问算法暗示了什么。虽然BernhardRieder自己没有使用这个术语，但我认为Bernhard Rieder(2017)仔细研究各种通用算法技术的方式可以被认为是我在使用“技术”一词时所想到的“算法世界观”的一种尝试。Rieder提供了一个特别有启发性的描述，说明不同的技术逻辑(在本例中是贝叶斯分类器)如何包含某些值和假设，这些值和假设不可避免地会对特定系统的操作逻辑产生影响。
在阿什比的控制论引领下，技术调查的关键不是揭示软件确切工作原理的某些隐藏真相，也不是揭示算法的精确公式。相反，其目的是发展对软件的机制和操作逻辑的批判性理解。正如加洛韦所说，问题是“它如何起作用”和“它为谁起作用”(2004:xiii)。正如民族志学者观察、记录、询问人们的信仰和价值观一样，阿什比的观察者和技术专家描述了他们所看到的和他们认为他们所看到的。面对黑盒算法的研究人员不一定需要对代码或编程有很多了解(尽管这肯定是一个优势)。正如阿什比所指出的，“不需要任何技能!记住，我们是在假设我们对盒子一无所知”(1999:89)。
总的来说，我们可以说，一个好的开始方式是根据自己的知识极限来面对已知的未知。例如，关于计算机科学、数学或社会科学中的关键概念，有哪些是对理解特定算法上下文有用的?然后，我们也可以选择追踪许多“围绕技术人工制品和集合聚集的符号系统”(Mackenzie,2002:211):专利申请和类似的文件，这些文件详细列出了技术规范、新闻稿、机器学习技术的会议论文、开发者和工程会议的记录文件、公司简报、媒体报道、博客文章、Facebook的IPO申请等。最后，我们可能希望尽可能地对系统进行实验，甚至自己编写代码。正如下一章将展示的那样，算法技术不需要意味着详细的实验或详细的技术知识，但最重要的是，准备好参与未知的已知，将黑箱不视为认识论障碍，而是视为可以以某些方式(但不是全部)描述的有趣的挑战。
与未知已知的现象学遭遇
第二种策略提出了另一种认识算法的方式，即为我们不知道但仍然知道的东西带来意义。从现象学的角度来看，接近算法是关于关注社会行为者对他们正在使用的系统或多或少发展反身关系的方式，以及这些遭遇反过来如何塑造在线体验。借鉴诸如“隐性知识”、“非知识”和“实践知识”等概念，是一种现象学
Neither Black nor Box
61