生活的每个方面都可以通过人工智能算法来指导 - 从选择早上通勤的路线，决定约会对象，到复杂的法律和司法事务，如预测性警务。
谷歌和Facebook等大型科技公司使用人工智能来获取他们庞大的详细客户数据的洞察力。这样，他们就可以通过微型定位等实践将用户的集体偏好货币化，广告客户使用这种策略来针对特定的用户群。
与此同时，许多人现在比他们自己的政府和公民社会更信任平台和算法。2018年10月的一项研究表明，人们表现出“ 算法欣赏 ”，当他们认为建议来自算法而不是人类时，他们会更多地依赖建议。
过去，技术专家一直担心可以访问计算机和互联网的人与那些无法访问计算机的人之间存在“数字鸿沟”。获得数字技术较少的家庭在赚钱和积累技能方面处于劣势。
但是，随着数字设备的激增，分歧不仅仅是关于访问。人们如何处理信息过载以及渗透到生活各个方面的过多算法决策?
更精明的用户正在远离设备，并开始意识到算法如何影响他们的生活。同时，信息较少的消费者更依赖算法来指导他们的决策。
人工智能背后的秘诀
在我看来，作为研究信息系统的人，新数字鸿沟的主要原因是很少有人理解算法如何运作。对于大多数用户来说，算法被视为黑盒子。
AI算法接收数据，使它们适合数学模型并进行预测，从您可能喜欢的歌曲到有人应该在监狱中度过多少年。这些模型是根据过去的数据和以前模型的成功开发和调整的。大多数人 - 有时甚至是算法设计者本身 - 并不真正知道模型内部的内容。
研究人员长期以来一直关注算法的公平性。例如，亚马逊基于人工智能的招聘工具最终解雇了女性候选人。亚马逊的系统选择性地提取隐性性别词 - 男性更有可能在日常言语中使用的词，例如“已执行”和“被捕获”。
其他研究表明，司法算法具有种族偏见，对可怜的黑人被告判刑的时间要长于其他人。
作为最近批准的欧盟通用数据保护法规的一部分，人们“有权解释”算法在其决策中使用的标准。该立法将算法决策过程视为食谱书。我们的想法是，如果您了解配方，您就可以了解算法如何影响您的生活。
与此同时，一些人工智能研究人员推动了公平，负责和透明，以及可解释的算法，这意味着他们应该通过人类可以理解和信任的过程来做出决策。
透明度会有什么影响?在一项研究中，学生通过算法评分，并提供不同级别的解释，说明他们的同伴的分数如何调整到达到最终成绩。具有更透明解释的学生实际上更少信任该算法。这再次暗示了数字鸿沟：算法意识不会导致对系统更有信心。
但透明度不是灵丹妙药。即使在概述算法的整个过程时，细节仍然太复杂，用户无法理解。透明度将仅帮助那些足够精通的用户掌握算法的复杂性。
例如，2014年，美联储前主席本•伯南克(Ben Bernanke)最初被自动化系统拒绝了抵押贷款再融资。大多数申请抵押贷款再融资的人都不会理解算法如何决定他们的信誉。
选择退出新的信息生态系统
虽然算法会影响人们的生活，但只有极少数参与者足够精进，能够充分参与算法如何影响他们的生活。
关于算法识别的人数的统计数据并不多。研究发现了算法焦虑的证据，导致部署算法的平台与依赖它们的用户之间的权力严重失衡。
对Facebook使用情况的研究发现，当参与者了解Facebook的策划新闻提要时，大约83%的参与者修改了他们的行为以试图利用该算法，而大约10%的参与者减少了他们对Facebook的使用。
皮尤研究中心2018年11月的一份报告发现，绝大多数公众对特定用途的算法使用存在重大担忧。它发现66%的人认为算法计算个人财务分数是不公平的，而57%的人认为自动化的简历筛选也是如此。
一小部分人对算法如何使用其个人数据进行了一些控制。例如，Hu-Manity平台允许用户选择控制他们收集的数据量。在线百科全书Everipedia为用户提供了在策展过程中成为利益相关者的能力，这意味着用户还可以控制如何聚合和呈现信息。
但是，绝大多数平台都没有为最终用户提供这样的灵活性，也没有选择算法如何使用他们的偏好来策划他们的新闻提要或推荐他们的内容。如果有选项，用户可能不知道它们。约有74%的Facebook用户在一项调查中表示，他们并不知道该平台如何描述他们的个人兴趣。
在我看来，新的数字素养不是使用计算机或在互联网上，而是理解和评估永远插入式生活方式的后果。
这种生活方式对人们与他人的互动方式产生了重大影响; 关注他们关注新信息的能力; 以及他们决策过程的复杂性。
增加算法焦虑也可以通过经济的平行变化来反映。一小部分人正在从自动化中获取收益，而许多工人处于不稳定的地位。
退出算法策略是一种奢侈 - 有朝一日可能只是少数人可以获得富裕的象征。那么问题就是数字鸿沟的错误方面的可衡量的危害是什么。
