全球權威調查機構皮尤研究所日前發布報告《算法時代》，采訪千余專家，分7大主題探討算法對生活各方各面的影響。報告的目標是客觀全面反映當前人們對即將到來的算法時代的看法，結果僅38%的特定受訪者預測算法的積極影響將超過其負面影響，而37%的人認為負面性超過積極性;25%表示算法的整體影響將保持在50%-50%左右。算法勢必無處不在，對于未來，你抱有希望嗎?

[[184024]]

算法是解決問題或完成任務的指示說明。配方是算法，數學公式也是算法。計算機代碼還是算法。互聯網依靠算法運行，所有的在線搜索都通過算法完成。有了算法，電子郵件才知道發去哪里。智能手機的應用程序不是別的，就是算法。計算機和視頻游戲是算法寫就的故事。如果沒有了算法，在線約會、薦書系統和旅行網站將無法運行。GPS地圖系統通過算法讓人從A移動到B。人工智能(AI)也是算法。人們在社交媒體上看到的東西是通過算法被呈現于他們眼前。實際上，人們在網絡上所見的和所做的一切都是算法的產物。電子表格每做一次排序，都需要用到算法，如今大多數金融交易都通過算法完成。是算法幫助各種設備響應語音命令、識別面部、排序照片，創造并且駕駛汽車。算法會遭遇黑客襲擊、網絡攻擊和破解加密代碼的侵襲。自學習算法和自編程算法正在興起，在未來很多算法將由算法編寫完成。

算法通常是你完成任務時會用到的優雅而極其有用的工具。算法大多是看不見的，它們以不可思議的方式在增強人類的生活。然而，有時候好意開發的算法制作的應用程序卻會導致意想不到的后果。最近的一些例子包括：

2016年10月7日，英鎊價值下跌6.1%，部分是因為算法觸發的貨幣交易。

去年春天，微軟開發了Twitter機器人“Tay”與千禧一代聊天，但不出幾個小時，Tay便頻頻爆出種族主義、性別歧視、否認納粹大屠殺的推文，原因是它根據算法“學習”那些發送給它的內容，并以此回復他人。

Facebook想要推出一個根據信息流突出流行話題的功能。他們先是請人來編輯，但有人指出人類編輯針對保守派觀點存在偏見后，Facebook就讓算法來完成這項工作，結果發現無法辨別假新聞。

《數學破壞性武器：大數據如何增加不平等和威脅民主》一書作者CathyO’Neil指出，基于算法的預測分析往往會剝削窮人，在書中她以算法招聘為例討論了這一點。

善意的算法可能遭到惡人破壞。DNS是互聯網流量處理程序，2016年10月21日，黑客轟炸DynDNS使其信息過載，美國東海岸地區互聯網網速全面減緩，由此開啟了使用聯網設備進行互聯網攻擊的全新時代。互聯網安全專家BruceSchneier在同年9月警告說，“有人在學習如何弄垮整個互聯網”。在2016年美國總統選舉期間，濫Facebook的新聞流算法和一般的在線假新聞算法引發了巨大的爭議。

研究員AndrewTutt呼吁成立“算法FDA”，Tutt指出：“越來越復雜的算法的出現，使我們需要就如何最好地預防、阻止和補償它們造成的危害進行批判性的思考……制定與算法相關的法規將需要采取聯邦統一手段、專家的判斷、政治獨立性和前期市場審查，在不扼殺創新的前提下，防止將危險算法引入市場。

白宮于2016年10月發布了兩份報告，詳細介紹了算法和人工智能的發展以及解決與之相關的問題的計劃，并在12月還發布了一份報告，概述了AI驅動自動化對美國就業市場和經濟的潛在影響

2017年1月17日，FutureofLifeInstitute發布了有益人工智能原則的23條軍規，包括霍金、馬斯克、庫茲韋爾等數百名世界上最重要的人工智能研究人員在內的1600多人簽署了這份文件。

