Pytanie do eksperta: Czy to prawda, że sieci społecznościowe nas obserwują
Dmitry Kurkin
ODPOWIEDZI NA WIĘKSZOŚĆ PYTAŃ W USA korzystaliśmy z wyszukiwania online. W nowej serii materiałów zadajemy takie pytania: palenie, nieoczekiwane lub powszechne - dla profesjonalistów z różnych dziedzin.
10-letni Challenge Flash Mob, uruchomiony w sieciach społecznościowych na początku roku, nie tylko zrodził teorie spiskowe, że celem kampanii było zebranie zdjęć użytkowników i przeszkolenie ich w rozpoznawaniu systemu rozpoznawania twarzy, ale także po raz kolejny skłonił ich do zastanowienia się, ile wiedzą o nas. sieci społecznościowe i współpracujące z nimi strony trzecie (od firm komercyjnych po agencje rządowe).
Fakt, że giganci technologiczni zbierają i analizują tak zwane cyfrowe ślady pozostawione przez miliardy użytkowników dziennie, nie jest nikomu tajemnicą. A świadomość tego rodzi nowy rodzaj strachu przed „wielkim bratem”: sieci społecznościowe dużo o nas wiedzą, ale co, jeśli za dużo o nas wiedzą? Czy można wykorzystać big data, aby dowiedzieć się o wszystkich połączeniach, gustach, zwyczajach osoby, jej przeszłości i teraźniejszości? A jeśli tak, to jakie szkody może wyrządzić nam chęć nawiązywania kontaktów towarzyskich przez Internet, w związku z czym dobrowolnie dzielimy się informacjami na nasz temat?
Zapytaliśmy ekspertów, w jaki sposób dane użytkowników są przetwarzane przez duże firmy i jak duże jest ryzyko dziedziczenia w sieciach społecznościowych.
Liliya Zemnukhova
Pracownik naukowy, Centrum Badań Naukowych i Technologicznych, Uniwersytet Europejski w Petersburgu
Cyfrowy ślad zawiera wszystkie możliwe typy danych - teksty, obrazy, nagrania audio i wideo, geolokalizację i wiele metadanych (na przykład model gadżetu, operatora komórkowego, systemu operacyjnego, dynamiki i czasu trwania wizyt itd.). I nie tylko my uzupełniamy nasz cyfrowy ślad. Sieci społecznościowe tworzą nas jako użytkowników za pomocą trzech źródeł danych: fakt, że sami informujemy o sobie; że inni o nas informują; i co dzieje się najczęściej bez naszej wiedzy. Szczególnie nieprzejrzysty ostatni. Z zasady nie czytamy umów użytkownika i zasad gromadzenia i wykorzystywania danych osobowych. Zwracamy uwagę, że ta „czarna skrzynka” w jakiś sposób wpływa na nasze doświadczenia użytkownika: ukierunkowane reklamy, sugestie znajomych, zalecenia dotyczące muzyki, procedura uruchamiania wiadomości ... Sami konstruujemy niewielką część tego doświadczenia, kiedy ręcznie budujemy kanał wiadomości, ale głównie algorytmy wykonywać funkcje osadzone w profilach domyślnych. Dlatego nigdy nie pozbędziemy się reklam kontekstowych lub natrętnych sugestii grup lub (nie) przyjaciół. Sieci społecznościowe jako korporacje wykorzystują dane o swoich użytkownikach do celów komercyjnych, oferując swoją platformę do sprzedaży ukierunkowanych treści. Po drodze nadal gromadzą dane o nas: na przykład, jeśli przynajmniej raz zapłaciłeś za reklamę, dane karty bankowej i dane transakcji również pozostają w firmie. Dane mogą być również przekazywane agencjom rządowym, gdy istnieje wielka potrzeba: na przykład Facebook regularnie współpracuje z agencjami rządowymi USA, zgodnie z polityką przejrzystości.
