掃一掃人工智能時(shí)代該如何奪回我們的“不知情權(quán)”
來源：未知 時(shí)間：2018-07-5 瀏覽次數(shù)：254次
硅谷崇尚快速試錯(cuò)的文化，但這可能不是我們想要的對(duì)待個(gè)人信息的方式。
新浪科技訊北京時(shí)間7月5日消息，據(jù)國(guó)外媒體報(bào)道，柏林墻倒塌后，東德公民終于有機(jī)會(huì)閱讀到斯塔西（Stasi，東德的國(guó)家安全機(jī)構(gòu)，被認(rèn)為是當(dāng)時(shí)世界上最有效率的情報(bào)和秘密警察機(jī)構(gòu)之一）保存的關(guān)于他們的資料。然而迄今為止，只有大約10%的人真的去查閱了這些資料。
2007年，脫氧核糖核酸（DNA）結(jié)構(gòu)的發(fā)現(xiàn)者之一詹姆斯·沃森（James Watson）表示，他并不想知道自己的載脂蛋白E（ApoE）基因信息。該等位基因被認(rèn)為是阿爾茨海默癥的風(fēng)險(xiǎn)因子。
民意調(diào)查顯示，如果有選擇的話，大多數(shù)人寧愿不知道自己的死亡日期——甚至是快樂事件的發(fā)生日期也不想知道。
以上這些都是故意選擇不知道的例子。蘇格拉底可能會(huì)提出，未經(jīng)審視的生活不值得過；而霍布斯則會(huì)爭(zhēng)論稱，好奇心是人類最主要的激情；但還有許多古老的故事向我們描述了知道太多也會(huì)帶來危險(xiǎn)。從亞當(dāng)、夏娃和智慧樹，到盜取取火秘密的普羅米修斯，這些故事告訴我們，現(xiàn)實(shí)生活中需要在選擇知道和不知道之間達(dá)成微妙的平衡。
然而，如果出現(xiàn)一種技術(shù)，能以無法預(yù)知的方式改變這種平衡，同時(shí)讓我們?cè)跊Q定什么時(shí)候保持不知情的問題上變得復(fù)雜的話，又會(huì)帶來什么后果？這種技術(shù)其實(shí)已經(jīng)出現(xiàn)了，那就是人工智能。
人工智能可以利用相對(duì)較少的數(shù)據(jù)來找到模式并做出推論。例如，只需要幾個(gè)Facebook上的點(diǎn)贊就可以預(yù)測(cè)出你的個(gè)性、種族和性別。還有一種計(jì)算機(jī)算法聲稱，只需根據(jù)人們的照片，就能以81%的準(zhǔn)確率區(qū)分同性戀和異性戀男性，而區(qū)分同性戀和異性戀女性的準(zhǔn)確率為71%。另一種名為“替代性制裁的懲罰性罪犯管理分析”（Correctional Offender Management Profiling for Alternative Sanctions，COMPAS）的算法則可以通過青少年被捕記錄、家庭犯罪記錄、教育、社會(huì)隔離和休閑活動(dòng)等數(shù)據(jù)，來預(yù)測(cè)犯罪者再犯的可能性，準(zhǔn)確率達(dá)到65%。
在這些例子中，結(jié)論和所用的數(shù)據(jù)可能在本質(zhì)上存在著驚人的偏差（即使某些結(jié)果的有效性仍在爭(zhēng)論中）。這使得控制我們所知道的內(nèi)容十分困難，而且也沒有什么法規(guī)來幫助我們保持不知道的狀態(tài)：不存在受保護(hù)的“不知情權(quán)”。
于是，這就創(chuàng)造了一種氛圍，用Facebook的早期座右銘來說，我們很容易“快速行動(dòng)，破除陳規(guī)”（move fast and break things）。但是，當(dāng)涉及到我們私人生活的細(xì)節(jié)時(shí)，“破除陳規(guī)”是否就是我們想要的呢？
幾十年來，政府和立法者都知道“潘多拉的盒子”有時(shí)候最好還是不要打開。至少在20世紀(jì)90年代，保護(hù)個(gè)人不知情權(quán)利的法律就已經(jīng)出臺(tái)。例如，1997年的“歐洲人權(quán)和生物醫(yī)學(xué)公約”（European Convention on Human Rights and Biomedicine）規(guī)定：“每個(gè)人都有權(quán)了解其被收集的有關(guān)健康狀況的任何信息。但是，應(yīng)當(dāng)遵從個(gè)人不希望被告知的意愿。”類似的，1995年世界醫(yī)學(xué)協(xié)會(huì)的“患者權(quán)利宣言”（Rights of the Patient）中指出：“患者有權(quán)利明確要求不被告知（醫(yī)療數(shù)據(jù)），除非是為了保護(hù)其他人的生命。”