企業和政府正在創造、抓取和分析大量的數據，算法的使用也愈發普及。有些人將這稱之為算法時代(AgeofAlgorithms)，并預測這一與機器學習和深度學習相關的算法未來，將以前所未有的速度實現社會的進步。

在2016年美國總統大選結束后，鑒于網絡工具在這場選舉中所發揮的重大作用，有很多分析都指出這些工具將對未來產生革命性的影響。但是，XPrize基金會首席執行官PeterDiamandis預測，技術的發展將令這次選舉在技術含量上黯然失色。Diamandis表示，計算以及嵌入在物聯網系統和設備中的AI和AI代理的快速演變，將帶來對選民的超級跟蹤、影響和塑造，以及超級個性化的廣告，并將創造出全新的方式歪曲現實，將虛假信息固定為永恒。

算法時代七大主題

主題1：算法將無處不在

可見和不可見的好處將加深人類對世界的認知

很多算法帶來的好處將伴隨著挑戰

主題2：算法時代的益處

由數據驅動的問題解決方式將得到普及

代碼過程將得到優化;道德倫理問題得到解決

“代碼無需完美，只要比人類優秀即可”

未來，世界可能由仁慈的AI(benevolentAI)管理

主題3：當數據和預測建模的重要性成為第一，人性和人類判斷將消失

主要為了利益和效率進行的編程活動將帶來威脅

算法將操縱人類、操縱結果，甚至“讀心”

所有這些都將促成一個有缺陷但卻無法避免的、由邏輯驅動的社會

有人擔心人類將失去決策能力，不再擁有智能

有人擔心復雜系統由代碼接管，人類將被拋在一邊

主題4：算法組織的系統中將存在偏見

算法反映出編程者和數據的偏見

算法依靠數據，而數據往往是有限、不足或者是錯誤的

主題5：由算法進行分類將加深各種群體之間的差異

由此到來的不平等將加深

算法將創造出過濾器，將人限制在自己的圈子里，限制人們接觸更多外界信息

主題6：失業率將上升

更加智能、高效的算法將取代很多人類工作崗位

有些人試圖重構全球經濟以維持人類生存

主題7：需要普及算法知識，加強算法透明度和監管

從普及算法知識做起，不僅僅是基本的數字化信息

對算法過程進行責任劃分、監管和透明糾察

很多人對算法監管持消極看法

斯坦福大學的AneeshAneesh這樣的分析師預見，在未來，現在的“官僚等級制度”將成為全新“等級治理”(algocraticgovernance)補充，算法將掌管公共和私人活動。哈佛大學的ShoshanaZuboff等人則描述了未來的“信息文明”，在信息文明里將出現一種“監督資本主義”(surveillancecapitalism)，組織人類的經濟行為。

為了闡明當前人們對算法在未來十年的潛在影響抱有什么態度，皮尤研究中心和伊隆大學對技術專家、學者、企業從業者和政府領導人進行了大規模的調查。有1302人回答了這個問題：

未來十年，算法對個人和社會的凈整體影響是積極的還是消極的?

結果發現，38%的特定受訪者預測算法的積極影響將超過其負面影響，而37%的人認為負面性超過積極性;25%表示算法的整體影響將保持在50%-50%左右。

我們要求參與者解釋他們的答案，大多數人都寫了詳細的闡述，并且提供了針對有關趨勢的洞察。我們允許受訪者采用匿名回復;在回復中也是匿名占多數。這些發現并不代表所有可能出現的問題的觀點，但它們都是根據當前的趨勢揭示了有價值的觀察。

