
大数据不应成为作恶的工具
牛津大学互联网学院教授维克托·迈尔-舍恩伯格曾以《大数据时代》《删除》两本看似“自相矛盾”的著作炸响了大数据的深潭,前者着重挖掘大数据的价值,而后者则指出在记忆不可磨灭状态下大数据对我们的生活造成的困扰,两书呈现了大数据的两面性。然而,在现实应用中,前者在商业及金融领域的潜在价值被不断挖掘,而《删除》中那些啼笑皆非的案例,总是被人们选择性遗忘,在大数据的裹挟下,我们正在进入被操控的“黑箱社会”。
美国马里兰大学教授弗兰克·帕斯奎尔所著的《黑箱社会:控制金钱和信息的数据法则》,分析了在互联网时代,各类数据收集挖掘企业是如何仔细检索、审视我们的生活和习惯,设置我们的生活议程,控制我们的视野范围,甚至左右社会的政治走向。帕斯奎尔可谓是向社会不公现象宣战的斗士,他曾在美国众议院的司法委员会上叫板谷歌、微软、雅虎,与他们的法律总顾问对峙。在书中,作者再燃愤怒之火,剑指这些掌握信息技术大权的互联网大鳄如何操控我们的生活,设置不平等的规则,将他人的命运甚至是整个经济社会的未来操纵于掌心。
所谓“黑箱社会”,是指在我们看不到的角落,有潜在的法则在暗暗起效,被黑色幕布遮掩之处,恰是人们的隐私、权益被暴露、利用、加工贩卖的狂欢之所。现代社会,人们已经无法查清自己被“贩卖”的次数,从第一次接到“神机妙算”的电话,到手机被各种借贷、炒房信息轰炸,再到自己被各种购物网站服务得“无微不至”,其实我们已经在大数据的牵引下,成为信息时代的透明人,是无数利益机构“精准营销”、“策略营销”的对象。
假如仅仅是商业上的“超服务”,尚在可接受的范围之类,但假如我们在互联网中留下的所有蛛丝马迹都被过度解读,无限联想,对于我们来说则可能是一场灾难。比如,A君在网上购买了一些糖尿病辅助食品,则被有心的大数据运营公司记录为“糖尿病患者”,而后他在求职过程中屡屡受挫,他始终不清楚导致他被拒的原因是他“被糖尿病”了。大数据带来的误解令我们百口莫辩,甚至年少轻狂时在网上偶发的言论都被当成“呈堂证供”。
大数据技术在给人们带来便捷的同时,也渗透进了人们生活的所有公共和私人空间,在人们完全不知情的情况下,我们的行为、特征、语言,被一遍遍计算、算计,它给我们贴上各种各样的标签,影响我们的日常生活,我们却鲜有申诉的权利。没有人能完全明了在数据的黑箱里究竟装了哪些运算法则,没有人能够在智能计算中“独善其身”。
技术秘密是大型互联网企业的万用挡箭牌,即使是在立法机构的一次次调整中,互联网企业也总能在现实的变通中,完美规避法律,毕竟没有哪个政府部门会在互联网时代拥有比企业更灵敏的嗅觉和快速的反应能力。
以书中所示的英国“Foundem”垂直搜索引擎公司来说,作为搜索领域的新生儿,简直是被谷歌玩弄于股掌之间,只要谷歌对其作出搜索降级的“处分决定”,它就难以在用户搜索关键词“价格对比”时出现在靠前的页面中,这对于一家互联网企业而言无异于灭顶之灾。只要谷歌稍动手脚,一家风光一时的企业就会在互联网中石沉大海,而谷歌想捧红哪家企业,也只要将其置顶,这家企业就会拥有源源不断的点击率。当公众质疑其搜索结果的公正性时,谷歌总会有相当多的理由以及技术秘密用以搪塞用户,只要谷歌不掀开自己的“技术黑箱”没有人知道里面究竟装的是规则与秩序,还是权利与利益。在流量为王的时代,谷歌仿若商业世界的帝王。当然,拥有这种权利的互联网企业,绝不仅谷歌一家,脸谱网、推特这些大型互联网企业在各自的领域亦有着相似的能量。
在美国的政治竞争中,互联网企业也会扮演重要的角色,它们甚至可以决定人们对这位候选人的认知度和整体印象,还可以设置话题议程,左右舆论风向,其强大的排序能力已经远远超出了其技术所应伸出的触角。一个被大型企业垄断的世界同独裁统治的世界一样是可怕的,一股缺乏有效制衡的“超力量”必然会不断地制造社会的“暗箱”,将规则与公平关进笼子里,而放出来的则是金钱与权利的欲望之火。
认清政府、大型企业之间的利益关系,更有助于我们看到很多社会问题的成因。就如同华尔街的贪婪并不能一味从金融大鳄身上找问题一样,其背后错综复杂的利益格局,信用评级机构、金融监管者及立法者之间相互缠绕的关系,才是问题的症结所在。在本书中,作者也用相当篇幅介绍了在金融领域“大数据”作恶的案例,其背后同样是人对数据的误用与滥用。
在《删除》中,维克托·迈尔-舍恩伯格曾就针对大数据带来的诸多社会病提出了以“删除”为核心,包括数字化节制、保护信息隐私权、打造良性的信息生态在内的六大对策。在《黑箱社会》中,作者继续进行了一些思路及方法上的探讨,虽在深度及广度上有所进步,可两位作者同样陷入了从揭露问题到提出希望式的书写。理论上正确的方法需要更多与现实短兵相接的能力,美好希望在现实中总会遭遇种种挫折尴尬。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01