她澄清事實真相。

但是，你不能狀告一個數(shù)學殺傷性武器。這也是我們說數(shù)學殺傷性武器具有極為可怕的破壞力的原因之一。模型不會傾聽，也不會屈服，對誘惑、威脅和哄騙以及邏輯通通充耳不聞，即使被評估者有充足的理由懷疑得出結(jié)論的數(shù)據(jù)被污染。沒錯，如果自動化系統(tǒng)出現(xiàn)過于明顯的錯誤或者整體性錯誤，程序師的確會回頭修改算法。但多數(shù)情況下，程序的裁決不容置疑，而操作程序的人只能聳聳肩，好像在說：“嘿，你又能怎么樣呢？”

這正是薩拉·韋索基最終得到的學校回復。詹森·卡姆拉斯后來對《華盛頓郵報》表示，試卷上的涂擦也許的確暗示了考試作弊的存在，薩拉的五年級學生前一學年的期末考分也許的確是錯誤的，但這些都不是決定性的證據(jù)。他聲明，對韋索基老師的處理是公正的。

你看出矛盾了嗎？某個算法被用于處理大量數(shù)據(jù)，它根據(jù)結(jié)果提出了一種可能性，即某人可能是糟糕的員工、有風險的借款人、恐怖主義者或者是糟糕的老師，這種可能性所對應的分數(shù)能摧毀一個人的生活。但是當有人反擊的時候，作為抗衡證據(jù)的“暗示考試作弊的可能性”的涂擦痕跡又起不到作用了。之后我們將不斷發(fā)現(xiàn)，數(shù)學殺傷性武器的受害人所面對的提供反駁證據(jù)的標準要比算法給自身設(shè)定的標準還高。

薩拉·韋索基在拿到評分結(jié)果后沒幾天就被解雇了。好在，很多人包括校長都擔保她是個好老師，她很快在北弗吉尼亞富人區(qū)的一個學校入了職。換句話說，由于一個正當性與準確性都極為可疑的模型，窮學校失去了一個好老師，而不會根據(jù)學生考試成績開除教師的富學校得到了一個好老師。

房地產(chǎn)危機發(fā)生之后，我意識到，數(shù)學殺傷性武器的應用領(lǐng)域已經(jīng)拓展到銀行業(yè)，并對整體經(jīng)濟造成了危害。2011年年初，我從對沖基金離職。后來我在一家電子商務創(chuàng)業(yè)公司擔任數(shù)據(jù)分析師。因為這一職務的關(guān)系，我發(fā)現(xiàn)大量數(shù)學殺傷性武器已經(jīng)現(xiàn)身于我們能想到的任何一個行業(yè)，加劇了社會不公平，進一步壓榨了弱勢群體的剩余價值。這些數(shù)學殺傷性武器是正發(fā)展得如火如荼的數(shù)據(jù)經(jīng)濟的核心。

為了傳播數(shù)學殺傷性武器這個名詞，我注冊了一個博客，起名叫“數(shù)學寶貝”。我的目的是動員同行數(shù)學家們反對使用草率的統(tǒng)計和帶有偏見的模型，因為這樣的統(tǒng)計和模型會導致惡性循環(huán)。我的博客尤其吸引數(shù)據(jù)專家，他們提醒我要將數(shù)學殺傷性武器這個概念傳播到新的領(lǐng)域。但是2011年中期，“占領(lǐng)華爾街”事件在下曼哈頓區(qū)突然發(fā)酵，我意識到我們該為更廣大的民眾做些事情了。當時，上萬民眾聚集，要求經(jīng)濟正義和經(jīng)濟問責。但是當我聽到記者對占領(lǐng)者的采訪時，我發(fā)現(xiàn)他們似乎對經(jīng)濟方面的基本問題一無所知。他們明顯沒有讀過我的博客。（這里我要多說一句，了解一個系統(tǒng)的缺陷，并不是要求你對整個系統(tǒng)都了如指掌。）