下面，我們將簡要闡述回答中出現的七大關鍵主題。在介紹部分后，我們將援引部分受訪者的觀點，深入論述他們對每個主題的看法。

積極影響

主題1：算法勢必無處不在受訪者之間存在相當統一的看法，那就是算法對于公眾的影響通常是不可見的，并且這種影響將在未來十年中呈指數上升。

這一觀點的代表人物是SertainResearch和StreamFuzion公司的創始人和總裁BarryChudakov。他回答說：

“如果每個算法突然停止工作，我們現在所知的世界就全完了。”事實是，我們已經把世界交給了機器學習和算法。現在的問題是，如何更好地了解和管理這些算法。

“算法是人類決策的新決定者，幾乎在我們可以想象的任何領域，從觀看電影(Affectiva情感識別)到購買房子(Zillow.com)到自動駕駛汽車(谷歌)。德勤全球預測，全球100家最大的企業軟件公司中，有80家將在2016年年底前將通過算法將認知技術集成到他們的產品中。”

算法提供了“一個更好的標準，用來與人類的認知本身形成對比”，它們還促進了對另一種相同認知的思考：我們是如何思考的?通過算法來思考，進而改變世界，這件事到底意味著什么?

“這個主要的積極結果是更好地理解如何做出理性的決定，并以此更好地了解自己。畢竟，算法是通過反復試驗，通過測試和觀察，根據數學公式得出的，這可以用于很難判斷的選擇和問題，特別是在直覺上很難得出結論的。

“其次，算法能帶來的積極結果是連通性。一切都是或可以與其他一切相連的。利用算法的連通性，以前需要人類操縱和思考的基本過程，現在都可以得到管理、監測和計量。我們的車可以告訴我們放慢速度。我們的電視可以向我們推薦電影觀。雜貨店可以為我們建議使用健康的肉類和蔬菜的組合做晚餐。

“主要的負面影響可以歸結為一個簡單、但現在還沒有很好解決方案的問題：我們如何看待并徹底理解這些編程到日常行動和決策中的算法的含義?我們不僅需要創造技術解決方案，而且在構建商業模式、公司和市場之前，更要看到這些方案的后果，特別是它們的局限性。”

Chudakov補充說，在未來十年及以后，“通過擴展數據的收集和分析以及由此產生的信息應用，一個智能或思維操作的層(alayerofintelligenceorthinkingmanipulation)將被創造出來，添加到以往的操作過程或者對象當中。由此帶來的結果是，隨著信息工具和預測動力學被更廣泛地采用，我們的生活將越來越受其固有結論和過程的影響。”

主題2：前景光明許多受訪者指出，算法能幫助理解大量數據，指出這將在日常生活中激發科學突破、新的便捷方式和人類在日常生活中的能力，以及更好的將人們與所需信息聯接的能力。它們執行了在人類看來神乎其神的任務，而且將繼續大大增強人類的智力，協助完成偉大的事情。持這種觀點的代表是加拿大國家研究委員會的研究員斯蒂芬·唐斯，他列出了以下積極變化：

一些例子：

銀行。今天，銀行基于非常不完整的數據提供貸款。的確，許多今天有資格獲得貸款的人在未來是無法得到的。然而，許多人–可以說是多得多的人–在未來將能夠獲得貸款，因為銀行拒絕使用諸如種族、社會經濟背景、郵政編碼等因素來評估適合度。此外，隨著更多的數據(以及銀行和客戶之間更具互動關系)，銀行可以降低風險，從而提供更多貸款，同時提供一系列服務，單獨指導，切實幫助個人的財務狀況。

醫療保健機構。醫療保健是一個重要的和不斷增長的開銷，不是因為人們的健康狀況越來越差(事實上，從整個社會來說，事實恰恰相反)，而是由于需要支持越來越復雜的系統，包括開處方、保險、醫療設施等，需要大量的開銷。新技術將使醫療機構能夠將大部分負荷轉移給個人，將(在個人支持系統的幫助下)更好地管理人類的健康，協調和管理自己的個人保健，減少系統負擔。隨著醫療保健總體成本的下降，為整個人口提供單一付費人健康保險變得越來越可行，我們已經知道這會對人民健康產生有益有效的影響。

