如果說近二十年來有哪一項科技成果能夠媲美上個世紀電腦的發(fā)明，那么這份榮譽一定屬于基于深度學習算法的AI技術(shù)，因為學習算法的誕生，才使得信息時代海量信息與數(shù)據(jù)第一次能夠完整的為人們提供可商業(yè)化的價值，并將由此開啟人類的“人工智能”時代。

但踏入人工智能時代的人們在獲取諸多技術(shù)革新成果的同時也付出了自己的代價：在這個數(shù)據(jù)即生產(chǎn)力的時代，與互聯(lián)網(wǎng)時刻鏈接的我們正在數(shù)據(jù)AI的時代中不停地“裸奔”。

AI智能：算法和數(shù)據(jù)

如今，隨處可見的智能手機、街頭監(jiān)控、地鐵安檢等設(shè)備都不同程度上集成了AI技術(shù)，而事實上，當下的“AI智能”只是在線性規(guī)劃法則下算法對大數(shù)據(jù)的高效“檢索”的結(jié)果，并通過深度學習不斷完善“檢索模式”和“反饋模式”，不具備真正獨立思考能力，因而也被稱為“弱人工智能”或者“輕人工智能”。

然而，即便是不具備思考能力的AI，在海量數(shù)據(jù)的分析與處理上相比人力而言仍然具有“革命性”的優(yōu)勢。而數(shù)據(jù)、算法、算力作為數(shù)據(jù)驅(qū)動的“準人工智能”的三大要素則決定著AI的能力上限以及價值空間，其中，算法、算力是數(shù)據(jù)載體，如果將AI算法比作是一臺引擎，那么數(shù)據(jù)本身則是AI的“燃料”。

對于大數(shù)據(jù)，百度百科這樣定義：“指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)?！盜BM則通過5V來表示大數(shù)據(jù)的特點，即：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

AI與數(shù)據(jù)的聯(lián)系尤為緊密，一方面，大數(shù)據(jù)為AI提供數(shù)據(jù)資源，使其不斷成長進化，另一方面，AI通過數(shù)學模型分析，對龐大的數(shù)據(jù)庫進行分析檢索，充分發(fā)掘數(shù)據(jù)背后的潛在價值。維克托。邁爾-舍恩伯格在《大數(shù)據(jù)時代》中這樣描述道：“大數(shù)據(jù)提供的不是最終答案，只是參考答案，為我們提供暫時的幫助，以便等待更好的方法和答案出現(xiàn)。這也提醒我們在使用這個工具的時候，應(yīng)當懷有謙恭之心，銘記人性之本?！?/p>

“數(shù)據(jù)AI”與個人隱私的“二元對立”

毫無疑問的是，如今已經(jīng)逐步應(yīng)用的“數(shù)據(jù)AI”技術(shù)已經(jīng)很大程度上為我們的生活創(chuàng)造了巨大的便利，如線下人臉識別支付系統(tǒng)的便捷性體驗、安防領(lǐng)域的AI人臉識別應(yīng)用有效提高安檢效率，基于用戶數(shù)據(jù)畫像的數(shù)字化營銷等?；凇皵?shù)據(jù)AI”人們得以實現(xiàn)有效的風險管控以及行為預(yù)測，而伴隨著“數(shù)據(jù)AI”的商業(yè)化應(yīng)用，人們在享受便利的同時也在承擔著隱私泄露的風險和擔憂。

試想一下，在數(shù)據(jù)的世界里，最了解你家庭和你社交關(guān)系的可能是你習慣性使用的社交軟件，最了解你財務(wù)狀況的可能是你常用的支付軟件，而知道你購物習慣和消費你能力的則是你常常網(wǎng)購的平臺，如果將這些數(shù)據(jù)綜合起來，則是一個完整、精確的數(shù)據(jù)畫像，這些數(shù)據(jù)一旦泄露，將使你“一絲不掛”完完全全暴露在數(shù)據(jù)的世界中，被陌生人窺視，甚至被用于非法的商業(yè)交易。

此前據(jù)《華爾街日報》報道，一位英國某集團子公司CEO接到“老板”電話，要求其必須在一個小時內(nèi)轉(zhuǎn)賬給某“供應(yīng)商”，成功被使用AI語音克技術(shù)的犯罪分子騙取22萬歐元，

