下载掌阅APP，畅读海量书库
立即打开
决策算法已经改变了社会，并且未来可能还会继续影响社会。本节将简要概述决策算法对社会做出的一些贡献，并介绍在确保取得更大利益时仍然存在的挑战
。
决策算法有助于环境的可持续性发展。例如，在能源管理的背景下，贝叶斯优化已应用于家庭能源管理自动化系统。来自多智能体系统领域的算法被用于预测智能电网的运作，设计能源交易市场，并预测屋顶太阳能的使用。另外，还开发了保护生物多样性的算法。例如，神经网络被用于进行野生动物的自动普查，博弈论方法被用于打击森林中的偷猎行为，优化技术则被用于为栖息地的管理合理分配资源。
数十年来，决策算法在医学领域也取得了成功。这类算法已被用于将居民与医院进行相互匹配，以及用于将器官捐献者与有需要的患者进行相互匹配。贝叶斯网络的一种早期应用是疾病诊断，我们将在本书的第一部分中予以介绍。在此之后，贝叶斯网络在医学中被广泛用于疾病的诊断和预测。此外，医学图像处理领域已经被深度学习所改变，决策算法近来在理解疾病传播方面发挥了重要作用。
决策算法使我们能够理解城市地区的发展并改善城市设计。数据驱动算法已被广泛用于改善公共基础设施。例如，随机过程被用于预测输水管道的故障，深度学习被用于改善交通管理，马尔可夫决策过程和蒙特卡罗方法被用于改善应急响应。分布式多智能体系统的思想被用于优化旅行路线，路径规划技术被用于优化货物的交付。决策算法被用于自动驾驶汽车以及提高飞机的安全性。
无论用户的意图如何，优化决策算法都可以扩大对用户的影响。例如，如果这些算法所涉及的用户希望在政治选举期间传播错误信息，那么优化过程可以帮助用户实现这一目标。然而，类似的算法还可以用于监控和抵消虚假信息的传播。有时，这些决策算法的实施可能会导致意料之外的下游效应 [25] 。
尽管决策算法有可能带来显著优势，但在现实社会中将决策算法付诸实现也存在着一定的挑战。这是由于数据的收集方式和数据驱动的算法常常存在固有的偏差和盲点。随着决策算法日益成为我们生活中的一部分，了解如何降低偏差的风险以及如何以公平和公正的方式分配算法实施后所产生的利益，都变得至关重要。决策算法也可能非常易于受到对抗性的操纵，我们所设计的算法是否对此类攻击具有鲁棒性也至关重要。同时，还必须增强道德和法律框架，以防止意外的后果以及责任的分配。