下载掌阅APP，畅读海量书库
立即打开
许多摄影师都会通过搭建或虚构场景，并且在暗室里对照片进行后期修改。当看到一个视频，一位现在的流行歌手正在和1977年去世的猫王合唱的时候，我们知道这个创意节目的背后采用了数字技术。
视频处理工具提供了更复杂的“伪造”机会。一个公司开发的动画系统可以对一个真人的视频图像进行修改，产生一个新的视频，可以让人按照系统用户提供的任何内容讲话。另一个系统可以分析一个人的讲话录音，根据他的语音、语调和声调来合成其讲话。把这些系统结合起来，将可能有许多用途，包括娱乐和广告，但显然人们也可以用来以不道德的方式进行误导。
人们会在数字助手、手机App和一些网站上问各种各样的问题。这些问询包括广泛的个人问题以及更广范围的技术、社会、经济和政治问题。当然，其中有些答复是驴唇不对马嘴的。在网站上，提问者可以把他认为最好的答案指定为正确答案。
在网站上提出问题显然非常容易。对于有些问题，网站上可能无法提供最佳结果，但是却有可能会由此产生很多的想法和观点，有时候这正是提问者所希望的。如果没有网络，一个人遇到问题只能询问自己认识的几个朋友，所得到的答案不会如此多样性，可能用处也不大。
我们来分析不正确、扭曲和被操纵的信息可能带来的问题。早在因特网出现之前，以新闻文章、书籍、广告和竞选传单的形式出现的“诋毁”就曾以不诚实的手法对很多政治家进行攻击；历史电影把真实与虚构融合在一起，有些是为了戏剧性的目的，还有些是出于意识形态的目的。《纽约时报》通常由受过训练的记者撰写，而且有一个编委会来负责。然而，曾经就有一位记者捏造了许多故事，涉及抄袭、虚构和核查事实不足的许多事件，此事件曾使很多报纸和电视网络蒙羞。可见，不可靠信息并不是一个新问题，但是，网络会把这种问题放大化。
研究人员发现，事实上，群体会对特定类型的问题给出较好的答案。当大量的人做出回应时产生了很多答案，但其平均值、中位数或最常见的回答往往会是一个很好的答案。这在当人们彼此隔离来发表独立意见的时候会更为可行。一些研究人员认为，对于一些问题，如估计经济增长，或是预测一个新产品或电影的销售情况时，一个大的（独立）群体可能会比专家更为准确。例如，一家加拿大矿业公司利用这种现象，在网上发布了大量的地质数据集，举行了一场选择不同区域来寻找黄金的竞赛；美国专利局正在试验以在线众包的方式来帮助确定专利申请中所描述的发明是否是真的或是新的，具有特定技术专业知识的人可以向专利局提醒是否存在相似的现有产品。
然而，群体智慧需要一些独立性和多样性。人们在看到别人提供的答案时，有可能会修改调整自己的答案，从而造成最后的答案集合变得不够多样化，最好的答案可能就无法脱颖而出。人们通过强化会变得更加自信，但是精确度却并没有改进。在社交网络上（以及在企业、组织和政府机构工作的人员团队中），同事压力和主导人物可能会影响该团体的智慧。
为区分网上信息的来源，搜索引擎和其他服务一开始会根据访问网站的人数对网站进行排名。有些服务还开发了更复杂的算法来衡量用户提供内容的网站上的信息质量。各种各样的人和服务会对网站与博客进行评论和打分。但是，无论网络内外，都不存在某个神奇的公式来告诉我们什么是真实可靠的。如果愿意，我们可以选择只阅读由诺贝尔奖获得者和大学教授撰写的博客，或者那些只由朋友或者我们信任的其他人推荐的博客；可以选择只阅读由专业人员撰写的产品评论，或者也可以阅读由公众发表的评论，以获得不同的观点。随着时间的推移，在网上相对应的负责任的新闻报道和超市小报之间的区别也逐渐变得清晰起来。
尽管网络上的信息并不完美，但相比以前通过图书馆获得的信息，现在通过网络还是能够让我们获得更多高质量的最新信息，而且更为方便。以时事、政治和有争议的问题为例，我们可以在网络上：
（1）阅读和收听成千上万的来自海内外的新闻来源，让我们可以获得关于事件的不同文化和政治观点。
（2）阅读政府文件的全文，包括法案、预算、调查报告等，而不像过去只能依赖新闻中引用的寥寥数语。
（3）搜索过去多年前的新闻，其中包括了数以百万计的文章。
（4）关注在网站、博客、微博和社交媒体上的新闻，与我们曾经不得不去寻找和订阅印刷版的通讯和杂志相比，现在会更加容易和廉价。
不过，有些人还是会选择从少量的几个网站获取所有的新闻报道和事件评论，而这些网站反映的可能是某种特定的观点。使用在线工具，用户只需要设置书签和来源，就可以查看那些经常访问的网站所推荐的内容。
搜索引擎会根据用户的位置、历史搜索、个人信息，以及其他标准来对用户投票结果进行个性化。鉴于在网上拥有如此大量的信息，这样的精细调整可以帮助我们迅速找到想要的东西。但是，有时候我们并不知道所得到的信息是经过过滤的，或者是有偏见的。因特网有可能会导致我们的信息流变窄，因此我们必须认真地考虑网络的运行机制。
若一味使用计算机系统带来的便利，而忽视或者推卸自己做出判断的责任，会导致鼓励精神上的懒惰，从而可能造成严重后果。在英国，一个卡车司机由于忽视了“不适合大型车辆”的路标警告，而使他的卡车陷在一条羊肠小道上，因为他在开车时不加质疑地听从了导航系统的指示。类似这样的例子在使用导航仪的时候并不少见。