政府。政府的相當一部分職能是基于監管和監測，隨著自動化生產和運輸系統以及傳感器網絡的部署，這將不再需要。這包括許多我們今天與政府的日常(而且是常常令人不快的)互動，從交通違法、民事糾紛到商業和法律過程中的不公平待遇等等。一個簡單的例子：美國最持久的政治問題之一是為了對任職者有利，造成了選區劃分的不公正。通過算法創建的選舉分類在很大程度上可以消除這種不公正(且當選取劃分公開并存有爭議時，可以修改完善該結果)。

來自其他匿名受訪者的其他回答：

“算法以自動化的方式發現知識，比傳統的方法更快。”

“算法可以足夠快地壓縮數據庫，以緩解目前拖慢進度的一些繁文縟節和官僚作風。”

“我們將看到更少的污染，改善人體健康，減少經濟浪費。”

“算法具有平等獲取信息的可能性。”

“算法的效率將引領更多的創造力和自我表達。

“算法可以減少交通問題;它們可以識別堵車，規劃替代路徑。”

“無人駕駛汽車可以大大減少每年的事故數量，以及提高大多數人的生活質量。”

“更有針對性地提供新聞、服務和廣告。”

“使用算法從社交媒體收集數據和點擊蹤跡，出現更多基于證據的社會科學。”

“定位可以防止犯罪的地區，改善并更主動地進行警務工作。”

“欠發達地區減少，國際商業交流增多。”

“算法減少了決策、采購、運輸和大量其他行為中的消耗。”

“機器人會根據你的指令購買股票。數字經紀人將找到你需要的材料。”

“任何錯誤都可以糾正。這意味著算法只會隨著時間的推移變得更能滿足人類的需求。”

擔憂與挑戰

這項研究的參與者都嚴重同意：加速代碼依賴帶來的大量積極影響將繼續推動算法的傳播，然而，與所有偉大的技術革命一樣，這種趨勢有一個黑暗面。大多數參與者指出了自己的擔憂。主要的擔憂集中體現在報告接下來的這5個主題中，每一個主題都包含子主題。

主題3：當數據和預測模型占據統治地位，人性和人類的判斷將喪失算法的進步能夠讓技術企業和政府搜集、存儲、分類和分析海量的數據集。

專家在這項調查中指出，這些算法主要是為了優化效率和提高盈利能力而寫，對數據建模和分析潛在的社會影響并沒有作過多的考慮。這些受訪者認為，在這個過程中，人類被看出是一種“輸入”，而不是真實的，會思考的，有感覺，隨時都在變化的生命。

他們說，這是在創造一個有缺陷的，僅憑邏輯驅動的社會，隨著這一過程不斷演化，也就是說，隨著算法開始編寫算法，人類可能在社會的循環中被遺棄，從而把決定權交給機器。

代表觀點：

Clemson大學人本計算(human-centeredcomputing)專業的助理教授BartKnijnenburg回答說：“算法將會把便利和利潤放在首要位置，從而造成對特定人群的歧視，并破壞另一些人積累起來的經驗。算法的目標是滿足一些人的偏好，而不一定是所有人的偏好。從本質上看，算法呈現的是我們的口味和偏好。我最大的擔憂是，除非我們讓算法可以做到“自我實現”(self-actualization)，否則，人們遵循一個算法的建議變得過于容易，也過于簡單了(也就是說，人類將很難超越這些算法提供的建議)，同時，人們也會漸漸把這些算法變成一個能自圓其說的哲學家，用戶則會成為專門消費易于消費項目的“僵尸”。

這將是很方便的人們遵循一個算法的建議(或太難以超越這樣的建議)，把這些算法變成自我實現預言和用戶進入僵尸誰專門消費易于消費的項目。

一個匿名的未來主義者說，“從工業革命開始以來，這樣的事一直在發生。每當你設計一個針對效率或盈利能力進行優化的人力系統時，你就是在將勞動力非人性化。這種非人性化現在已經蔓延到我們的醫療和社會服務上。當你從包含人類的系統中移除人性時，人類就成為了受害者。

另一個匿名回答者寫道：“我們根本不能捕捉到用于代表一個人和他的需要，愿望，希望和渴望的每一個數據元素。數據由誰來收集?收集什么?數據點所代表的那個人，他是否知道或者說同意服務條款，又或者是因為他們根本沒有選擇?