然而，為人工智能制定“不知情權(quán)”法規(guī)是完全不同的問題。雖然醫(yī)療數(shù)據(jù)受到嚴(yán)格管制，但人工智能所使用的數(shù)據(jù)往往掌握在名聲不佳的盈利性科技公司手中。人工智能處理的數(shù)據(jù)類型也更廣泛，因此任何相應(yīng)的法律都需要對(duì)什么是“不知情權(quán)”有更深入的理解。研究故意不知情的心理將有助于設(shè)計(jì)適用于人工智能的不知情權(quán)法律。不過，令人驚訝的是，這一嚴(yán)謹(jǐn)?shù)目茖W(xué)研究話題長(zhǎng)期以來一直被忽略，或許是因?yàn)槟撤N隱含的假設(shè)，即故意忽略信息是不理性的。
心理學(xué)家拉爾夫·赫特維格（Ralph Hertwig）和法律學(xué)者克里斯托弗·恩格爾（Christoph Engel）近期發(fā)表了一篇文章，對(duì)故意選擇不知情的動(dòng)機(jī)進(jìn)行了細(xì)致分類。在他們識(shí)別出的動(dòng)機(jī)中，有兩組尤其與面對(duì)人工智能時(shí)對(duì)不知情的需求密切相關(guān)。
第一組動(dòng)機(jī)圍繞公正和公平展開。簡(jiǎn)而言之，知識(shí)有時(shí)會(huì)破壞判斷力，而我們往往選擇以故意不知情作為回應(yīng)。例如，學(xué)術(shù)論文的同行評(píng)議通常是匿名的。大多數(shù)國(guó)家的保險(xiǎn)公司在登記之前不得獲取有關(guān)客戶健康狀況的細(xì)節(jié)；他們只能知道一般的健康風(fēng)險(xiǎn)因素。這種考慮尤其與人工智能關(guān)系密切，因?yàn)槿斯ぶ悄芸梢援a(chǎn)生極具偏見的信息。
第二組相關(guān)的動(dòng)機(jī)是情緒調(diào)節(jié)和避免遺憾。赫特維格和恩格爾寫道，刻意的不知情可以幫助人們維持“珍視的信仰”，并避免“精神不適、恐懼和認(rèn)知失調(diào)”。故意不知情其實(shí)非常盛行。調(diào)查中大約90%的德國(guó)人希望避免可能由于“預(yù)知諸如死亡和離婚等負(fù)面事件”而產(chǎn)生的負(fù)面情緒，40%到70%的人也不想知道正面事件，以幫助保持“對(duì)驚喜和懸念的積極感受”，比如不知道未出生孩子的性別。
這兩組動(dòng)機(jī)能幫助我們理解在人工智能面前保護(hù)不知情權(quán)的必要性。舉例來說，人工智能“同志雷達(dá)”（gaydar）算法的潛在收益似乎接近于零，但是在公正性和公平性方面的潛在成本卻很高。正如《經(jīng)濟(jì)學(xué)人》（The Economist）所說的那樣，“在世界上同性戀社交不被接受或被認(rèn)為非法的部分地區(qū)，這樣的算法可能對(duì)安全構(gòu)成嚴(yán)重威脅。”同樣的，NtechLab目前正在開發(fā)的種族識(shí)別人工智能系統(tǒng)所能帶來的潛在收益，與其對(duì)公正性和公平性的負(fù)面影響相比顯得蒼白許多。COMPAS累犯預(yù)測(cè)軟件具有比人類更高的準(zhǔn)確性，但正如Dressel和Farid所寫，這“并不像我們想要的那種準(zhǔn)確，尤其是從未來還懸而未決的被告者的角度來看”。預(yù)測(cè)個(gè)人預(yù)期壽命的算法，比如Aspire Health正在開發(fā)的算法，并不一定會(huì)讓人們的情緒調(diào)節(jié)變得更容易。
