第五波科技浪潮,海量資料(Big Data)已席捲全球!

繼大型電腦、個人電腦、網際網路、社群媒體之後,Big Data 也對人類帶來全面性的影響,將世界泡在資料之海中。資訊呈爆炸性成長的同時,帶來新商機,也產生新危機

經過長期研究,商業主管 Jonathan H. King 和法學教授 Neil M. Richards 指出,Big Data 掀起資料使用的倫理討論,包含隱私安全、保密原則、操作透明、用戶身分等議題。大家的文字記錄、影像檔案、座標定位等 Big Data 幾乎無所不包,因此「Big Data 倫理」不只是法律議題,也是電腦工程師每天需面對的問題。

  • 倫理腳步苦追科技腳步

雖然以前就有資料分析,但規模之大、取得之易絕無法和現在比擬。如今,軟體開發商可取得並運用源頭各異或千里之外的資料,幾年前,這些都還令人難以想像。

我們面臨的問題是,Big Data 的內容量和應用面成長迅速,還富藏資訊價值,而過去的倫理和法律已難以管理與約束 Big Data 的使用。若我們無法在這新的數位時代裡建立應有的保護原則,Big Data 帶來的價值將會洗掉其他更重要的價值。

  • 從 Facebook 收購 WhatsApp 看個資隱私

Facebook 重砸 190 億美元(約 5700 億台幣)收購 WhatsApp,就是看上那 4.5 億的手機用戶,巨量的使用者資料瞬間到手。WhatsApp「零廣告、零遊戲、零花招」的經營哲學吸引了廣大的使用者,雖然創辦人 Jan Koum 承諾將持續奉行此原則,而且他也是董事會的一員,但可想而知,Facebook 一定不會白白浪費這些數據,畢竟 Facebook 缺少的就是行動裝置的用戶資料。

其實,Facebook 也曾為了類似的目的而捧著 30 億美元(約 900 億台幣)找上 SnapChat,但收購未果。SnapChat 有「閱後即焚」的機制,訊息或照片打開後,數秒後會自動刪除,以保障用戶隱私。

  • Big Data 帶來金錢和權力

Big Data 不再僅用於計算數據關係的資料庫表或演算系統,更代表了錢潮和權勢。廣義而言,Big Data 能幫助機構更了解自身優勢和大眾評價。

同時,也增加了社會對「Big Data 倫理」的需求。美國國安局監聽事件就不言自明,而且現在只需要瞧瞧你的 Gmail,就可以畫出你的社交網絡。從國家安全到個人訊息,都和 Big Data 倫理息息相關。

有鑑於此,King 和 Richards 提出了 Big Data 倫理的 4 大基本原則。 

1. 保障隱私

資訊使用的相關規範務必要清楚定義、持續強化,保護資料蒐集、使用與留存的隱私。各機構單位如政府、醫院、學校等擁有大量個資,這些數據依然能被適當地管理和分析,但隱私絕不能缺席。

2. 兼顧分享與保密

基本上,資訊的公開程度很難以二分法來定義,沒有所謂完全的公開或完全的保密。有時我們會主動分享照片、通訊錄,或是提供特定資訊以享受某些服務,如:GPS、WiFi 定位、手機信號塔。不過,我們提供或分享資訊並不代表想讓所有人都知道,你的醫療、金融、定位、聯絡、閱讀等記錄,應該也不打算公諸於世吧?

3. Big Data 操作透明化

如果將 Big Data 加以整合分析,跑出新結論或預測新趨勢,意味著極大的商業利益。有人就專門收集大量個資,再分享或轉賣給其他人,而一般大眾往往被蒙在鼓裡。但我們並沒有同意分享自己的資料,也不一定願意讓別人查閱這些資料。因此,Big Data 的使用應該要透明化,避免大家的個資在全球流竄自己卻還不知情。

4. Big Data 不應洩漏個人身分

沒有隱私很可怕,身分洩漏更恐怖。如果讓監管機構負責處理 Big Data,甚至可以任意動手腳,還不需要我們首肯,後果將不堪設想。現在宜開始思考,我們願意讓什麼樣的機構或計畫使用自己的個資,更重要的是,我們不願意讓誰看到哪些個資。

  • Big Data 倫理人人有責,工程師站在最前線

科技日新月異,只有上述 4 種原則是不夠的,編寫成法律條文也得再費一番功夫。不過,建立與落實 Big Data 倫理,使用 Big Data 的人都責無旁貸。

軟體工程師和資料庫管理員是第一線角色。資料實際使用的情況有千百種,存在著法律死角,因此,相關組織單位應自律操作或自定守則,明定合理的使用條件,否則光有法律仍無法有效落實 Big Data 倫理。

  • 科技監督 Big Data 應用

科技衍生出的倫理需求也可以用科技協助解決。利用電腦追蹤 Big Data 為誰所用、所為何用,透明化操作過程,加強大家的個資意識和個資管理。

所有人都身處 Big Data 的洪流中,加入 Big Data 倫理的討論,不僅保護自己,也能確保科技走在有益人類的路上。

(資料來源:Forbes;圖片來源:infocux Technologies,CC Licensed.)

  • 延伸閱讀

關於 Big Data 的兩大謬誤與六種必備人員

以為自己很懂 Big Data ,但其實你可能正犯下一個大錯