机器学习的考古：数据实践的探讨

"《Machine Learners: Archaeology of a Data Practice》是Adrian Mackenzie的一本书，探讨了机器学习如何改变知识的本质以及批判性思维的实践。书中通过研究各种设置（如fMRI和Facebook）、数据（如猫图像和DNA序列）和设备（包括神经网络、支持向量机和决策树），作者揭示了机器学习作为知识生产形式和权力策略的考古学。Mackenzie的分析涉及抽象层、数据基础设施、编码实践、图表、数学形式主义以及机器学习的社会组织，追踪了当代技术文化的中心区域之一——机器学习的大部分不可见架构。" 在《Machine Learners》中，Mackenzie关注的是机器学习者，即人类与机器或人机关系，它们置身于各种环境、数据和设备之中。他探讨了特定的学习算法，不仅编写代码，也对代码进行分析，以此构建了一种操作形成的考古学。这种考古学并不揭示一个单一的战略巨石的痕迹，而是揭示了流入这个领域普遍化和多样性的局部力量支流。 书中的内容涵盖了信息理论、机器学习的哲学以及电子数据处理的哲学。通过对不同领域的案例研究，Mackenzie展示了机器学习如何在医疗研究、自动驾驶、信用交易处理、计算机游戏、推荐系统、金融、监控和机器人等各个行业中发挥作用。他还深入到数据科学的基础，指出机器学习设备不仅是科学模型，也是实际运行的算法，它们深深植根于各种系统和小工具中。 通过这种方式，Mackenzie旨在找到一种代理感的存在位置，即在机器学习的操作形成中，人们如何理解和应对这种变化。他的工作揭示了机器学习实践背后错综复杂的细节，从而帮助读者理解这一现代科技的核心及其对我们思维方式的影响。 这本书不仅仅是对机器学习的技术剖析，更是对其哲学意义的深入探索。它提醒我们，尽管机器学习带来了显著的变革，但批判性思考仍然至关重要，因为机器学习的实践不仅仅是技术问题，还涉及到权力、知识生产和社会结构。因此，Mackenzie的著作对理解机器学习如何塑造我们的世界提供了宝贵的洞察力，并鼓励读者在这一快速发展的领域中寻找新的批判视角。