《人工沟通与法：算法如何生产社会智能》内容简介

本书主要探讨现代社会的算法如何生产社会智能问题。作者埃琳娜·埃斯波西托（Elena Esposito）教授沿袭其导师尼可拉斯·卢曼（Niklas Luhmann）的“社会沟通”理论，指出机器学习等数字技术不是人工智能，而是“人工沟通”。在算法和人类智能之间进行这种类比是一种误导。如果机器对社会智能有贡献，不是因为它们学会了如何像人类一样思考，而是因为人类学会了如何与它们进行沟通。“人工沟通”意味着人类的沟通伙伴可能不是人类，而是算法。鉴于算法在社会生活的各个领域中的广泛使用，本书深入探索了人类与算法互动、在线网络列表的激增、数字本文分析中的可视化、算法个性化与数字画像、数字记忆与被遗忘权、遗忘图像、算法预测、法律AI的透明度与解释等数字社会的前沿问题。在ChatGPT热潮持续升温的当下，相信本书在帮助中国读者准确了解当代数字社会的同时，也能促进我们对数字法学与计算法学领域前沿问题的深入思考。本书的读者对象包括高校科研作者、人工智能及计算法学相关研究人员、对人工智能算法感兴趣的读者等。
埃琳娜·埃斯波西托（Elena Esposito），社会学博士，德国比勒费尔德大学和意大利博洛尼亚大学的社会学教授。研究领域为社会理论、金融社会学与数字社会学，是当代德国社会系统论的代表性学者。其研究项目“预测的未来：保险、医学和警务领域算法预测的社会后果”得到了欧洲研究委员会五年期高级资助的支持。
翁壮壮，上海交通大学凯原法学院博士研究生，上海交通大学中国法与社会研究院研究助理。曾在《交大法学》《人权研究》《法律方法》等刊物上发表论文。研究领域为法律系统论、法律方法论、数字社会学。

作品目录

著者介绍
译者介绍
内容提要
计算法学与数字社会译丛编译委员会
总序
导论
第一章：人工沟通？——算法作为互动伙伴
人工沟通
我们可以与不思考的伙伴沟通吗？
虚拟的偶联性
谷歌化
算法学到什么
学习从机器中学习
结论
第二章：未经理解的组织：古代和数字文化中的列表
列表、评级、排名
写作、语境和抽象
列表机器
结论
第三章：阅读图像：数字文本分析中的可视化和解释
非语言文学分析
探索图像
视觉刺激
阅读、非阅读、远距离阅读
算法式阅读不是算法阅读
结论
第四章：算法个性化
匿名个性化
个人的网络
个性化和标准化
画像：语境化或行为化？
数字沟通的诸形式
结论
第五章：算法记忆和被遗忘权
记住去遗忘
数据驱动代理
网络社会的记忆
没有记住的遗忘
数据驱动记忆
结论
第六章：遗忘图像
摄影体验
要记住的图像
现在的风险
特定时间的体验
结论
第七章：预测的未来：从统计的不确定性到算法预测
开放未来的不确定性
算法预测的占卜面向
管理未来的不确定性
平均值vs个体化预测
制造可预测的未来
当正确的预测错误时
失明和过拟合
记忆与幻想
结论
结语
作者致谢
参考文献
附录
透明度与解释：模糊性在法律AI中的作用
简介：从人工智能到人工沟通
对难以理解的机器的诠释
解释需要透明度吗？
人工理性与机器法学
模糊性在法律论证中的作用
结论：与机器沟通
译后记