鄭磊

生活在我們這個(gè)時(shí)代的人恐怕大多聽(tīng)說(shuō)過(guò)算法。打開(kāi)微信，我們經(jīng)常會(huì)看到定向發(fā)送的廣告；在網(wǎng)店買書(shū)，后面會(huì)有一系列向你推薦的相關(guān)圖書(shū)；打開(kāi)網(wǎng)頁(yè)，最顯著位置是推薦給你的閱讀鏈接。這是一個(gè)數(shù)據(jù)時(shí)代，大數(shù)據(jù)時(shí)代，也是算法時(shí)代。

《被算法操控的生活》的作者是來(lái)自英國(guó)、定居瑞典的一位數(shù)學(xué)教授，策劃編輯知道我是數(shù)學(xué)科班出身，而且從事金融科技研究，所以請(qǐng)我?guī)兔纯?。?shù)學(xué)家寫(xiě)科普書(shū)，本身就是個(gè)賣點(diǎn)，我印象中除了數(shù)學(xué)教材，很少有讀過(guò)數(shù)學(xué)教授寫(xiě)的暢銷書(shū)。這本書(shū)有很多有趣的例子，有些觀點(diǎn)值得我們思考。

個(gè)人數(shù)據(jù)涉及個(gè)人隱私，對(duì)個(gè)人數(shù)據(jù)的分析同樣會(huì)暴露個(gè)人隱私：消費(fèi)者畫(huà)像和廣告定向投放是合法的嗎？我認(rèn)為這取決于個(gè)人數(shù)據(jù)分析到底能夠達(dá)到什么效果。這類算法一般是采用主成分分析和回歸分析，這兩種方法本身并不是非常尖端，很多社交網(wǎng)站都在使用，比如臉書(shū)、推特等，主要用來(lái)對(duì)用戶進(jìn)行分類。我們?nèi)粘Ｉ暇W(wǎng)的各種活動(dòng)其實(shí)都屬于個(gè)人行為數(shù)據(jù)，在網(wǎng)站都留下了記錄，如實(shí)反映了我們的生活狀態(tài)。比如我們發(fā)布的內(nèi)容、點(diǎn)贊、信息分享等，都與個(gè)人行為、觀點(diǎn)、喜好、智商和個(gè)性有關(guān)聯(lián)。利用算法和這些累積的海量數(shù)據(jù)，可以從最冷靜、最理性的角度審視每一個(gè)人。

我們大腦也會(huì)對(duì)別人形成看法，但是大腦只能處理最多3個(gè)維度，而計(jì)算機(jī)依靠算法則可以快速在數(shù)百個(gè)維度上對(duì)每個(gè)人進(jìn)行分類。理論上，人的行為數(shù)據(jù)可以用來(lái)追蹤我們的每一個(gè)情緒，并在消費(fèi)選擇、人際關(guān)系和工作機(jī)會(huì)等方面進(jìn)行預(yù)測(cè)，這類數(shù)據(jù)越多，分類越可靠。社交網(wǎng)絡(luò)收集和分析用戶的這些數(shù)據(jù)，目前還沒(méi)有法律方面的清晰規(guī)定，在倫理層面上是有爭(zhēng)議的。一個(gè)大家關(guān)注的案例是劍橋分析公司操縱選舉事件。該公司被指控用網(wǎng)絡(luò)定向營(yíng)銷和小范圍民意調(diào)查數(shù)據(jù)影響選民。2019年7月，臉書(shū)就此事繳納了50億美元罰款，是迄今全球最大規(guī)模的隱私違規(guī)罰款。

各類市場(chǎng)研究和數(shù)據(jù)分析公司和幾十年前研究人員采用的方法并沒(méi)有區(qū)別，就是用精心設(shè)計(jì)的算法在每個(gè)維度計(jì)算排序或概率，只是現(xiàn)在使用的數(shù)據(jù)量要大得多，甚至是采用大數(shù)據(jù)。在這種規(guī)模下，人們不得不借助電腦和算法進(jìn)行分析。比如臉書(shū)的回歸算法對(duì)近2萬(wàn)人的點(diǎn)贊數(shù)據(jù)進(jìn)行分析，在9次里有8次成功預(yù)測(cè)了個(gè)人的政治立場(chǎng)，準(zhǔn)確率和可靠性非常高。比如一個(gè)喜歡Lady Gaga，星巴克和鄉(xiāng)村音樂(lè)的人更有可能是共和黨人。這樣共和黨人為了贏得支持，就應(yīng)該把關(guān)注點(diǎn)放在喝星巴克咖啡的人身上。

收集用戶的社交網(wǎng)絡(luò)數(shù)據(jù)，根據(jù)目標(biāo)人群的個(gè)性特點(diǎn)定制符合特定受眾觀點(diǎn)和喜好的內(nèi)容進(jìn)行投放，進(jìn)而引導(dǎo)目標(biāo)人群改變行為，如果算法發(fā)展到這個(gè)水平，顯然會(huì)侵犯到個(gè)人權(quán)利范圍。定向投放信息包括廣告，既可能對(duì)特定受眾有益，也可能讓對(duì)方感到不安全甚至被冒犯。當(dāng)算法利用個(gè)人數(shù)據(jù)能夠?qū)€(gè)人行為和喜好做出準(zhǔn)確度高達(dá)85%的預(yù)測(cè)情況下，個(gè)人數(shù)據(jù)的使用是否合理合法就變成了突出問(wèn)題。我個(gè)人認(rèn)為基于搜索算法的這種商業(yè)模式必須先征得個(gè)人同意。

數(shù)據(jù)算法對(duì)大部分人是“黑箱”，其實(shí)目前人工智能發(fā)展的階段也存在同樣問(wèn)題，比如深度學(xué)習(xí)，很可能無(wú)意中將人類社會(huì)普遍存在的各種歧視問(wèn)題引入算法之中。算法歧視會(huì)使社會(huì)差距拉得更大，嚴(yán)重影響社會(huì)公平。書(shū)中給出很多算法缺陷的例子，以選舉預(yù)測(cè)為例，人工進(jìn)行的抽樣調(diào)查要比算法更接近實(shí)際結(jié)果。蓋洛普民意調(diào)查美國(guó)總統(tǒng)選舉的誤差，從1940年代到2020年前，一直在降低，現(xiàn)在基本在5%以下。而算法所做的預(yù)測(cè)的最差情況和黑猩猩扔飛鏢相近，最好也只能達(dá)到60%左右。數(shù)據(jù)算法也有被人鉆空子的時(shí)候，比如在圖書(shū)銷售方面，利用一些搜索優(yōu)化算法漏洞排在榜單前列的圖書(shū)，確實(shí)提高了銷量，但是結(jié)果卻可能是讀者反饋評(píng)分越來(lái)越低。同樣方法可以提高學(xué)術(shù)論文的引用量，將這個(gè)指標(biāo)作為考核學(xué)術(shù)成果的唯一標(biāo)準(zhǔn)，必然會(huì)造成學(xué)術(shù)界的反向激勵(lì)和逆淘汰現(xiàn)狀。我們應(yīng)該了解其中可能存在的問(wèn)題，避免被誤導(dǎo)或操縱。