文：车品觉
伦理不容忽视2016年11月，红极一时的大数据公司剑桥分析（Cambridge Analytica） 凭着对Facebook的舆论分析， 成功协助川普（Donald Trump）当选；英国国民健保署（NHS）的健康医疗大数据平台Care.data，因为资料隐私问题引发公众强烈抗议，最终摧毁了这项原本万事俱备的计画。与此同时，各种利用大数据及人工智慧技术的社会问题也开始不断浮现。
其实这也很正常，因为我们沿用的原则和法规已经无法跟上数据革命的步伐。大数据的进步正在不断延展关于隐私洩露和知情同意（informed consent）等问题。在这种情况下，我们非常需要一个全新的框架来建立一套健全的保护数据标準，让大家对科技发展保持信心。
以无人驾驶车领域的故事为例，当意外发生时，如果无人驾驶车在没有其他选择时，只能选择撞向一个有权势的大人物或一个弱小的儿童，那么，无人驾驶车的设计者应该如何处理？以数据驱动的自动化决策，在意外发生后进行责任评估，汽车和软体开发商到底谁的责任更大？同样的道理，如果脑科手术机器人出了意外，又该如何问责呢？
以大数据为基础的人工智慧仍然是一门相对较新的技术，在广泛被使用之前，公众对这种科技的信心很重要。数据伦理和标準是一方面，而对公众有着影响力的演算法所造成的结果，是否应接受审计，以确保透明度和安全性？未来如果有一种演算法能左右你的教育机会、职业选择、获得不同社会服务的权利，你又会怎么做？
牛津大学哲学与资讯伦理学教授卢洽诺．弗洛里迪（Luciano Floridi）一直在研究大数据产生的伦理影响。他描述了人工智慧两种不同的发展前景，第一种被称为「泳池模型」，即人工智慧的池水将溢满整个世界；第二种是他自己预测的「坑洞模型」，即人工智慧的水滴会落在一切事物上，但只会注满特定的坑洞。
顾问公司Frontier Economics在最近的一份报告中预测，到2035年，人工智慧将为英国经济增加8140亿美元产值，经济增长率将从2.5%上升到3.9%。如此美好的前景，需要先解决包括隐私和伦理在内的诸多问题，方能安全着陆，且让我们拭目以待。
联邦通讯委员会（FCC）之前发现，当地最大的行动营运商Verizon的无线部门侵犯了用户隐私，在用户的流量里植入了特殊的追蹤码（super cookies），以记录用户的特殊消费行为，并将相关数据提供给外部广告商，好让他们针对性地投放广告。因此FCC 认为，Verizon的行为违反了网路透明性规则。
这个案例让我们深思，数据安全的边界在哪里？目前来看，数据安全边界还相当模糊，对于数据安全问题，大家一定要谨慎，不能把它简单化和一刀切。无论是站在个人立场，还是作为组织机构，两者都会面对社会伦理问题。哪些事可为？哪些不可为？与在总体层面上处理客户群的资讯相比，若是站在客户个人层面上，或是针对既定範围内的某些客户，在何种程度上利用个人资讯是可以接受的？哪些个人资讯的储存可以明文、哪些要加密，而哪些资讯根本就不适合留存？什么情况下可以交叉参照一名消费者散落在各处的资讯？
举个例子，假设我订了一张第二天去的机票，这个资讯跟我的饭店入住纪录关联起来，三秒钟后，我的手机就收到了饭店八折预订的促销资讯。这对于作为消费者的我来说，是否合理？如果把一批曾到过的游客分成一些小组，一次给某个小组发送八折资讯，会不会好一点？
如今，大数据产业一直在忽略、迴避和否认数据伦理这个问题。忽略的原因就是害怕，害怕一检查就露出破绽，害怕过度关注伦理会扼杀创新，害怕伦理问题太过棘手而无从解决。但我们不需要害怕它，而是要去改变自己的数据安全策略，真正打通伦理这一环。
水能载舟，亦能覆舟白宫警告，政府必须在人工智慧仍依赖人类的时候，思考如何监管和利用这项技术。大部分人也赞同，政府需在这方面有所作为，但如何具体落实尚未清晰。人工智慧的实际问题越来越多，而且迫在眉睫。例如，Google的无人驾驶车一旦出意外，谁该负责任？汽车生产者还是乘客，数据提供者还是演算法工程师？
我就见过一例，因为某个表格栏位数据意外遗失，令自动化系统演算法判断失误，导致一家企业损失了几千万元。最后追究责任时，才发现这只是产品经理的一个小疏忽。
数据输入问责制日趋重要我们都知道，想让机器学习成功，首先要给它清楚的目标，然后向它「餵食」大量数据。但让人担心的是，人类在输入目标和设计上，可能会把既有的偏见，灌输进人工智慧的思维。比如，某大平台向男性推送高薪工作的机会远高于女性；的员警系统判断，非裔人比更容易被当成惯犯。如果要由人工智慧决定谁可以获得贷款、工作或假释，那么，对输入这些系统的数据进行某种程度的问责，以确保準确性，将变得越来越重要。
