国产成人超清在线视频,国产高清永久免费,国产最新超碰97上传无码,超碰国产人人草人人爽

北京時間7月5日消息，據(jù)國外媒體報道，柏林墻倒塌后，東德公民終于有機會閱讀到斯塔西（Stasi，東德的國家安全機構(gòu)，被認為是當時世界上最有效率的情報和秘密警察機構(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。該等位基因被認為是阿爾茨海默癥的風(fēng)險因子。

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。蘇格拉底可能會提出，未經(jīng)審視的生活不值得過；而霍布斯則會爭論稱，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帶來危險。從亞當、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)實生活中需要在選擇知道和不知道之間達成微妙的平衡。

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，同時讓我們在決定什么時候保持不知情的問題上變得復(fù)雜的話，又會帶來什么后果？這種技術(shù)其實已經(jīng)出現(xiàn)了，那就是人工智能。

人工智能可以利用相對較少的數(shù)據(jù)來找到模式并做出推論。例如，只需要幾個Facebook上的點贊就可以預(yù)測出你的個性、種族和性別。還有一種計算機算法聲稱，只需根據(jù)人們的照片，就能以81%的準確率區(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、社會隔離和休閑活動等數(shù)據(jù)，來預(yù)測犯罪者再犯的可能性，準確率達到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，破除陳規(guī)”（move fast and break things）。但是，當涉及到我們私人生活的細節(jié)時，“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”有時候最好還是不要打開。至少在20世紀90年代，保護個人不知情權(quán)利的法律就已經(jīng)出臺。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)當遵從個人不希望被告知的意愿?！鳖愃频模?995年世界醫(yī)學(xué)協(xié)會的“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)），除非是為了保護其他人的生命?！?/p>

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，這一嚴謹?shù)目茖W(xué)研究話題長期以來一直被忽略，或許是因為某種隱含的假設(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，對故意選擇不知情的動機進行了細致分類。在他們識別出的動機中，有兩組尤其與面對人工智能時對不知情的需求密切相關(guān)。

第一組動機圍繞公正和公平展開。簡而言之，知識有時會破壞判斷力，而我們往往選擇以故意不知情作為回應(yīng)。例如，學(xué)術(shù)論文的同行評議通常是匿名的。大多數(shù)國家的保險公司在登記之前不得獲取有關(guān)客戶健康狀況的細節(jié)；他們只能知道一般的健康風(fēng)險因素。這種考慮尤其與人工智能關(guān)系密切，因為人工智能可以產(chǎn)生極具偏見的信息。

第二組相關(guān)的動機是情緒調(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、恐懼和認知失調(diào)”。故意不知情其實非常盛行。調(diào)查中大約90%的德國人希望避免可能由于“預(yù)知諸如死亡和離婚等負面事件”而產(chǎn)生的負面情緒，40%到70%的人也不想知道正面事件，以幫助保持“對驚喜和懸念的積極感受”，比如不知道未出生孩子的性別。

這兩組動機能幫助我們理解在人工智能面前保護不知情權(quán)的必要性。舉例來說，人工智能“同志雷達”（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為非法的部分地區(qū)，這樣的算法可能對安全構(gòu)成嚴重威脅。”同樣的，NtechLab目前正在開發(fā)的種族識別人工智能系統(tǒng)所能帶來的潛在收益，與其對公正性和公平性的負面影響相比顯得蒼白許多。COMPAS累犯預(yù)測軟件具有比人類更高的準確性，但正如Dressel和Farid所寫，這“并不像我們想要的那種準確，尤其是從未來還懸而未決的被告者的角度來看”。預(yù)測個人預(yù)期壽命的算法，比如Aspire Health正在開發(fā)的算法，并不一定會讓人們的情緒調(diào)節(jié)變得更容易。