Oprócz polityki wewnętrznej sieci społecznościowych istnieje jeszcze jeden ważny szczegół: konta mogą być powiązane z setkami tysięcy innych aplikacji i funkcji. To na przykład było powodem dużych dyskusji w ubiegłym roku na temat dostępu stron trzecich do danych użytkownika. W Unii Europejskiej podjęto ważną próbę uregulowania wolności twórców - w zeszłym roku weszły w życie ogólne przepisy o ochronie danych (GDPR). Postanowił nie przenosić problemów z danymi, ale zwrócił uwagę użytkowników na to pytanie. Nie zobowiązuje nas to do przeczytania wszystkich umów użytkownika, ale sprawia, że myślimy i przynajmniej jesteśmy bardziej odpowiedzialni za nasze cyfrowe ślady i przestrzegamy podstawowych zasad higieny cyfrowej.
Valeria Karavaeva
naukowiec danych w Spiking
Czasami nie myślimy o tym, ile utworów zostawiamy w sieci i o ile później pomaga firmom, nie tylko sieciom społecznościowym - choć także sieciom społecznościowym. Sieci społecznościowe gromadzą dane nie tylko dla siebie, mogą je sprzedawać - wiem o tym, ponieważ pracowałem w agencji reklamowej, a my kupowaliśmy dane z Facebooka. I najczęściej my, użytkownicy, wyrażamy na to zgodę bez zauważania tego. Ludzie spędzają połowę życia w sieciach społecznościowych i przekazują wiele informacji o sobie.
Ale możliwe było zbieranie danych wcześniej - więc dlaczego dopiero niedawno zacząłeś rozmawiać o dużych danych? Przede wszystkim dlatego, że moc obliczeniowa rośnie, a zatem staje się tańsza. Głównym problemem dużych zbiorów danych nie jest sposób zbierania danych - w zasadzie każdy z nas może dziś zbierać i przechowywać terabajty informacji - ale jak z nimi pracować. Większość danych uzyskanych z sieci społecznościowych (tekst, głos, zdjęcia, wideo) nie ma żadnej struktury, dlatego bez uczenia maszynowego duże dane są bezużyteczne. Teraz, dzięki temu, że moc i pamięć stały się tańsze, wzrosło zapotrzebowanie na sieci neuronowe i głębokie uczenie się - w końcu nauczyliśmy się przetwarzać duże tablice danych.
Weźmy na przykład zdjęcia - i to są naprawdę duże dane, mogą dać dużo informacji. Są miliony zdjęć, ale co z nimi zrobić? Jak możesz z nich skorzystać? Jakie wzory Ci przekazują? Uczenie maszynowe w rzeczywistości nie jest tak daleko. Nie jest to taki prosty proces, jak się wydaje: nie ma czegoś takiego, jak naciśnięcie przycisku, a w ciągu tygodnia otrzymasz pełne obliczenia.
Bezpośrednie uczenie maszynowe jest poprzedzone bardziej złożonymi zadaniami. Te same zdjęcia muszą być najpierw odpowiednio przetworzone (na przykład przycięte, wyśrodkowane zdjęcia; jest to ważne dla nauki) - jest to pierwszy etap, który zwykle zajmuje dużo czasu. Drugim etapem jest wybór architektury sieci odpowiedniej do rozwiązania problemu. Mówiąc ogólnie, budujesz dziesięć różnych sieci neuronowych i dają one dziesięć różnych wyników. Następnie musisz jakoś ocenić wyniki. A potem z dużym prawdopodobieństwem powrócisz do pierwszego etapu. Niemożliwe jest zbudowanie jednej uniwersalnej sieci dla każdego zadania: albo zbudujesz ją od podstaw, albo zmodyfikujesz już istniejącą. Rozpoznawanie twarzy to jedno zadanie, rozpoznawanie kotów to kolejne.
W procesie uczenia maszynowego uczestniczymy również, nie wiedząc o tym. Na przykład wprowadzenie captcha na stronach: za pomocą captcha Google przeszkoliło sieci neuronowe do digitalizacji książek.
Musimy zrozumieć, że firmy gromadzące duże dane nie są zainteresowane naszymi profilami osobistymi. Potrzebują danych o wielu różnych ludziach, którzy są zainteresowani czymś konkretnym. Jeśli chodzi o usługi specjalne, myślę, że mogą zbierać dane bez uciekania się do sieci społecznościowych. Myślę, że nasze obawy, że jesteśmy obserwowani, wkrótce miną. To jest nowy świat: nie można odziedziczyć sieci, ale jest to trudne. Łatwiej nie pojawiać się w sieci.
ZDJĘCIA: antonsov85 - stock.adobe.com