政治、社会和经济的统治，一个实体阻止另一个实体看到或做某事。正如帕斯夸尔所说，“我们赋予了搜索行业几乎难以想象的权力，来决定我们看到了什么，我们在哪里消费，我们如何感知”(2015:98)。然而，将算法定义为对某人或某事拥有权力，可能会忽视任何算法操作之前的人类决策过程和编程。帕斯夸尔指出，我们赋予了搜索领域权力，他指的不仅仅是运行谷歌的算法。然而，有一种趋势是，将算法作为一种更分散的权力形式的占位符。正如我在本书中所说的那样，对权力和政治的算法形式的批判性探究应该始终延伸算法拥有权力的任何主张。正如我将在下一章中详细阐述的那样，谁或什么权力最明显地属于这个问题并不能得到决定性的回答。相反，可以考察的是实践中的算法，即算法得以呈现并呈现其自身生命的场所和情境。
关于算法决策的主张，往往伴随着随后对更大问责制和监管的呼吁(Diakopoulos,2015;Pasquale,2015)是对技术可以说具有政治的方式的更长期的关注的一部分。根据这一观点，技术从来不是中立的，而总是已经嵌入了某些偏见、价值观和假设。至少从Winner(1986)关于Moses’s low-hanging bridges的有影响力的论点开始，学者们就开始倡导考虑人工制品政治的必要性，特别是通过关注设计中的价值和这些设计选择的道德重要性例如，Introna和Wood(2004)认为，面部识别系统是政治性的，因为这些算法形式的监视在系统的设计中带有对指定风险的某些假设。正如Introna和Wood所解释的那样，政治在很大程度上是隐含的，是“试图解决实际问题的世俗过程的一部分”(2004:179)。每一个涉及人类的神器，包括算法，总是带有关于世界如何运作的某些假设和价值观。以ATM机的设计为例：“如果你是盲人，坐在轮椅上，有记忆问题，或者因为残疾而无法输入密码，那么你对访问你的账户的兴趣就会被ATM机的设计所排除”(2004:179)。问题的关键不在于ATM机的设计者有意识或故意地不让坐轮椅的人使用ATM机，而在于系统的设计方式总是涉及某些排斥性的做法，这些做法有时似乎是一种或多或少连贯和意向性的的策略，尽管没有人“创作”这样的策略(Introna和Nissenbaum, 2000)。
意向性的问题一一是否有人明确地编写了一个工件以特定的方式运行，或者它的功能是否是紧急的一一在机器学习算法方面变得更加复杂。这些算法能够根据反馈随着时间的推移而提高性能。此外，机器学习算法“创建一个给定现象的内部计算机模型，可以推广到应用于该现象的新的、从未见过的例子”
The Multiplicity of Algorithms
35