這些例子說明了識(shí)別個(gè)體不知情動(dòng)機(jī)的影響，并且展示了知識(shí)和無知的問題可以有多復(fù)雜，特別是在涉及人工智能的時(shí)候。關(guān)于集體不知情在什么時(shí)候有益處，或者在道德上合理的問題，沒有現(xiàn)成的答案。理想的做法是單獨(dú)考慮每個(gè)案例，進(jìn)行風(fēng)險(xiǎn)收益分析。理想情況下，鑒于爭(zhēng)論的復(fù)雜性和后果的重要性，這一分析將公開進(jìn)行，考慮各種利益相關(guān)者和專家意見，并考慮所有可能的未來結(jié)果，包括最壞的情況。
這其中涉及的問題太多了……事實(shí)上，理想做法在大多數(shù)情況下都是行不通的。那么，我們又該如何做呢？
一種方法是控制和限制機(jī)器根據(jù)已采集數(shù)據(jù)進(jìn)行的推理。例如，我們可以“禁止”使用種族作為預(yù)測(cè)變量的司法算法，或者從潛在求職者的預(yù)測(cè)分析中排除性別。但是，這種方法也存在問題。
首先，限制大公司使用信息的成本太高，技術(shù)難度也很大。這需要這些公司將算法開源，同時(shí)要求大型政府機(jī)構(gòu)不斷對(duì)其審查。另一方面，一旦采集到大量的數(shù)據(jù)集，總是會(huì)有很多迂回的方法來推理出“禁止的知識(shí)”。假設(shè)政府宣布使用性別信息來預(yù)測(cè)學(xué)術(shù)成功是非法的，那就可能出現(xiàn)使用“擁有汽車類型”和“最喜歡的音樂流派”作為性別替代指標(biāo)，直接進(jìn)行替代指標(biāo)的二級(jí)推理。有時(shí)候，盡管一家公司的意圖是好的，但有關(guān)性別的推理也可能意外地嵌入到算法中。這些二級(jí)推理導(dǎo)致對(duì)算法的審查更加困難。一個(gè)分析中包含的變量越多，發(fā)生二級(jí)推理的可能性就越大。
麻省理工學(xué)院的研究者在網(wǎng)站（moralmachine.mit.edu）上根據(jù)人們自己選擇的數(shù)據(jù)類型，測(cè)試他們?cè)跈C(jī)器即將做出決定的情況下表現(xiàn)出的道德直覺。
保護(hù)不知情權(quán)權(quán)更激進(jìn)——也可能更有效——的方法是第一時(shí)間防止數(shù)據(jù)被收集。2017年，德國(guó)做出了一項(xiàng)開創(chuàng)性的舉措，立法禁止自動(dòng)駕駛汽車通過種族、年齡和性別來識(shí)別道路上的人。這意味著汽車將無法通過這些類別的數(shù)據(jù)來做出駕駛決策，尤其是在事故不可避免時(shí)需要做出的決策。
基于相同的思維方式，歐盟推出了新的《通用數(shù)據(jù)保護(hù)條例》（General Data Protection Regulation，GDPR），并于2018年5月生效。該條例規(guī)定，只允許公司在提供明確的指定服務(wù)時(shí)，收集和存儲(chǔ)必需的最少量數(shù)據(jù)，并且獲得客戶對(duì)其數(shù)據(jù)使用方式的同意。這種對(duì)數(shù)據(jù)獲取的限制可能也會(huì)阻止二級(jí)推理。但《通用數(shù)據(jù)保護(hù)條例》的一個(gè)重要局限是，公司可以為自己設(shè)定非常寬泛的目標(biāo)。例如，如今已經(jīng)關(guān)門的劍橋分析（Cambridge Analytica）公司的明確目標(biāo)是評(píng)估用戶的個(gè)性，因此在技術(shù)上，它對(duì)Facebook數(shù)據(jù)的收集符合《通用數(shù)據(jù)保護(hù)條例》的規(guī)定。同樣的，只要用戶同意——許多人即使在獎(jiǎng)勵(lì)相當(dāng)微薄的情況下也會(huì)同意分享自己的數(shù)據(jù)——《通用數(shù)據(jù)保護(hù)條例》對(duì)數(shù)據(jù)和給定服務(wù)之間一致性的關(guān)注就無法排除道德上有問題的數(shù)據(jù)類別，也不能完全阻止公司從數(shù)據(jù)中介那里購(gòu)買被排除的數(shù)據(jù)。研究人員發(fā)現(xiàn)，麻省理工學(xué)院的一些學(xué)生會(huì)分享他們朋友的聯(lián)系數(shù)據(jù)，只為了獲得一小片披薩。顯然，我們還需要更多的限制手段，但究竟需要多少呢？