又例如，企业在风险分析软件的帮助下，做出贷款和保险申请的决定；或者医生、法官和飞行员会在软件的指导下做出决定。当决策者不知道系统存在的局限性或错误的时候，他们就可能会做出糟糕或不正确的选择。
仅仅依赖计算机系统，而缺乏必要的人为判断，有时会造成组织管理变得“制度化”。在复杂领域，计算机系统会提供有价值的信息，但它可能还不足以好到可以代替经验丰富的专业判断。当出了问题的时候，“我是按照程序的建议做的”相比“我是按照自己的专业判断和经验来做的”，在应对调查或诉讼时，会成为一个更好的辩护借口。然而，这样做是在鼓励个人推卸责任，并且会带来潜在的有害结果。
这些例子显示了依赖于软件结果的危险性。另一方面，也有许多例子表明软件可以比人们做得更好。因此，用户有责任了解他们所使用的系统的功能与局限性。
数学模型是数据和公式的集合，用来描述或模拟所研究对象的特点和行为，它们通常必须在计算机上才能运行。研究人员和工程师使用广泛的建模方法来模拟物理系统，例如设计一辆新的汽车或预测一条河的水流量；它们也可以用来模拟无形的系统，例如经济学中的问题。有了模型，我们就可以对不同的设计、方案和政策可能会产生的影响进行模拟与分析。模拟结果和模型可以带来许多社会效益和经济效益：可以帮助培训电厂、潜艇和飞机的操作人员，预测未来趋势从而能够提前考虑替代方案，并因此做出更好的决策，减少浪费、降低成本和风险。
模型是一种简化。例如，数学模型不可能在公式中将所有可能影响结果的因素都包含进来。它们通常包含简化的公式，因为完全正确的公式是未知的，或者太过于复杂。物理模型通常与真实的大小并不相同，例如模型飞机比真实的要小很多，而分子模型则比真实的要大很多。在计算机上做一个复杂的物理过程的细节建模，所需的计算往往比实际过程中发生的需要花费更多的时间。对于大范围现象的模型（如人口增长和气候变化），计算必须比真实现象花费更少的时间，因为只有这样的结果才是有用的。
因此，对于计算机专家和广大民众来说，重要的是，要了解计算机程序的功能是什么，其中的不确定性和弱点可能是什么，以及如何来评价它们所声称的结果。而对于设计和开发公共问题模型的人来说，他们有职业和道德上的责任来诚实和准确地描述模型的结果、假设和限制。
以下问题可以帮助我们确定一个模型的准确性和实用性。
（1）建模的人是否清楚在研究的系统背后的科学或理论（物理学、化学、经济学或其他学科）？他们是否很好地理解了所涉及材料的相关属性？数据的准确性和完整度如何？
（2）模型必然涉及对现实的假设和简化，在该模型中采取了哪些假设和简化？
（3）模型的结果或预测与物理实验结果或实际经验中的结果之间有多接近？
所谓“ 数字鸿沟 ”是指这样的事实：某些群体的人可以享受并定期使用各种形式的现代信息技术，而其他人则做不到。在20世纪90年代，数字鸿沟的关注点是不同群体在访问计算机和因特网之间的鸿沟。因特网访问和移动电话已取得快速发展，但许多非常困难的问题仍然阻碍了贫穷国家和发展中国家访问计算机和因特网技术的机会。
“数字鸿沟”又称为信息鸿沟，即信息富有者和信息贫困者之间的鸿沟。它最初是由美国国家远程通信和信息管理局于1999年在名为《在网络中落伍：定义数字鸿沟》的报告中提出。随后，数字鸿沟最早正式出现在美国的官方文件里面——1999年7月美国官方发布的名为《填平数字鸿沟》的报告。2000年7月，世界经济论坛组织提交专题报告《从全球数字鸿沟到全球数字机遇》。在当年召开的亚太经合组织会议上，数字鸿沟成为世界瞩目的焦点问题。
联合国开发计划署的顾问达尼西指出，数字鸿沟实际上表现为一种创造财富能力的差距。美国“全国城市联盟”的技术计划指导基思·富尔顿认为，必须落实培训和教育方面的投资，数字鸿沟并不仅仅指是否拥有计算机。历史上发生过“工业革命”，但许多国家在工业革命中各行其道，许多国家落在后面。
美国商务部把数字鸿沟概括为：“在所有的国家，总有一些人拥有社会提供的最好的信息技术。他们有最强大的计算机、最好的电话服务、最快的网络服务，也受到了这方面的最好的教育。另外有一部分人，他们出于各种原因不能接入最新的或最好的计算机、最可靠的电话服务或最快最方便的网络服务。这两部分人之间的差别，就是所谓的‘数字鸿沟’。处于这一鸿沟的不幸一边，就意味着他们很少参与到以信息为基础的新经济当中，也很少参与到在线教育、培训、购物、娱乐和交往当中。”这一定义主要从经济、技术角度入手，虽然没有包括文化、民族、性别等方面的差异，但道出了数字鸿沟的主要原因和表现，因而具有一定的代表性。
一些学者也认为，所谓的“数字鸿沟”应当被称为“知识鸿沟”或者“教育鸿沟”。在因特网时代，个人计算机的主要用途已经由计算转化为信息搜索、信息交换和信息处理了，所谓“知识鸿沟”，就是一方面闲置着大量的劳动力，另一方面，这些劳动力却因为知识储备不足而无法被吸收到最具价值创造潜力的、占国民经济比重高于70%的经济过程中去，从而不得不挤在只占国民经济价值总额30%以下的传统农业和工业部门内。
同我国的地形梯级分布相似，我国不同地区使用数字技术的程度也呈梯级分布，只不过方向刚好相反，表现为东部沿海城市数字化程度相对来说比较高，而中西部地区数字化程度相对较低。