這些例子說明了識別個體不知情動機的影響，并且展示了知識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候。關(guān)于集體不知情在什么時候有益處，或者在道德上合理的問題，沒有現(xiàn)成的答案。理想的做法是單獨考慮每個案例，進行風(fēng)險收益分析。理想情況下，鑒于爭論的復(fù)雜性和后果的重要性，這一分析將公開進行，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器根據(jù)已采集數(shù)據(jù)進行的推理。例如，我們可以“禁止”使用種族作為預(yù)測變量的司法算法，或者從潛在求職者的預(yù)測分析中排除性別。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，同時要求大型政府機構(gòu)不斷對其審查。另一方面，一旦采集到大量的數(shù)據(jù)集，總是會有很多迂回的方法來推理出“禁止的知識”。假設(shè)政府宣布使用性別信息來預(yù)測學(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，直接進行替代指標的二級推理。有時候，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。這些二級推理導(dǎo)致對算法的審查更加困難。一個分析中包含的變量越多，發(fā)生二級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，測試他們在機器即將做出決定的情況下表現(xiàn)出的道德直覺。

保護不知情權(quán)權(quán)更激進——也可能更有效——的方法是第一時間防止數(shù)據(jù)被收集。2017年，德國做出了一項開創(chuàng)性的舉措，立法禁止自動駕駛汽車通過種族、年齡和性別來識別道路上的人。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，收集和存儲必需的最少量數(shù)據(jù)，并且獲得客戶對其數(shù)據(jù)使用方式的同意。這種對數(shù)據(jù)獲取的限制可能也會阻止二級推理。但《通用數(shù)據(jù)保護條例》的一個重要局限是，公司可以為自己設(shè)定非常寬泛的目標。例如，如今已經(jīng)關(guān)門的劍橋分析（Cambridge Analytica）公司的明確目標是評估用戶的個性，因此在技術(shù)上，它對Facebook數(shù)據(jù)的收集符合《通用數(shù)據(jù)保護條例》的規(guī)定。同樣的，只要用戶同意——許多人即使在獎勵相當微薄的情況下也會同意分享自己的數(shù)據(jù)——《通用數(shù)據(jù)保護條例》對數(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？

美國程序員、自由軟件活動家理查德·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，如果對數(shù)據(jù)采集的限制過于嚴厲，又可能會阻礙人工智能的發(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)摰钠鋵嵤悄阄易鳛閭€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。收回數(shù)據(jù)將使我們每個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)以百萬計的個體將根據(jù)自己的是非觀來決定自身數(shù)據(jù)的用途。我們可以對公司如何使用數(shù)據(jù)做出實時反應(yīng)，根據(jù)他們對待數(shù)據(jù)的方式來進行懲罰或獎勵。

關(guān)于把數(shù)據(jù)放回人們手中，計算機科學(xué)哲學(xué)家杰倫·拉尼爾（Jaron Lanier）提出了一個經(jīng)濟學(xué)上的論據(jù)。他指出，通過將我們自己的個人數(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，免費提供數(shù)據(jù)的意愿在道德完整性上是很好的試金石。一個小眾群體中有多少人會愿意免費提供數(shù)據(jù)，以創(chuàng)建一個像“同志雷達”這樣的面部識別應(yīng)用程序？又有多少人會愿意為此付費？另一方面，大多數(shù)人會很樂意貢獻他們的數(shù)據(jù)來尋找治療癌癥的方法。第二個問題是，賦予個人數(shù)據(jù)（較高的）經(jīng)濟價值可能會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)。

這并不是說個人的單獨行動就足夠了，社會機構(gòu)的集體行動也是必需的。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)人反對的高預(yù)測準確性。并不是所有人都明白這一點。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，由個人所有，并且通常是在沒有交易價值的情況下進行交換。從石油中獲利便殺死了石油市場。作為第一步，從數(shù)據(jù)中獲取利潤將為我們提供空間，用于創(chuàng)造和維持能在人工智能到來之后延續(xù)的道德標準，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，它也需要成為最便宜的商品之一。