大數(shù)據(jù)時代不能像“老大哥”_數(shù)據(jù)分析師

愛德華?斯諾登曝光NSA監(jiān)聽之后，喬治?奧威爾著作《1984》的銷量都增加了。就目前的情況來說，即使人們不喜歡老大哥在監(jiān)視自己，也要準備好接受隱私被冒犯的代價，來換得安全保障。

那么“大數(shù)據(jù)”會怎么樣？快速增長的個人數(shù)據(jù)掌握在公司們手中，它們使用新型的數(shù)據(jù)分析和人工智能技術(shù)來改進自己的產(chǎn)品和服務(wù)，預(yù)測顧客的需求。谷歌首席執(zhí)行官拉里?佩奇（Larry Page）描述他心目中理想的科技形態(tài)是“一個真正智能的助理，能夠幫人類去做事，我們就不必再費腦筋”。

試想一下居住在虛擬的唐頓莊園（Downton Abbey）里，有一臺電腦幫你安排一天的計劃，給出旅行的最佳路線建議、可能想要觀看的影片和最適宜搭乘的航班——甚至幫你訂票——這的確有誘惑力。我們都在趕時間，想要一個簡單輕松的生活。只要不被信息轟炸或是迫失選擇，有個私人助理服務(wù)還是不錯的。

但是NSA監(jiān)聽事件讓所有人大吃一驚，雖然監(jiān)聽計劃已經(jīng)存在60年了，我懷疑許多人是否能明白他們每天制造的數(shù)據(jù)量有多大，或者是否了解如今科技發(fā)展到怎樣的程度——一小撮大數(shù)據(jù)公司已經(jīng)在進行數(shù)據(jù)挖掘?？萍及l(fā)展得太快，兩年前還認為是不可能的事情如今已經(jīng)十分平常了。

“未來既令人激動又讓人恐懼。擁有海量數(shù)據(jù)的公司們甚至要比你還要了解你自己。它們能預(yù)測你下面可能做什么，”李開復(fù)說。他是Google中國的前任CEO，目前在北京做投資。

上周我在一篇專欄文章里將谷歌與19世紀的通用電氣進行了比較——這是一家創(chuàng)新的工業(yè)公司，借助了在新技術(shù)潮流發(fā)展的力量。不利的一面是谷歌、亞馬遜、微軟以及其他科技巨頭正在積累自己的力量，需要小心翼翼地控制。

NSA和大數(shù)據(jù)公司將它們的數(shù)據(jù)庫和計算能力用在了不同的地方——一個是發(fā)現(xiàn)間諜和恐怖分子，一個是為用戶匹配服務(wù)。它們對大規(guī)模數(shù)據(jù)庫的使用有相似之處，比如模式識別和網(wǎng)絡(luò)分析等等。

更進一步來看，這涉及到人工智能技術(shù)，比如在用戶輸入關(guān)鍵詞時分析搜索的目的、實時將演講翻譯成另外一種語言（像微軟去年在中國演示的那樣）、通過讀取上千張圖像去學(xué)習(xí)分辨一只貓的照片。

計算機學(xué)習(xí)人類趨同行為的能力被稱作是“深度學(xué)習(xí)（deep learning）”，值得注意的是谷歌已經(jīng)聘請了該領(lǐng)域的幾位前沿學(xué)者，其中就包括科學(xué)家、作家雷?庫茲韋爾（Ray Kurzweil）。NSA向美國私人公司開放的技術(shù)轉(zhuǎn)讓中就有“領(lǐng)先的機器學(xué)習(xí)技術(shù)”。

這種軟件可以從信息碎片中預(yù)測許多東西，只要碎片足夠多就可以，好像NSA從運營商Verizon那里獲取電話撥叫元數(shù)據(jù)并對其分析一樣?？偨y(tǒng)奧巴馬向美國公民保證“沒人在竊聽你的電話”，但是只要撥叫紀錄就足夠了。

哈佛大學(xué)教授拉坦婭?斯威妮（Latanya Sweeney）的一項研究表明，有87%的人在獲知年齡、性別和郵政編碼的情況下能夠被確認身份，只要在公開數(shù)據(jù)庫里交叉確認（cross-checked）就可以。這恰恰是社交網(wǎng)絡(luò)和互聯(lián)網(wǎng)公司通常所收集的數(shù)據(jù)。

大數(shù)據(jù)公司的驚人能力來自一點，它們可以將顧客的個人數(shù)據(jù)進行整合，其中就涵蓋購買的何種商品、位置在哪里（由移動電話的GPS搜集）。由此生成一組有關(guān)顧客意圖的“推測數(shù)據(jù)（inferred data）”。

舉例說明，如果我在印度時用安卓手機搜索“泰姬陵”，谷歌會優(yōu)先顯示北方邦（Uttar Pradesh）的神廟結(jié)果。如果我在倫敦東部的布里克街（Brick Lane），則會返回本地的孟加拉風味餐廳結(jié)果?；谖业脑u價紀錄提供餐館預(yù)訂服務(wù)也就不難實現(xiàn)了。

從一方面來說，如果確實做到這一點（只要是一家好餐廳）我會很高興，因為能夠節(jié)省我的一些操作。從另一方面來看，正如世界經(jīng)濟論壇關(guān)于個人數(shù)據(jù)的報告里所講：“預(yù)測數(shù)據(jù)給人感覺好像無所不知的老大哥在盯著監(jiān)控錄像一樣。”

其中引發(fā)的擔憂之一是掌握這種軟件能力的大數(shù)據(jù)公司很難與之抗衡。我和其他用戶提供的數(shù)據(jù)越多，它們對我們意圖的預(yù)測就越準確。機器大腦越用越精明。

另外一個和信任有關(guān)。社交網(wǎng)絡(luò)在保護用戶數(shù)據(jù)方面做得很差，它們只擁有一小片段涉及用戶行為、習(xí)慣和意愿的信息。很明顯為什么NSA會把社交網(wǎng)絡(luò)作為目標——NSA有計算能力，他們需要數(shù)據(jù)原料。

第三點是所有權(quán)的問題。我們都對自己的信息享有一定的權(quán)利。但是這些信息和其他人的信息被整合到一個大規(guī)模的意愿數(shù)據(jù)庫中，情況會有什么變化？如果我改變主意，如何讓信息恢復(fù)原狀？

最重要的一點，我們不知道這種技術(shù)意味著什么，因為我們還處于大數(shù)據(jù)時代的初級階段。誠然大數(shù)據(jù)有許多地方令人傾佩，但是需要一些時間讓人們愛上它。