不僅AI語音存在著隱私以及安全性問題，事實上，AI視頻換臉也同樣有著隱私安全漏洞。以最近刷屏的AI換臉APP：ZAO為例，隨著熱度的飆升，其廣為詬病的用戶協(xié)議以及換臉合成視頻的隱私安全問題也使其陷入輿論的漩渦。究其本因是因為換臉合成視頻觸及了人們心中的隱私紅線：當視頻也可偽造之時，還有什么樣的證據(jù)辨別真實？

目前AI技術(shù)的發(fā)展需要人們開放數(shù)據(jù)，而另一方面，在現(xiàn)實中個人數(shù)據(jù)開放必然會導致數(shù)據(jù)泄露的風險。目前，大多公司通過其軟件搜集用戶信息必須通知用戶和取得用戶同意，而據(jù)一份調(diào)查統(tǒng)計顯示，如果要充分閱讀隱私條款則意味著每年消費者需要多花花費200個小時以上的時間，顯然沒有人愿意在這件事情上浪費自己的時間。

從本質(zhì)上來看，數(shù)據(jù)開放與隱私保護二者之間原本就是二元對立的雙方，一方的收益必定意味著另一方的風險和損失，而就現(xiàn)階段來看來，并沒有一種有效的“數(shù)據(jù)黑盒”機制來保證個人數(shù)據(jù)的絕對安全。而對于剛進入人工智能時代的人們來說，數(shù)據(jù)的開放也成為一種“趨勢”，在數(shù)據(jù)生產(chǎn)力的時代中，由數(shù)據(jù)整合、流通、數(shù)據(jù)反饋等為主體的“數(shù)據(jù)價值創(chuàng)造”將帶來飛躍式的效率提升。

數(shù)據(jù)價值與隱私權(quán)利的動態(tài)均衡“妥協(xié)”

人們對于數(shù)據(jù)的泄露的擔憂源自于對切身利益的擔憂，事實上，開放數(shù)據(jù)的人們也同樣可以獲得AI帶來的便利服務(wù)，一份調(diào)查顯示，在對自身沒有任何影響，且能保證數(shù)據(jù)絕對安全的情況下，還是有相當一部分人愿意分享涉及隱私的相關(guān)數(shù)據(jù)。

另一方面，對于一些不愿意分享自身數(shù)據(jù)的人來說，路人無意識的行為也可在AI技術(shù)下造成個人數(shù)據(jù)泄露的可能，比如說在廣場上牌照的人可能會拍到一些路人的面部數(shù)據(jù)，而在人臉識別技術(shù)下這些路人會被識別，數(shù)據(jù)會被儲存，對于他們來說，未知意愿下創(chuàng)造的數(shù)據(jù)就決定了其在未來有數(shù)據(jù)泄露的風險。

另外，數(shù)據(jù)本身的價值也成為數(shù)據(jù)泄露的原因之一，事實上基于智能手機的信息采集要比其它方式更加容易，通過智能手機的后門軟件，可以采集你的手機號，通訊錄等信息。如果用戶沒有足夠的安全意識，很多軟件安裝都默認采集各種信息的，通過智能手機唯一標識信息很容易做到數(shù)據(jù)的整合與身份信息定位。

由于AI時代的數(shù)據(jù)資源屬性，大量的用戶數(shù)據(jù)是企業(yè)機構(gòu)廣告投放優(yōu)化的關(guān)鍵，因而數(shù)據(jù)開放則意味著巨大的商業(yè)價值，巨頭們在生態(tài)布局下，通過全鏈式數(shù)據(jù)通路可獲得精準、完整的用戶畫像，而巨頭們在數(shù)據(jù)的商業(yè)化上也更加容易。

對于AI技術(shù)的提供者而言，數(shù)據(jù)價值導向下使得數(shù)據(jù)搜集是非常必要的，在初期，人們會因為數(shù)據(jù)被第三方使用而感到不安，從而主張自身的隱私權(quán)，實際上，如果數(shù)據(jù)本身的應(yīng)用并沒有給用戶造成困擾，并且為其帶來便利的服務(wù)，那么此時會有部分用戶樂于接受分享數(shù)據(jù)，因而對于數(shù)據(jù)價值的商業(yè)化應(yīng)用上，AI技術(shù)的提供者應(yīng)該持有更謹慎的態(tài)度。

