|
每一天,，你的生活都會留下數(shù)字痕跡,，而科技巨頭們會用這些痕跡來追蹤你。比方說,，你發(fā)了一封郵件,，點了一些食物，看了一場演出,，他們都會得到一些有價值的數(shù)據(jù)包,，并以此了解你的喜好。隨后,，他們再將這些數(shù)據(jù)輸入到機器學習算法中,，從而有針對性的向你推送廣告或通知。而你不知道的是,，谷歌每年將這些數(shù)據(jù)兌現(xiàn)為超過 1200 億美元的廣告收入,。
漸漸地，我們已經無法逃離這種現(xiàn)實,。2019 年,，時任美國知名科技博客 Gizmodo 記者的卡什米爾?希爾曾做過一個著名的嘗試，即在生活中擺脫五大科技巨頭,。結果,，接下來的整整六個星期她都苦不堪言，連基本的數(shù)字功能都難以實現(xiàn),。與此同時,，那些科技巨頭們卻不痛不癢。
（來源：MIT Technology Review）
現(xiàn)在,，美國西北大學的研究人員提出了新的方法,，將我們的集體數(shù)據(jù)作為談判的籌碼，來糾正這種權力的不平衡,。也許,，科技巨頭們可以隨意操控花哨的算法，但如果沒有足夠的正確數(shù)據(jù)進行訓練,，這些算法就毫無意義,。ACM FAT（關于計算機技術公平性的國際會議）2021 已經舉行，在會議上發(fā)表的一篇最新論文中,，包括博士生尼古拉斯?文森特和李翰林（音譯）在內的研究人員提出了三種有益公眾的方法,。 - 數(shù)據(jù)罷工（靈感來自于勞工罷工的想法）—— 扣留或刪除你的數(shù)據(jù)，從而使得科技公司無法利用這些數(shù)據(jù),。比方說,，離開當前平臺或安裝隱私工具,。
- 數(shù)據(jù)中毒 —— 提供無意義或有害的數(shù)據(jù),。舉個例子,，AdNauseam 是一個瀏覽器擴展程序，可以點擊推送給你的每個廣告,，從而混淆谷歌的廣告定位算法,。
- 有意數(shù)據(jù)貢獻 —— 將有意義的數(shù)據(jù)提供給你想打擊的平臺的競爭對手，比如把你的 Facebook 照片上傳到 Tumblr,。
事實上,，人們已經使用了很多這樣的策略來保護自己的隱私。如果你曾經使用過廣告攔截器或其他瀏覽器擴展程序,，修改你的搜索結果以攔截某些網站,，你就已經參與了數(shù)據(jù)罷工運動，并奪回了部分數(shù)據(jù)使用權,。但正如希爾發(fā)現(xiàn)的那樣,，像這樣零星的個人行動并不能讓科技巨頭們改過自新。不過,，如果數(shù)百萬人聯(lián)合起來在科技巨頭的數(shù)據(jù)井里下毒呢,？那也許就能給用戶一些維護權益的籌碼。實際上,，上述假設已經有例可援,。今年 1 月份，在 Facebook 宣布將開始與公司其他部門共享 WhatsApp 數(shù)據(jù)后,，就有數(shù)百萬用戶刪除了他們的 WhatsApp 賬戶,，并轉移到 Signal 和 Telegram 等競爭對手那里。結果是,，用戶流失導致 Facebook 只得推遲政策變化,。就在最近，谷歌也宣布將停止在網絡上追蹤個人以及投放廣告,。上述論文作者文森特表示,，雖然目前還不清楚這是真正的改變還是僅僅是品牌重塑，但有可能是使用 AdNauseam 等工具的用戶增多,，降低了谷歌算法的有效性,，從而才促成了這一決定。當然,，這很難下定論,。“真正知道數(shù)據(jù)罷工對一個系統(tǒng)影響有多大的只有科技公司,?！?文森特說道。文森特和李翰林認為,，這些運動可以在抵制大科技的運動中補充政策宣傳和工人組織等策略,。“目睹人們發(fā)起這類運動,，我很激動，” 舊金山大學應用數(shù)據(jù)倫理中心研究員阿里?阿爾卡蒂布說道,，不過他本人并沒有參與這項研究,，“看著他們思考集體或整體的觀點真的很有趣：我們可以混淆這些數(shù)據(jù)，并趁機提出向科技巨頭要求,。因為這是我們的數(shù)據(jù),，而所有的數(shù)據(jù)都會混合到一起?！?/span>要想讓更多人參與到這些活動中來,，我們還有很長的路要走。例如,，計算機科學家可以在制造更多像 AdNauseam 這樣的工具方面發(fā)揮重要作用,，這將有助于降低參與此類活動的門檻，此外政策制定者也可以提供幫助,。如果有強有力的數(shù)據(jù)隱私法律支持,，那么數(shù)據(jù)罷工是最有效的方法，如歐盟的《通用數(shù)據(jù)保護條例》（GDPR） 賦予了消費者要求刪除其數(shù)據(jù)的權利,。如果沒有這樣的法規(guī),，即使你刪除了自己的賬戶，都很難保證科技公司會保留讓你刪除數(shù)據(jù)的權利,，而一些問題仍有待解答,。一次數(shù)據(jù)罷工需要多少人破壞一家公司的算法？并且什么樣的數(shù)據(jù)可以最有效地毒害一個特定的系統(tǒng),？例如,，在一項涉及電影推薦算法的模擬中，研究人員發(fā)現(xiàn),，如果有 30% 的用戶進行數(shù)據(jù)打擊,，就會使系統(tǒng)的準確率降低 50%。但每個機器學習系統(tǒng)都是不同的,，公司也在不斷地更新這些系統(tǒng),。對此，研究人員希望機器學習界能更多對不同公司的系統(tǒng)進行類似的模擬,，以此找出系統(tǒng)的漏洞,。阿爾卡蒂布建議，學者們也應該多研究如何激發(fā)集體參與數(shù)據(jù)打擊行動,?！凹w行動真的不容易，” 他說。他補充說道,，這些策略也許還會產生負面影響,，需要仔細考量。比如說,，給數(shù)據(jù)下毒最終會不會只是給內容管理員和那些負責清理和標注公司培訓數(shù)據(jù)的人增加工作量,？但總的來說,，文森特,、李翰林和阿爾卡蒂都布樂觀地認為，數(shù)據(jù)可以變成一種有說服力的工具,，以左右科技巨頭如何對待我們的數(shù)據(jù)和隱私,。“AI 系統(tǒng)依賴于數(shù)據(jù),。事實上它們就是這么工作的,。總的來說,，這是公眾獲得權力的一種方式,。”https://www./2021/03/05/1020376/resist-big-tech-surveillance-data/
|