誰從數據賺錢?任普通人如何知道他/她的數據如何被使用?用于什么目的?在這個過程中，沒有透明性，監督也成為一場鬧劇。所有的一切都被隱藏起來。我將始終堅信數據應該用于豐富和/或保護眾人，而不是個人。這是我們所處的經濟制度的基本性質。

其他受訪者對這一主題的反饋：

• 潛力是巨大的，但誤用和濫用的可能性，不管是故意的或無意的，可能性更大。
• 公司尋求的是將利潤最大化，而不是將社會利益最大化。更糟糕的是，他們將對利潤的追逐重新包裝為對社會利益的努力。我們正在接近波浪的波峰，波谷的一邊是一種新的操縱，營銷，幾乎完全缺乏隱私的倫理。
• 我們今天看到的是，實際上，像“差別定價”這樣的東西并不能幫助消費者，它只是幫助銷售東西的公司。
• 隨著法治、社會正義和經濟遭受可預見的破壞，個體人類將像牛一樣被圈養起來。
• 算法正在放大數據代溝和隔離帶來的消極影響。

主題4：算法組織的系統存在偏見兩個思路在這里連在一起。一個是算法創建者(代碼編寫者)，即使他們努力做到包容，客觀和中立，但是他們也還是在創造中建立了自己的觀點和價值觀。另一個是，算法所采用的數據集有自己的局限和缺陷。即使是包含了數十億條信息的數據集，也難以完全捕捉到人們生活的豐富性和經驗的多樣性。此外，數據集本身并不完美，因為它們不包含每個人的輸入或每個人的代表性樣本。這兩個主題在這些答案中得到體現：

麻省理工學院教學系統實驗室執行主管JustinReich指出：“算法將主要由白人和亞洲人設計，數據也由這些掌握特權的人來選擇，他們的出發點將是和自己一樣的消費者的利益。大多數處于特權地位的人會發現這些新工具更方便、安全和有用。新技術的危害將成為已經在社會中處于不利地位的人最多的經歷，比如，廣告算法提供保釋債券人廣告，這里面會假定接收到廣告的讀者是罪犯;貸款申請廣告會投放給那些正在尋找代理人的人，這些都與人類族群相關。

軟件工程師DudleyIrish說：“所有，讓我重復一遍，是所有的訓練數據都包含偏見。其中大部分是種族或階級相關的。套用伊曼努爾·康德的話，就是，從這些數據集的彎曲的木材中，從來沒有出現過直線的東西。

其他受訪者對這一主題的反饋：

• 根據定義，算法是非人性的，并且基于總數據和一般假設。人們編寫的算法，甚至那些基于數據的算法，只是人口的一個非代表性的子集。
• 如果你從一個不平等的地方開始，并且使用算法來尋找一個人/系統的可能結果，你一定會帶來不平等。
• 我們都會被視為一種同質化的物種，這顯然是一種錯誤。
• 結果可能會成為偏見和有害的決定的制度化借口，他們會說：計算機做出決定，所以我們必須接受。
• 算法將反映人們帶有偏見的思維。垃圾進垃圾出(Garbagein,garbageout)。生活的許多方面將受到影響，但很少有人會得到幫助。監督將是非常困難或不可能的。

主題5：算法分類將深化分歧許多受訪者的答案中提出了兩個關于社會分裂的相關觀點。首先，他們預測，算法輔助的未來將擴大數字精英(主要是最富裕的，新信息生態系統中最想要得到的人群)和那些幾乎沒有連接或能夠參與的人之間的差距。第二，他們說社會和政治分裂將被算法所推動，因為算法驅動的分類會引導人們重復和強化媒體上和政治上的內容。兩個說明性答案：