在筆者看來，AI數(shù)據(jù)時代中，數(shù)據(jù)的商業(yè)化價值和用戶的隱私權(quán)利之間需要達到一種動態(tài)均衡，即在法律范圍的臨界點內(nèi)，數(shù)據(jù)搜集方與用戶之間需要有一種連接機制，以確保在數(shù)據(jù)產(chǎn)生者的掌控下，有限度的使用數(shù)據(jù)的商業(yè)價值發(fā)掘，在隱私保護與AI技術(shù)的便利之間達成妥協(xié)。而對于當前隱私法、物權(quán)法等相關(guān)法律并沒有對數(shù)據(jù)歸屬權(quán)益等明確立法的現(xiàn)狀下，有限度的使用數(shù)據(jù)仍然需要依靠企業(yè)的意識自覺。

數(shù)據(jù)算法偏差下的“AI歧視”

在大數(shù)據(jù)時代，數(shù)據(jù)有著極底的儲存成本，這也意味著在數(shù)據(jù)驅(qū)動的AI時代，一旦有數(shù)據(jù)生成便很難徹底消除，在數(shù)據(jù)儲存成本的規(guī)模遞減效應(yīng)下，徹底刪除數(shù)據(jù)的成本反而更高，因而，數(shù)據(jù)存在的時間更長，甚至超過創(chuàng)造數(shù)據(jù)者本身的壽命。而隨著儲存成本的進一步降低，在不久的將來個人數(shù)據(jù)可能會實現(xiàn)無限期的儲存。

大數(shù)據(jù)的意義在于不必深究事物“規(guī)律性”的同時對于數(shù)據(jù)分析結(jié)論的直接應(yīng)用，因而大數(shù)據(jù)常常被用于結(jié)果預(yù)測，而事實上，基于數(shù)據(jù)的預(yù)測結(jié)果也具有時效性，而時效性失效的結(jié)果則是基于數(shù)據(jù)分析的AI交互失真。

也就是說，如果采集的數(shù)據(jù)本身就具有某種傾向性，則由此訓練而來的AI也自然帶有這樣的傾向性。一項來自于美國的調(diào)查研究證明了這一點，在一項基于數(shù)據(jù)分析的族群預(yù)測算法中，算法在預(yù)測族群時，通常會把那些身處有歧視歷史地區(qū)的人預(yù)測為黑人，而事實上，并非如此。

又如在一則STEM（科學、技術(shù)、工程、數(shù)學）領(lǐng)域招聘廣告投放中，廣告商發(fā)現(xiàn)，則這廣告很少投放給女性，而事實上廣告商則希望這則廣告是性別中立的。而在“雙曲貼現(xiàn)”效應(yīng)下數(shù)據(jù)的時效性問題導致數(shù)據(jù)“失準”，進一步引發(fā)“算法歧視”的問題。

雙曲貼現(xiàn)又稱為非理性折現(xiàn)，是行為經(jīng)濟學的一個概念，這個現(xiàn)象描述折現(xiàn)率并不是一個不變量，具體是指人們在對未來的收益評估其價值時，傾向于對較近的時期采用更低的折現(xiàn)率，對較遠的時期采用更高的折現(xiàn)率。

比如，大多數(shù)人可能傾向于選擇今天收益60元，而不是一年后拿到100元，因為今天這60元收入可能更有價值，而如果讓人們選擇一年后拿到60元或者兩年后拿到100元，則大多數(shù)人會選擇兩年后拿到100元。即人們會因為收益時間上的差異從而做出不同的決策。

因而，在雙曲貼現(xiàn)的情況下，人們短期決策行為所產(chǎn)生的數(shù)據(jù)將會導致數(shù)據(jù)本身失準，從而更加容易導致在數(shù)據(jù)偏差引發(fā)的算法偏差后，在應(yīng)用層面的“算法歧視”。因此，對于數(shù)據(jù)型AI的使用者而言，在算法的應(yīng)用層面上也需多一份謹慎和細心。

無論是數(shù)據(jù)AI時代的個人隱私問題還是數(shù)據(jù)偏差下的“算法歧視”，都是大數(shù)據(jù)AI發(fā)展之路上不可避免的問題，對于人們來說，不論是數(shù)據(jù)采集端的隱私侵犯，還是AI應(yīng)用層面的“算法歧視”都是有悖道德甚至法律的邊緣試探。而對于如今尚處“幼年”中的AI技術(shù)而言，如何正確的引導、影響其發(fā)展，在符合人類價道德觀念以及道德標準之下創(chuàng)造更大的價值，則是“AI造物主”們值得深思的問題。

來源：物聯(lián)網(wǎng)世界網(wǎng)