我意識到，我要么批評他們，要么加入他們，我選擇了加入他們。不久后，我便推動哥倫比亞大學交替銀行集團啟用每周例會制度，討論金融制度改革。在這個過程中我意識到，離開學術(shù)界之后的兩次職業(yè)冒險，一次是在金融領(lǐng)域，另一次是在數(shù)據(jù)科學領(lǐng)域，給了我極大的便利接觸推動了數(shù)學殺傷性武器的流行的科技和文化。

現(xiàn)如今，天生有缺陷的數(shù)學模型正從微觀上掌控著整體經(jīng)濟，其影響覆蓋了從廣告業(yè)到監(jiān)獄運營的各個領(lǐng)域。這些數(shù)學殺傷性武器和迫使薩拉·韋索基結(jié)束其在華盛頓特區(qū)公立中學的職業(yè)生涯的教師評估增值模型有很多相同的特點：不透明，不接受質(zhì)疑，解釋不通，并且都面對一定規(guī)模的大眾進行篩選、定位或者“優(yōu)化”。大多數(shù)數(shù)學殺傷性武器都會把其運算結(jié)果和實際情況相混淆，最終只能導致惡性循環(huán)而非問題解決。

但是，學區(qū)教師評估增值模型和用于尋找高額發(fā)薪日貸款潛在客戶的數(shù)學殺傷性武器之間有一個重要的區(qū)別，即這二者會帶來不同的結(jié)果。學區(qū)得到的是一種概念上的政治貨幣，即教師評估得以完成，教學效果在表面上得到改善的政績。企業(yè)得到的是本位貨幣：鈔票。對于許多借助數(shù)學殺傷性武器運營業(yè)務的公司來說，熱錢的涌入似乎證明模型奏效了。站在公司的角度，這是有意義的。當公司構(gòu)建模型尋找潛在客戶或者操控絕望的借款人時，越來越多的盈利似乎表明它們走對路了。但現(xiàn)在的問題是，利潤變成了真理的象征。這種危險的混淆我們以后還會多次看到。

這種混淆的出現(xiàn)是因為數(shù)據(jù)科學家經(jīng)常忽視交易接收端的民眾。他們當然明白，數(shù)學殺傷性武器必然會出現(xiàn)偏差，在一段時間內(nèi)會把部分人群歸錯類，剝奪他們找到工作或者買房的機會。但是一般來說，數(shù)學模型操作者不會思考這些可能的錯誤。他們看重的反饋是金錢，這也是他們的根本動機。他們設(shè)計模型就是為了吸收更多的數(shù)據(jù)，對分析結(jié)果進行微調(diào)，讓更多的熱錢涌入。投資者因此而盡享收益，于是決定繼續(xù)將更多的錢投入數(shù)學模型開發(fā)公司。

那么受害者呢？數(shù)據(jù)科學家也許會說，沒有數(shù)學模型是完美的，那些受害者是附帶損失。像薩拉·韋索基這樣的人常常會被他們認為沒有價值，不值得惋惜。他們也許會說，別管這些人，去看那些從搜索引擎的推薦中獲得有益建議的人，或是在潘多拉網(wǎng)絡電臺上找到自己喜愛的音樂的人，或者那些在領(lǐng)英上找到理想工作的人，還有在婚戀交友網(wǎng)站Match.com上找到愛情的人。多想想算法實現(xiàn)的這些令人驚訝的成就，忽略那些不完美。

大數(shù)據(jù)從不缺傳道者，但我不在其中。本書將透視數(shù)學殺傷性武器帶來的種種危害和不公正，分析其對人們在人生關(guān)鍵時期（如上大學，借錢，入獄，或者是找工作和保住工作）所做決策造成誤導的有害例證。我們將看到，人類生活的各個方面正越來越多地被數(shù)學殺傷性武器所控制。

歡迎參觀大數(shù)據(jù)的陰暗面。