FittoTweet的所有者RyanHayes評論說：“二十年前，我們談到了”數字鴻溝“，即在家里有計算機的人VS家里沒有計算機的人，或者可以訪問互聯網的人VS不可以訪問互聯網的人。但是，從現在開始的未來十年，一個由帶有傳感器和處理能力的強大AI以及與大量的數據相聯網所增強的人類，他的能力和對世界的認知，將與那些無法擁有這些工具或者不知道如何使用這些工具的人迥異。

人與人之間的這種鴻溝將是自我永恒的，那些能力較弱的人在許多方面將更容易受到更多的傷害。

波士頓學院的訪問學者AdamGismondi寫道：“我擔心，隨著用戶被隔離到不同的意識形態領域時，人類的同理心可能會受損。面對對立的觀點，如果我們能夠(主動地或被動地)以不同的角度避免與他人產生沖突，這將對我們的社會產生負面影響。

關注主要社交媒體公司在未來幾年會增加什么功能是比較有說服力的，因為在信息流的結構中，他們有巨大的權力。

其他受訪者對這一主題的反饋(詳情請參閱完整報告中的更全面的版本)：

• 如果當前的經濟秩序繼續下去，那么我看不到數據驅動算法的增長除了對社會上最富有的人以外，還會對其他人有任何好處。
• 社會不平等大概會變得更加豐富。
• 主要風險是，不太規律的用戶，特別是那些集中在一個或兩個站點或平臺上的用戶，將不會開發這種導航和選擇的設備，他們自己也將處于不利地位。
• 算法使得選擇更有效。積極的影響將是增加利潤，組織能夠避免風險和降低成本。負面影響將被所有算法所認為具有風險或利潤較低承擔。
• 效率和命令帶來的好處被高估了。在我們的生活中保持一些混亂是很重要的。

主題6：失業率將上升

人工智能的普及可能造成大面積失業以及由此帶來的各種不良后果。

一個匿名的CEO說，“如果工作可以由算法有效表達，那么這個工作很容易由機器完成。我所看到的負面趨勢是——隨著算法的崛起，人類會在很多職位和工作上被機器/計算機取代。那么人類的命運往何處去?”

其他受訪者對這一主題的反饋：

• AI和機器人很可能瓦解勞動力市場導致人類百分百的失業。它們更聰明、更有效率、更高產、成本更少，所以企業和商業應該會往這個方向發展。
• 自動化引發產能大爆發，這將會加大從業者和資本方的不對等。
• 現代西方社會建立在一種社會模式上，資本被交換為勞動力來提供經濟增長。如果勞動力不再是交換的一部分，那么影響是巨大的。
• 沒有工作，人口不斷增長，對普通人自主運作需求減少。這算什么溫暖?
• 我預測算法幾乎全面取代工作人員，被替代的人類毫無選擇。
• 長期看來，這可能對人類是件好事，不再需要做低價值、重復性的工作，可以激勵他們創造更高的價值。
• 但愿各國會以實施最低保障生活工資和K-12以上的免費教育，以應對這樣的形勢。否則最聰明的人將利用在線資源快速超過平均個人水平，最富有的人將利用他們的經濟力量獲得更多的政治優勢。

主題7：普及算法知識，加強算法透明度和監管這次調查的受訪者對個人及社會應該如何應對生活的算法化(algorithmization)提出了許多不同想法。他們主張在公共教育中加入有關算法在公眾生活中的作用的知識，他們還指出，那些創造和發展算法的人目前沒有對社會解釋，并認為他們應該以某些方式負責。

代表意見如下：

SusanEtlinger，Altimeter集團行業分析師，她說：“就像我們想知道一件商品，例如食品或服裝，它們是在什么地方、以何種方式生產出來的，我們也應該質疑我們的數據和決策是如何得出的。這些信息的供應鏈是怎樣的?有明確的管理和審計跟蹤嗎?所得的假設是基于部分信息，有缺陷的來源還是不相關的基準?數據是否得到了充分的訓練?是否有合適的利益相關者參與，是否從錯誤的經驗中學習?所有這一切的要點是，在未來十年內，我們的管理組織的整個管理方式都需要改變。創造及改變現實的力量將存在于只有少數人理解的技術中。因此，為了確保我們能正確地使用算法，無論是為了賺錢還是為了人類福利，還是兩者兼具，我們都需要有管理和問責的機構。說起來容易做起來難，但假如說工業上和學術界最聰明的頭腦需要聚在一起解決這個問題，現在正是應該這樣做的時候。”