美國(guó)程序員、自由軟件活動(dòng)家理查德·斯托曼（Richard Stallman）說：“利用數(shù)據(jù)來害人的方法太多了，以至于唯一安全的數(shù)據(jù)庫就是從未被收集過的數(shù)據(jù)庫。”然而，如果對(duì)數(shù)據(jù)采集的限制過于嚴(yán)厲，又可能會(huì)阻礙人工智能的發(fā)展，并減少我們從中獲得的收益。
誰應(yīng)該權(quán)衡其中的利弊？首先應(yīng)該是我們自己。
在大多數(shù)情況下，我們談?wù)摰钠鋵?shí)是你我作為個(gè)人所擁有的數(shù)據(jù)。我們一直都很粗心大意，將這些數(shù)據(jù)拱手讓給各種閃亮的app，絲毫不考慮后果。事實(shí)上，我們一直在放棄我們的數(shù)據(jù)，以至于忘記了一開始它就是屬于我們的。收回?cái)?shù)據(jù)將使我們每個(gè)人都能決定哪些事情想知道，哪些不想知道。讓數(shù)據(jù)回到合適的人——也就是我們自己——手中，就可以巧妙地解決我們討論的許多艱巨問題。我們不再需要制定通用的預(yù)見性指導(dǎo)規(guī)范，相反的，數(shù)以百萬計(jì)的個(gè)體將根據(jù)自己的是非觀來決定自身數(shù)據(jù)的用途。我們可以對(duì)公司如何使用數(shù)據(jù)做出實(shí)時(shí)反應(yīng)，根據(jù)他們對(duì)待數(shù)據(jù)的方式來進(jìn)行懲罰或獎(jiǎng)勵(lì)。
關(guān)于把數(shù)據(jù)放回人們手中，計(jì)算機(jī)科學(xué)哲學(xué)家杰倫·拉尼爾（Jaron Lanier）提出了一個(gè)經(jīng)濟(jì)學(xué)上的論據(jù)。他指出，通過將我們自己的個(gè)人數(shù)據(jù)賣給大公司，我們應(yīng)該都能從中受益。這種方法存在著兩個(gè)問題。首先，它混淆了數(shù)據(jù)使用和所有權(quán)的道德規(guī)范。在回答數(shù)據(jù)應(yīng)該如何被使用的問題時(shí)，免費(fèi)提供數(shù)據(jù)的意愿在道德完整性上是很好的試金石。一個(gè)小眾群體中有多少人會(huì)愿意免費(fèi)提供數(shù)據(jù)，以創(chuàng)建一個(gè)像“同志雷達(dá)”這樣的面部識(shí)別應(yīng)用程序？又有多少人會(huì)愿意為此付費(fèi)？另一方面，大多數(shù)人會(huì)很樂意貢獻(xiàn)他們的數(shù)據(jù)來尋找治療癌癥的方法。第二個(gè)問題是，賦予個(gè)人數(shù)據(jù)（較高的）經(jīng)濟(jì)價(jià)值可能會(huì)迫使人們分享他們的數(shù)據(jù)，并使數(shù)據(jù)隱私成為富人的特權(quán)。
這并不是說個(gè)人的單獨(dú)行動(dòng)就足夠了，社會(huì)機(jī)構(gòu)的集體行動(dòng)也是必需的。即使只有小部分人口分享他們的敏感數(shù)據(jù)，其結(jié)果也可能具有大多數(shù)人反對(duì)的高預(yù)測(cè)準(zhǔn)確性。并不是所有人都明白這一點(diǎn)。為了防止不必要的后果，我們需要更多的法律和公共討論。
《經(jīng)濟(jì)學(xué)人》曾寫道，世界上最寶貴的資源不再是石油，而是數(shù)據(jù)。然而，數(shù)據(jù)與石油有著很大不同。數(shù)據(jù)是無限的資源，由個(gè)人所有，并且通常是在沒有交易價(jià)值的情況下進(jìn)行交換。從石油中獲利便殺死了石油市場(chǎng)。作為第一步，從數(shù)據(jù)中獲取利潤(rùn)將為我們提供空間，用于創(chuàng)造和維持能在人工智能到來之后延續(xù)的道德標(biāo)準(zhǔn)，并為管理集體的不知情權(quán)鋪平道路。換句話說，在數(shù)據(jù)成為現(xiàn)代世界最有用的商品之一的同時(shí)，它也需要成為最便宜的商品之一。