RAYBET雷竞技官方入口：AI时代的“数据隐私”与“算法歧视”

如果说将近二十年来有哪一项科技成果需要相媲美上个世纪电脑的发明者，那么这份荣誉一定归属于基于深度自学算法的AI技术，因为自学算法的问世，才使得信息时代海量信息与数据第一次需要原始的为人们获取可商业化的价值，并将由此打开人类的“人工智能”时代。但步入人工智能时代的人们在提供诸多技术革新成果的同时也代价了自己的代价：在这个数据即生产力的时代，与互联网时刻链接的我们正在数据AI的时代中不时地“打架”。

AI智能：算法和数据如今，随处可见的智能手机、街头监控、地铁安全检查等设备都有所不同程度上构建了AI技术，而事实上，当下的“AI智能”只是在线性规划法则下算法对大数据的高效“检索”的结果，并通过深度自学不断完善“检索模式”和“对系统模式”，不具备确实独立思考能力，因而也被称作“很弱人工智能”或者“重人工智能”。然而，即便是不具备思维能力的AI，在海量数据的分析与处置上比起人力而言依然具备“革命性”的优势。而数据、算法、算力作为数据驱动的“定人工智能”的三大要素则要求着AI的能力下限以及价值空间，其中，算法、算力是数据载体，如果将AI算法比作是一台引擎，那么数据本身则是AI的“燃料”。

对于大数据，百度百科这样定义：“指无法在一定时间范围内用常规软件工具展开捕猎、管理和处置的数据子集，是必须新的处置模式才能具备更加强劲的决策力、洞察找到力和流程优化能力的海量、低增长率和多样化的信息资产。”IBM则通过5V来回应大数据的特点，即：Volume（大量）、Velocity（高速）、Variety（多样）、Value（较低价值密度）、Veracity（真实性）。AI与数据的联系最为密切，一方面，大数据为AI提供数据资源，使其大大茁壮演化，另一方面，AI通过数学模型分析，对可观的数据库展开分析检索，充份考古数据背后的潜在价值。维克托.迈尔-舍恩伯格在《大数据时代》中这样叙述道：“大数据获取的不是最后答案，只是参考答案，为我们获取继续的协助，以便等候更佳的方法和答案经常出现。

这也警告我们在用于这个工具的时候，应该抱有待人之心，铭记人性之本。”“数据AI”与个人隐私的“二元矛盾”毫无疑问的是，如今早已逐步应用于的“数据AI”技术早已相当大程度上为我们的生活建构了极大的便捷，如线下人脸识别缴纳系统的便捷性体验、安防领域的AI人脸识别应用于有效地提升安全检查效率，基于用户数据画像的数字化营销等。基于“数据AI”人们以求构建有效地的风险管控以及不道德预测，而预示着“数据AI”的商业化应用于，人们在享用便捷的同时也在分担着隐私泄漏的风险和忧虑。

比如说一下，在数据的世界里，最理解你家庭和你社交关系的有可能是你习惯性用于的社交软件，最理解你财务状况的有可能是你常用的缴纳软件，而告诉你购物习惯和消费你能力的则是你经常网购的平台，如果将这些数据综合一起，则是一个原始、准确的数据画像，这些数据一旦泄漏，将使你“一丝不挂”完完全全曝露在数据的世界中，被陌生人偷窥，甚至被用作非法的商业交易。此前据《华尔街日报》报导，一位英国某集团子公司CEO收到“老板”电话，拒绝其必需在一个小时内账户给某“供应商”，顺利被用于AI语音克技术的犯罪分子索取22万欧元，不仅AI语音不存在着隐私以及安全性问题，事实上，AI视频换回脸也某种程度具有隐私安全漏洞。

以最近刷屏的AI换回脸APP：ZAO为事例，随着热度的攀升，其广为诟病的用户协议以及换回脸合成视频的隐私安全性问题也使其陷于舆论的漩涡。不谋而合本因是因为换回脸合成视频看清了人们心中的隐私红线：当视频也可假造之时，还有什么样的证据分辨现实？目前AI技术的发展必须人们对外开放数据，而另一方面，在现实中个人数据对外开放必定不会造成数据泄漏的风险。目前，大多公司通过其软件收集用户信息必需通报用户和获得用户表示同意，而据一份调查统计资料表明，如果要充份读者隐私条款则意味著每年消费者必须多花花费200个小时以上的时间，似乎没有人不愿在这件事情上浪费自己的时间。

从本质上来看，数据对外开放与隐私维护二者之间原本就是二元矛盾的双方，一方的收益必然意味著另一方的风险和损失，而就现阶段来显然，并没一种有效地的“数据黑盒”机制来确保个人数据的意味著安全性。而对于刚刚转入人工智能时代的人们来说，数据的对外开放也沦为一种“趋势”，在数据生产力的时代中，由数据统合、流通、数据对系统等为主体的“数据价值建构”将带给进步式的效率提高。

