代理風(fēng)險(xiǎn)是指在資產(chǎn)所有權(quán)和經(jīng)營權(quán)分離的狀態(tài)下，由于委托人與代理人在目標(biāo)、動(dòng)機(jī)、利益、權(quán)利、責(zé)任等方面存在著差異，委托人具有因?qū)①Y產(chǎn)的支配權(quán)和使用權(quán)轉(zhuǎn)讓給代理人后可能遭受利益損失的風(fēng)險(xiǎn)。

代理人問題是現(xiàn)代企業(yè)制度里一個(gè)普遍存在的現(xiàn)象。

「應(yīng)用場景」

代理風(fēng)險(xiǎn)

Agency Risk

機(jī)器學(xué)習(xí)的不完善帶來了另一個(gè)重大挑戰(zhàn)：不受特定企業(yè)或用戶控制的因素帶來的風(fēng)險(xiǎn)。

The imperfections of machine learning raise another important challenge: risks stemming from things that aren’t under the control of a specific business or user.

鎖定算法并不能消除其所在系統(tǒng)的復(fù)雜性。例如，使用第三方供應(yīng)商的劣質(zhì)數(shù)據(jù)來訓(xùn)練算法或不同用戶之間的技能差異所導(dǎo)致的錯(cuò)誤仍然可能發(fā)生。在數(shù)據(jù)提供者、算法開發(fā)者、部署者和用戶之間明確責(zé)任歸屬仍有難度。

Locking an algorithm doesn’t eliminate the complexity of the system in which it’s embedded. For example, errors caused by using inferior data from third-party vendors to train the algorithm or by differences in skills across users can still occur. Liability can still be challenging to assign across data providers, algorithm developers, deployers, and users.

以上文字選自《哈佛商業(yè)評(píng)論》中文版2021年1月刊《當(dāng)機(jī)器學(xué)習(xí)脫離正軌》

鮑里斯·巴比奇（Boris Babic）格倫·科恩（I. Glenn Cohen）西奧多羅斯·葉夫根尼奧（Theodoros Evgeniou）薩拉·格克（Sara Gerke）| 文

馬冰侖?丨編輯?