ChrisKutarna是《發現的時代》(AgeofDiscovery)的作者，同時也是牛津大學馬丁學院院士，他寫道：“算法是一種明確的啟發式形式，是一種規律化的進行選擇和決策的方式，所以我們不需不斷地處理知覺輸入。這種應對策略一直與人類，以及與我們的整個社會系統和數據環境的復雜性共同演變。明確地意識到我們的簡化的假設和啟發法是我們的智力和影響力變得成熟的重要位點。現在的不同之處是，明確地對這些啟發式方法進行編程的能力日益增強，在人類心智之外，在機器和平臺之上執行這種簡化的能力也日益增強。我們需要一些時間來發展智慧和道德以理解并指導這種能力。在此期間，我們確實不知道應用這種能力的安全程度如何。最重要的一點是提高社會對它的認識，即誰，怎樣，在哪里應用這些能力。”

其他受訪者對這一主題的反饋：

• “資本無利不起早，不愿意去打擊filterbubbles,profiling以及相關的負面影響。政府/國際組織也幾乎無能為力。“
• “監督機制可能包括更嚴格的訪問協議;簽署數字管理倫理守則后才能被任命為信息管理員;個人對信息調用的在線追蹤;選擇退出功能;設置訪問時間;未經同意禁止第三方出售。”
• “除非更努力地讓真正的讀寫信息的能力成為基礎教育的一部分，否則將會出現兩個階級，一個能夠使用算法，一個被算法使用。”
• “電腦用戶需要更多了解和掌握電腦的使用，他們的使用習慣也需要被關注，這應該是21世紀電腦素質教育的核心。”
• “找到一個框架，以允許透明度和評估結果將是至關重要的。還需要對算法‘價值鏈’有廣泛的理解，并且理解數據是關鍵的驅動因素，并且與其訓練的算法一樣有價值。”
• “算法問責制是一個大項目，需要理論家、實踐者、律師，社會科學家、記者和其他人的智慧。這是一個緊急的、全球性的事業，投身其中的專家們也需要支持。”
• “最終，軟件責任法將被面臨改革，因為從現在開始，程序員真的可以從謀殺中脫罪。
• “TheLawofUnintendedConsequences表明，算法中越來越多的社會層面和技術層面的復雜性肯定會造成不可預見的災難性事件的發生–可能完全出乎我們的意料。
• “最終，我們將發展現有的機制，給消費者更大的控制權，這應該導致更多的理解和信任……這種推動是不可避免的而且非常必要的，從長遠來看，會讓我們每個人都受益。“
• “我們需要某種彩虹聯盟來制定規則，以避免出現先入為主的偏見和群體思維影響結果。”
• “算法太復雜，無法完全透明或永遠徹底安全。這些因素將持續影響我們文化的方向。”
• “我期望元算法的研發，以努力抵消算法的負面影響。“

一些匿名回答者針對這一主題說：

• “黃金法則：擁有黃金的人會制定法則。“
• “壞人似乎遠遠超過好人了。”
• “抵抗是徒勞的。“
• “算法是由想要向你銷售東西(商品、服務、意識形態)的人們定義的，并且會扭曲結果以利于此。”
• “算法肯定有幫助，但除非結合人類的知識和政治意愿，否則可能不夠。”

最后，我們以這位自匿名參與者的預測結尾，他/她看到可能的是兩個極端之一：“總體的影響將是烏托邦的誕生或人類的滅亡;沒有可預見的中間路線。我懷疑是烏托邦，鑒于我們已經從一次生存危機中挺了過來(核戰爭)，我們邁向和平的腳步盡管緩慢，卻也依然堅定。”