数据价值与隐私权利的动态平衡“让步”人们对于数据的泄漏的忧虑源于于对切身利益的忧虑，事实上，对外开放数据的人们也某种程度可以取得AI带给的便捷服务，一份调查表明，在对自身没任何影响，且能保证数据意味著安全性的情况下，还是有非常一部分人不愿共享牵涉到隐私的涉及数据。另一方面，对于一些不不愿共享自身数据的人来说，路人无意识的不道德也可在AI技术下导致个人数据泄漏的有可能，比如说在广场上牌照的人可能会拍电影到一些路人的面部数据，而在人脸识别技术下这些路人不会被辨识，数据不会被储存，对于他们来说，不得而知意愿下建构的数据就要求了其在未来有数据泄漏的风险。

另外，数据本身的价值也沦为数据泄漏的原因之一，事实上基于智能手机的信息采集要比其它方式更为更容易，通过智能手机的后门软件，可以收集你的手机号，通讯录等信息。如果用户没充足的安全意识，很多软件加装都配置文件收集各种信息的，通过智能手机唯一标识信息很更容易做数据的统合与身份信息定位。由于AI时代的数据资源属性，大量的用户数据是企业机构广告投放优化的关键，因而数据对外开放则意味著极大的商业价值，巨头们在生态布局下，通过仅有链式数据通路可取得精准、原始的用户画像，而巨头们在数据的商业化上也更为更容易。对于AI技术的提供者而言，数据价值导向下使得数据收集是十分适当的，在初期，人们不会因为数据被第三方用于而深感忧虑，从而主张自身的隐私权，实质上，如果数据本身的应用于并没给用户导致后遗症，并且为其带给便捷的服务，那么此时不会有部分用户乐意拒绝接受共享数据，因而对于数据价值的商业化应用于上，AI技术的提供者应当持有人更加慎重的态度。

在笔者显然，AI数据时代中，数据的商业化价值和用户的隐私权利之间必须超过一种动态平衡，即在法律范围的临界点内，数据收集方与用户之间必须有一种相连机制，以保证在数据产生者的掌控下，有限度的用于数据的商业价值考古，在隐私维护与AI技术的便捷之间达成协议让步。而对于当前隐私法、物权法等涉及法律并没对数据归属于权益等具体法律的现状下，有限度的用于数据依然必须依赖企业的意识心态。数据算法偏差下的“AI种族歧视”在大数据时代，数据具有极底的储存成本，这也意味著在数据驱动的AI时代，一旦有数据分解之后很难彻底消除，在数据储存成本的规模递增效应下，完全移除数据的成本反而更高，因而，数据不存在的时间更长，甚至多达建构数据者本身的寿命。

而随着储存成本的更进一步减少，在旋即的将来个人数据可能会构建无限期的储存。大数据的意义在于不用求证事物“规律性”的同时对于数据分析结论的必要应用于，因而大数据经常被用作结果预测，而事实上，基于数据的预测结果也具备时效性，而时效性过热的结果则是基于数据分析的AI交互杂讯。

也就是说，如果收集的数据本身就具备某种倾向性，则由此训练而来的AI也大自然具有这样的倾向性。一项来自于美国的调查研究证明了这一点，在一项基于数据分析的族群预测算法中，算法在预测族群时，一般来说不会把那些身处有种族歧视历史地区的人预测为黑人，而事实上,并非如此。

又如在一则STEM（科学、技术、工程、数学）领域聘用广告投放中，广告商找到，则这广告很少投入给女性，而事实上广告商则期望这则广告是性别中立的。而在“双曲票据”效应下数据的时效性问题造成数据“不济”，更进一步引起“算法种族歧视”的问题。

双曲票据又称作非理性折现，是不道德经济学的一个概念，这个现象叙述折现亲率并不是一个不变量，明确是指人们在对未来的收益评估其价值时，偏向于对较近的时期使用更加较低的折现亲率，对很远的时期使用更高的折现亲率。比如，大多数人有可能偏向于自由选择今天收益60元，而不是一年后获得100元，因为今天这60元收益有可能更加有价值，而如果让人们自由选择一年后获得60元或者两年后获得100元，则大多数人会自由选择两年后获得100元。即人们不会因为收益时间上的差异从而作出有所不同的决策。因而，在双曲票据的情况下，人们短期决策不道德所产生的数据将不会造成数据本身不济，从而更为更容易造成在数据偏差引起的算法偏差后，在应用于层面的“算法种族歧视”。

因此，对于数据型AI的使用者而言，在算法的应用于层面上也须要多一份慎重和细心。无论是数据AI时代的个人隐私问题还是数据偏差下的“算法种族歧视”，都是大数据AI发展之路上不可避免的问题，对于人们来说，不论是数据采集端的隐私侵害，还是AI应用于层面的“算法种族歧视”都是有悖道德甚至法律的边缘试探。而对于如今尚处“幼年”中的AI技术而言，如何准确的引领、影响其发展，在合乎人类价道德观念以及道德标准之下建构更大的价值，则是“AI造物主”们有一点深思的问题。

本文来源：RAYBET雷竞技入口-www.fdjs.net