法律界也指出，智慧产品的创造者，有义务证明其产品符合公共安全要求。毫无疑问，人工智慧已经带来政策上的挑战，比如，在自动化技术变得更加複杂、更加智慧的同时，如何继续确保其可控性？虽然人工智慧在某些方面已打败人类，但很多系统的应用仍依赖人类来指示方向，有能力完成，和自主完成并不相同。当然，有些科学家也曾经说：「如果有一天，製造机器人的是另一个机器人时，我们就要小心了。」
现在，政府已在想办法监管人工智慧，例如无人机和癌症探测分析仪等。白宫科技政策办公室也联合多个政府机关，依据事实制定监管办法。各位不要以为这只是政府该烦恼的问题，因为我们可能很快会发现，某CEO下台是因为一个关键演算法失误，这绝非危言耸听，如今，複杂的科技已让传统管理体系捉襟见肘。大数据、人工智慧、机器学习等都是新生事物，水能载舟，亦能覆舟，趁人类仍掌控着大局时先打好基础，做好防範，是当务之急。
无人驾驶车致死事件，人工智慧準备好了吗？国家公路交通安全管理局（NHTSA）调查了第一宗无人驾驶车致死的车祸，当事人驾驶一辆以自动驾驶模式行驶的汽车上了高速公路，却因识别错误，全速撞向一辆卡车。据说，意外中用以紧急防撞的毫米波雷达也同时出错，有人解释这种情况很罕见，但圈内还是有很多人热议，人工智慧到底準备好了吗？
人工智慧并非新概念，自从参与1956年达特茅斯会议（Dartmouth Conference）的学者们提出这一概念以来，已有六十多年历史。人工智慧研发是一个不断成长的领域，其研究方向早就随着大数据及分散式运算能力的发展而不断扩展，至今已包括机器／深度学习、自然语言处理、图像识别、手势控制、虚拟助手、智慧机器人、情感认知、智慧推荐、语音翻译、视频内容识别等。
人工智慧领域的融资总额逐年稳步增长，从2010年的2亿美元到2013年的6亿美元，再到2015年的12亿美元，未来有望更上一层楼。从融资金额和宗数上，我们可以看出，从事机器学习和自然语言处理的公司现在可谓炙手可热。Google的CEO在一封致股东信中，更把机器学习誉为「人工智慧和计算的真正未来」。
现在谈起高科技，人们势必会提及Google、IBM、微软等巨头，但在人工智慧领域，创业机会其实比我们想像的更蓬勃，根据的统计资料，在人工智慧的风险投资项目中，九成公司的员工少于五十人，更有五成公司的员工少于十人。的情况也类似，虽然百度、阿里、腾讯在人工智慧的投资也不少，但产业内还是不乏活跃的小团队。不断崛起的年轻公司持续推进着人工智慧的发展，这一领域的未来一片光明。
不管你是满足于偶尔向Siri提问，还是在热切期待与机器人相伴的那一天，但有一件事情确定无疑：未来几年，人工智慧在我们生活中的角色将越来越重要。
史蒂芬．霍金（Stephen Hawking）曾在一次访问中说，披着数字助手和无人驾驶车等外衣的人工智慧正快速发展，其进化速度可能比人类更快，而且它们的终极目标将不可预测。一旦机器人达到能够自我进化的关键阶段，我们将无法了解它们的目标是否与人类相同。历史告诉我们，人类的进步来自贪婪，而每次毁灭来自愚昧，这正符合《易经》「水火既济」和「火水未济」的道理。
书籍介绍本文摘录自《数据的商战策略：建立以数据驱动为核心的营运关键》，天下杂誌出版 ＊透过以上连结购书，《关键评论网》由此所得将全数捐赠联合劝募。
作者：车品觉
从行动网路到5G时代，企业欠缺的再也不是数据， 而是一套符合商业目标的大数据策略，实现数据变现。
数据收集不完怎么办？ 部门各自为政怎么解？ 如何找到数据化的切入点？ 如何不让安全原则影响业务效率？从阿里巴巴经验， 解答企业推行数据化的最容易遭遇的困难点； 揭开当前数据变现的最热领域。
本书作者车品觉在2010年至2016年先后任职于支付宝、淘宝，并担任阿里巴巴集团副总裁及首任数据委员会会长，期间开发多个数据产品，成功带领阿里巴巴转型成为数据公司。
数据，终将成为企业的核心资产。但是，要落实以数据为核心的改变、让数据发挥策略性的价值，在实际运作上还有许多环节要打通。在本书中，作者第一手公开阿里巴巴的转型过程，建立以数据驱动为核心的智慧商业模式，包括如何从工作流中寻找数据化的切入点、如何设定数据收集策略与数据流通策略。
并介绍医疗、金融、零售、娱乐等多种产业，如何发挥对数据策略的想像，透过不同领域的数据结合，让外部数据弥补内部业务的盲点，实现数据变现。