配资平台股票这些数据正被用来构建你的＂数字孪生＂

原创作者：吴颖

小编速览

你的每一次点赞，真的只是个人偏好吗？🤔 大卫萨普特（David Sumpter）在《被算法控制的生活》（Outnumbered From Facebook and Google to Fake News and Fitter- bubbles The Algorithms That Control Our Lives）一书中告诉你，这些数据正被用来构建你的"数字孪生"，并悄悄影响你的决策。从追踪涂鸦艺术家班克西(Banksy)到"剑桥分析"丑闻，这本书充满了引人入胜的案例。你准备好了解算法背后的秘密了吗？#Outnumbered #数据隐私 #人工智能

关键概念

1.算法并非客观中立：书中反复强调，算法是其设计者思想和目标的产物，它们内嵌了创造者的偏见、价值观和商业目的。因此，不能将算法视为纯粹的数学工具，而应将其看作是具有特定立场和影响力的社会技术系统。

展开剩余83%

2.数据挖掘与用户操控：通过分析用户在社交媒体上留下的海量数据（如"点赞"、发帖、好友关系等），公司和政治组织能够构建出极其精准的用户画像，并利用这些画像进行个性化推荐和精准广告投放，从而在潜移默化中影响甚至操控用户的消费选择和政治倾向。

3.个人隐私的终结：在大数据时代，个人隐私正面临前所未有的威胁。科技公司通过各种渠道收集用户的个人信息，并将其用于商业目的，而用户往往在不知情或无法完全理解的情况下放弃了自己的隐私权。

4.算法偏见与社会不公：算法的应用可能加剧甚至固化社会原有的不平等。书中以美国司法系统使用的COMPAS犯罪风险评估算法为例，揭示了算法可能因训练数据的偏差而对特定族裔产生系统性歧视，导致不公平的判决。

5.对算法的审视与反思刻不容缓：面对算法日益强大的力量，作者呼吁社会各界，包括普通用户、研究人员和政策制定者，都应加强对算法的理解和批判性审视，推动算法的透明化和问责制，以防止其被滥用，确保技术发展符合公共利益。

小编追问

1.第一章：作者在开篇通过"寻找班克西"的案例，探讨了数学和算法在揭示秘密、甚至侵犯隐私方面的力量。问题：在利用算法进行社会研究或解决现实问题时，我们应如何界定探索的边界，以避免对个人隐私和艺术创作等领域的过度侵犯？

•解释：这个问题触及了技术发展与个人权利保护之间的根本矛盾。首先，需要建立多层次的伦理审查机制：研究机构应设立独立的伦理委员会，对涉及个人数据的研究项目进行事前评估；政府层面应制定明确的法律框架，规定数据收集和使用的边界；国际层面需要建立跨国协调机制，防止"数据避风港"现象。其次，应采用"隐私设计"原则，在技术开发初期就内置隐私保护机制，如数据匿名化、差分隐私、联邦学习等技术。最后，需要建立公众参与机制，让社会各界能够参与到技术伦理标准的制定过程中，确保技术发展真正服务于公共利益而非少数人的商业或学术野心。

2.第三章：作者通过对自己Facebook好友的分析，展示了如何用主成分分析（PCA）等方法将复杂的社交关系简化为几个关键维度。问题：将复杂的人类情感和社交关系简化为数据维度，可能会带来哪些认知上的误区和风险？

•解释：这种数据简化虽然在技术上具有实用性，但存在多重风险。认知层面，它可能导致"算法还原主义"，即错误地认为复杂的人类行为可以完全用数学模型解释，忽视了人的主观能动性、情感复杂性和文化差异。社会层面，这种简化容易产生刻板印象和标签化，将人归类为固定的"类型"，限制了个体的多样性表达和发展可能性。商业应用中，这些简化的用户画像可能被用于歧视性定价、就业筛选或保险评估，加剧社会不平等。政治层面，简化的人格模型可能被用于操控选民情绪和政治倾向。因此，在使用这类分析方法时，必须保持谦逊态度，承认模型的局限性，避免将统计相关性误解为因果关系，并建立定期的模型审查和更新机制。

