大數據本身并不中立，它反映的是人類真實的社會。一個并不真正平等、存在偏見和歧視的不完美社會，必然導致不完美的大數據分析結果。

[[223548]]

數據泄露事件，擊潰了Facebook的商業運作邏輯

最近，創建14年的美國社交網絡公司Facebook，正遭受自創建以來最大的危機，媒體甚至將“滅頂之災”冠之頭上。

上周五，Facebook承認，曾在2016年幫助特朗普贏得美國總統大選的數據分析公司Cambridge Analytica(劍橋分析)，違規獲得了5000萬Facebook用戶的信息。與此同時，Facebook也始終在強調，這次事件并非數據泄密，因為Facebook并沒有遭遇任何攻擊或系統滲透，對方所獲得的5000萬用戶數據來源于第三方。

但不管如何，于公眾而言，Facebook才是這次事件的最大禍首。

若僅僅是因為卷入2016年的美國總統大選，對于Facebook來說尚可應付，畢竟，自當年大選以來，Facebook就一直與之糾纏不清。

問題是，此次事件的爆發，從根本上打擊了Facebook的商業運作邏輯，即通過用戶的行為偏好進行特征分析，完成用戶畫像，進而借助相應的算法模型，來向用戶精準投放廣告。過去Facebook可以依靠用戶的不斷增長實現業績紅利，現在卻不得不依靠更高質量的廣告投放來獲得客戶青睞。

可顯然，當下“數據泄密”事件的爆發，動搖了用戶對Facebook的信任。很多美國用戶在事件爆發后就以卸載Facebook App來表達其憤怒。

Facebook旗下的Whatsapp則公開與之切割，表示在確保數據安全前不會與之共享數據。

數據的濫用，正在使其成為“有毒資產”

自移動互聯網爆發，大數據、人工智能等技術大行其道以來，數據似乎成為一座巨大的財富礦山。現在看來，數據的濫用卻正在使其成為個人的有毒資產。雖然說任何新興技術的出現、進化都需要一個過程，在任何時代也不可能做到絕對的安全，但類似的數據泄密事件，還是應該引起人類的反思，尤其是保護數據的方法和原則。

當前，許多數據保護的方法，局限于數據采集的方式和目的限制。即使是將于5月25日生效的歐盟《統一數據保護條例》(GDRR)也是如此。

從全球范圍內來看，《統一數據保護條例》對數據隱私的強調更加嚴格，更加強化對自然人數據的保護。比如在將數據運用于智能決策方面上，它要求將關鍵數據排除在智能決策之外。該條例所列舉的敏感數據包括種族、政治傾向、宗教信仰、健康、性生活、性取向的數據，或者可唯一性識別自然人的基因數據、生物數據。

同時，該條例也要求增加進行采集數據時的透明度，即明確數據采集的范圍、使用的目的等，并且要求數據進行分析的過程必須是可被理解的。

因此，目前廣泛應用于人工智能技術的深度學習算法，在5月25日之后的歐盟地區，將成為“非法”的，因為它并不能被解釋。

雖然GDRR對數據保護進行了強化，但其邏輯并沒有改變，仍然局限于對數據采集的許可及其使用目的的限制。

數據的處理和使用，應納入監管

而Facebook這次的“泄密”事件卻告訴我們，僅僅局限于此恐怕遠不足夠，還需要從數據的使用及處理等方面加強。

首先，隨著移動設備的更加普及，以及諸如數字建筑等的出現，未來人類社會必然需要不斷與數據打交道。甚至可以明確地說，未來必定存在一個物理實體的人類社會，與一個數字化的虛擬人類社會。兩者是為共生的孿生體。人類無法避免數據被收集的可能。

更何況，隨著技術的進化，更多的數據未必直接來自物理現實，而是基于物理現實推測、觀察出來的數據。從這一角度上講，這類數據將是上述歐盟法律條例無法監管的范圍。

再者，誠如此次Facebook事件所呈現的，Cambridge Analytica的數據并非直接來自Facebook，而是第三方的轉售。因此，基于采集的許可及目的限制等保護數據原則，對此將束手無策。

因此，需要轉向基于以合法利益受損的影響及危害等原則進行評估，拓展到對數據的使用及處理層面的監管。這也是防止數據被濫用，或是惡意使用算法所必然要求的。在這層意義上，歐盟《統一數據保護條例》要求算法可被理解，具有相當的進步意義。

在此，我們必須意識到，大數據本身并不中立，它反映的是人類真實的社會。一個并不真正平等、存在偏見和歧視的不完美社會，必然導致不完美的大數據分析結果。同樣，作為最能反映創造者特征的人工智能技術，也勢必同樣充滿價值觀，其算法可能被惡意使用。為了確保數據不淪為人的有毒資產，數據保護的原則與思路，需要進行與時俱進，從處理和使用環節上著手。