Алгократия в политической системе: pro & contra

Olga A. Ignatjeva

Аннотация


Развитие информационно-коммуникационных технологий приводит к появлению новых технологических феноменов, таких как искусственный интеллект, делающий возможным увеличение потенциала человеческого мозга при обработке информации и принятии решений. Последние двадцать лет происходит процесс усложнения системы сбора информации, ее объем растет в геометрической прогрессии, появляются все новые и новые способы ее обработки, например на основе нейронных сетей и машинного обучения. Технологии быстро меняются и развиваются, и, естественно, система государственного управления берет их на вооружение для улучшения точности прогнозов и качества принимаемых решений в разных отраслях политики. Управление на основе алгоритмов обозначается термином алгократии. Однако не вся система государственного управления работает с использованием алгоритмов машинного обучения: остаются сферы, где сохраняются традиционные способы принятия решений. Несмотря на прогрессивность алгоритмического управления, сохраняется ряд проблемных аспектов, требующих этического и законодательного урегулирования алгоритмического управления. Целью данной статьи является анализ сущности управления, основанного на применении алгоритмов больших данных, и представление классификации преимуществ и рисков автоматизированной системы анализа данных для государственного управления.

Ключевые слова


алгократия; алгоритмическое управление; большие данные; машинное обучение; государственное управление; нейронные сети; искусственный интеллект

Полный текст:

PDF

Литература


Aneesh A. Virtual migration: the programming of globalization. Durham, NC: Duke university press books, 2006. 208 p.

Domingos P. The master algorithm: how the quest for ultimate machine learning will remake our world. New York, NY: Basic books, 2015. 354 p.

Eun-Sung K. Deep learning and principal-agent problems of algorithmic governance: the new materialism perspective // Technology in Society. 2020. Vol. 63. Р. 1-23. https://doi.org/10.1016/j.techsoc.2020.101378

Ferguson A. The rise of big data policing: surveillance, race and future law. New York, NY: NYU Press, 2017. 272 p.

Konig P., Wenzelberg G. The legitimacy gap of algorithmic decision-making in the public sector: why it arises and how to address it // Technology in Society. 2021. Vol. 67. Р. 1-17. https://doi.org/10.1016/j.techsoc.2021.101688

Mayer-Sohonberger V., Cukier K. Big data: a revolution that will transform how we live, work and think. London: John Murray, 2013. 256 p.

Danaher J. Freedom in an Age of Algocracy // Oxford Handbook on the Philosophy of Technology / Ed. by Sh. Vallor. Oxford: Oxford University Press, 2020. Р. 1-32. URL: https://philarchive.org/archive/DANFIA (дата обращения: 23.12.2021).

Zarsky Tal. Automated predictions: perception, law and policy // Communications of the ACM. 2012. Vol. 15. № 9. P. 33-35.

Aneesh A. Global Labor: Algocratic Modes of Organization // Sociological Theory. 2009. Vol. 27. № 4. P. 347-370. https://doi.org/10.1111/j.1467-9558.2009.01352.x

Gal M. Algorithmic Challenges to Autonomous Choice // Michigan Journal of Law and Technology. 2018. Vol. 25. № 1. P. 59-104.

Algorithmic governance: Developing a research agenda through the power of collective intelligence /j. Danaher [и др.] // Big Data & Society. 2017. Vol. 4. № 2. P. 1-21. https://doi.org/10.1177/2053951717726554.

Шваб К. Четвертая промышленная революция. М.: Эксмо, 2017. 288 с.

Natarajan P., Frenzel J. and Smaltz D. Demystifying Big Data and Machine Learning for Healthcare. London: Taylor&Frances, 2017. 210 p.

Панищев А. Л. Будущее государства как формы и способа бытия человека: перспективы и противоречия // Государство и право. 2021. № 12. С. 61-66.

Directive 95/46/EC ‘ICT and communication’. URL: https://ec.europa.eu/eip/ageing/standards/ict-and-communication/data/directive-9546ec_en.html

Lyon D. and Wood D. M. Big Data Surveillance and Security Intelligence: Canadian Case. Vancouver: UBC Press, 2020. 289 p.

Stahl B. C. Artificial Intelligence for a Better Future: an Ecosystem Perspective on the Ethics of AI and Emerging Digital Technologies. New York: Springer International Publishing, 2021. 136 p.

Baer T. Understand, Manage and Prevent Algorithmic Bias: a Guide for Business Users and Data Scientists. New York: Apress, 2019. 258 p.

Barry L. The rationality of the digital governmentality // Journal for Cultural Research. 2020. № 4. P. 11-16. https://doi.org/10.1080/14797585.2020.1714878.

Rawls J. A Theory of Justice. Cambridge: Harvard University Press, 1999. 538 p.




DOI: http://dx.doi.org/10.18255/2412-6519-2022-2-138-145

Ссылки

  • На текущий момент ссылки отсутствуют.


Creative Commons License
Контент доступен под лицензией CC BY 4.0

ISSN 2412-6519 (Print)
ISSN 2658-6231 (Online)