3.第四章：本章探讨了Facebook如何通过分析用户的"点赞"等行为，构建出包含上百个维度的用户画像。问题：当我们的数字足迹被用来构建如此详尽的个人档案时，我们作为个体应如何保护自己的数字身份和自主性？

•解释：数字身份保护需要个人、技术和制度三个层面的综合努力。个人层面，用户需要提高数字素养，了解自己的数据权利，学会使用隐私设置工具，定期审查和清理个人数据，采用多样化的在线行为模式以避免被轻易画像。技术层面，需要开发和推广隐私保护技术，如端到端加密、去中心化身份管理、零知识证明等，让用户能够在享受服务的同时保护隐私。制度层面，需要强化数据保护法律，如GDPR中的"被遗忘权"、数据可携带权等，确保用户对自己的数据拥有真正的控制权。同时，应该推动"算法透明度"立法，要求公司公开其数据使用方式和算法逻辑，让用户能够理解和质疑针对自己的自动化决策。最重要的是建立有效的监管和执法机制，对违法收集和滥用个人数据的行为进行严厉惩罚。

4.第六章：本章以COMPAS算法为例，深入剖析了算法偏见问题。问题：既然算法偏见在很多情况下是不可避免的（因为它源于有偏见的数据），那么在刑事司法等高风险领域，我们是否应该完全禁止使用这类算法？如果不能，又该如何对其进行有效的监管？

•解释：完全禁止算法使用可能不是最优解，因为人类决策者同样存在偏见，而且往往更难检测和纠正。更可行的路径是建立"负责任的算法治理"框架。首先，建立严格的算法审计制度，要求所有用于高风险决策的算法都必须经过独立第三方的偏见测试和公平性评估，并定期重新评估。其次，实施"算法透明度"要求，算法的设计逻辑、训练数据来源、决策过程都应该可以被解释和审查。第三，建立"人在回路"机制，确保重要决策始终有人类专家参与，算法只能作为辅助工具而非最终决策者。第四，建立受害者救济机制，当算法决策造成不公正结果时，受影响的个人应该有申诉和获得补偿的渠道。最后，投资于"公平算法"的研究和开发，探索能够主动识别和纠正偏见的技术方案，如对抗性去偏见、公平性约束优化等方法。

5.全书：作者在全书中贯穿了一个核心忧思：算法正在以一种我们不易察觉的方式重塑社会。问题：面对算法的强大力量，普通公众、教育机构和政府应该分别扮演什么样的角色，以共同构建一个更健康、更公平的算法社会？

•解释：构建公平的算法社会需要全社会的协同努力。普通公众应该成为积极的数字公民，不仅要提升个人的数字素养和隐私保护意识，更要参与到算法治理的公共讨论中，通过投票、请愿、消费选择等方式表达对负责任技术发展的诉求，并支持那些重视用户权利的企业和产品。教育机构需要进行深刻的课程改革，将算法素养、数据伦理、批判性思维纳入从基础教育到高等教育的各个层次，培养既能理解技术又能质疑技术的新一代公民。同时，教育机构还应该加强跨学科研究，促进计算机科学、社会学、伦理学、法学等领域的对话与合作。政府则需要扮演多重角色：作为监管者，制定和执行算法治理的法律法规；作为投资者，资助公共利益导向的算法研究；作为协调者，促进不同利益相关方之间的对话与合作；作为示范者，在政府自身使用算法时树立透明、公正、负责任的标杆。只有三方形成合力，才能确保算法技术的发展真正造福人类社会。

引用和参考文献

本报告内容主要基于对 David Sumpter 所著《Outnumbered: From Facebook and Google to fake news and filter-bubbles – the algorithms that control our lives》一书的理解和分析。所有核心观点、案例和概念均源自该书。

•英文版：Sumpter, D. (2018). Outnumbered: From Facebook and Google to fake news and filter-bubbles – the algorithms that control our lives. Bloomsbury Publishing.

中文版：大卫·萨普特这张（著）易文波(译）. （2020）. 被算法控制的生活. 湖南科学技术出版社, ISBN：9787571003012。

发布于：山西省

我要配资-配资炒股开户-配资平台查询网-杠杆配资公司提示：文章来自网络，不代表本站观点。