淘宝抖音上线算法「封闭 键」！315之后，隐私、技术、监管上演「三国杀」
技术的利害 取决于人的善恶。作者 | 秀松
编辑 | 余快
一年一度的打假晚会如期举行，“隐私数据”成为核心症结 词。
岂论 是免费Wi-Fi窃取 位置信息，还是儿童智能手表成为窃听对象 ，都在揭露一个事实：
技术的进一步扩张，正在压缩人们的隐私界限 。
晚会又举了一个例子：用户只需要浏览网页，技术公司便可抓取MAC地址，然后匹配到手机号，便利 营销公司精准营销。
受利益驱动，技术成了灰色家当 链的掘金铲，用户所浏览的商品信息、浏览时长、兴趣喜好 等非生物特征信息都是该技术的“原料”，成为另一个隐私泄露重灾区。
这实际上是去年「人脸识别」话题的延续，只不过隐私数据从人脸这类生物特征信息，酿成 了非生物特征信息，但实质 上是对技术侵犯隐私的又一次曝光。
久长 以来，围绕技术和隐私的讨论不堪 枚举，人们对二者何为第一性并未杀青 共鸣 ，但基本上都认可 ，两者之间并非零和博弈，症结 在于如何划分技术、隐私数据和商业行为的「界限 」。
失控的数据
2021年的3·15晚会上，央视披露了多家企业不法 抓取人脸数据，宝马、科勒卫浴等品牌被点名批评。
半年之后，便利蜂铺设摄像头采集数据事件再将数据隐私推上舆论高地。
两起事件不过是诸多企业收集数据的缩影，而在人们的生产生活中，这样的例子比比皆是：
上下班要刷脸打卡，进入小区要刷脸解锁，商场购物则少不了摄像头的“监控”。
这些只是线下场景收集的数据。在线上，用户的小我 资料、兴趣喜好 等数据同样会被抓取，用以推荐更为适合 的商品、文章、图片、视频等内容。
在由年夜 数据和互联网技术组成 的数字化时代，人们已经无法避免被收集小我 数据的情况，只不过线下收集的数据以小我 生物特征信息（人脸、指纹等）居多，更容易引起人们的存眷 ，而线上收集的小我 数据，则尚未引起足够的重视。
但殊途同归，收集数据不是目的，让数据产生价值才是企业的追求。岂论 线上线下，围绕数据所产生的利益链条，已经深入到诸多企业的血管之中。
在这利益链条中，有的被称之为灰色交易，比如直接倒卖隐私数据，有的却又在司法 监管之外，比如收集数据优化推荐算法，通过推送个性化商品和告白 来杀青 交易。
“有效数据越多，价值量越年夜 。”一位数据公司数据中心VP告诉掘金志，现在很多算法都需要年夜 量数据来训练、优化，从而实现加倍 智能化的推送。
这也是诸多公司冒着风险去收集包含 人脸在内的数据的原因：利用数据来调剂 营销策略，去触及更多有效用户，杀青 交易、产生收益。
简单举个例子：商户开业初期，数据剖析 发明 女性消费者偏多，那么在随后的供货清单里，其产品也会倾向于女性。
另一个比较有趣的现象是，此前有很多APP，不给小我 信息就无法用。
在众多APP的解释中，收取小我 信息数据是为了更好地推荐内容，但“不给就无法用”实际上裸露 了其真实目的：嘴里都是诚意，实际上干的都是生意。
“一方面，更好地推荐内容利于增强用户黏性；另一方面，APP要通过收集用户数据来构建用户画像，便利 与告白 主进行协商谈判，来谈合作。”
一名负责告白 投放业务的员工表示，在结算方法 一样的情况下，适合 的投放平台，可以带来三方共赢的局面：
“告白 主能降低有效用户的获客成本，APP所有方获得告白 投放收益，而用户则获得 了更多优质悦目 的内容。”
但这种“赢”实际建立在用户数据的基础上，换言之，这场数据交易，实则获益者只有两个：告白 主获得精准曝光，获客成本进一步降低，并能从其他商品上进行转化；APP方则获得告白 收益。至于用户，除了要被销售 数据之外，还可能通过告白 进行商品消费。虽然用户也可能不会花钱买产品，也不会产生任何直接经济损失，但通过其数据交易，其他两方获益，己方也会承担「交易成本」，即便这种成本弗成 见。
这正如纪录片《监视资本主义:智能陷阱》所言：“如果你没有花钱买产品，那么你就是奇货可居 的商品。”
某行业人士告诉掘金志，由于相关方以提供办事 为借口采集数据，消费者实际上处于弱势位置 ，即便消费者具备一定的警惕性和掩护 意识，在拒绝采集数据就无法享受基本办事 的情况下，也不得不捏着鼻子签下这类“不平等条约”。
在这种纰谬 等的关系中，生产者的强势与消费者的弱势，使得数据交易越来越泛滥，加上缺乏有效的监管办法 ，收集小我 隐私数据的行为也愈发跋扈 獗，逐渐走向失控。
膨胀的「信息茧房」
对于许多人而言，生物特征信息比非生物特征信息的隐私掩护 层级更高。
通常情况下，生物特征信息（人脸、指纹等）与资金账户、社交关系等密切相关，一旦产生 泄漏，所产生的风险损失在某种水平 上是「可预知」的，损失也是相对「可控」的。
以人脸数据为例，产生 数据泄露之后，用户首当其冲可预知到账户平安 ，然后通过各类 手段冻结账户。
而非生物特征信息（兴趣、喜好 等）由于风险损失的「弗成 预估」，普通用户很难有一个直不雅 的认识。
例如，在注册APP时，用户被要求填写基础资料、小我 喜好 等信息。这个进程 中，用户只需要支付时间成本，而不会产生直接利益损失，就能够获得更精准的信息推送办事 。
但命运赠送的礼物，早已黑暗 标好了价格。
这些数据虽然不会直接带来损失，但危害或许更年夜 。在这些数据的加持下，各类 推荐算法横空降生 ，构建了一张张封闭的「信息茧房」，茧房里的用户们，成为一茬茬被收割的对象。
年夜 数据杀熟可以说是比较明显的一类收割方法 。
系统通过抓取用户在线时长、消费记录等特征值，将用户按标签分组，然后推送不合的折扣，给新用户优惠，老用户崇高。
人们常说的消费主义也与之相关，许多用户在购物平台上购买商品，系统会依据 用户的浏览记录、时长、输入标签、石友 等等，推送其可能喜欢的商品，并且一发弗成 收拾。最后用户可能买了一年夜 堆并不实用的商品。
这两种都比较常见，但商家只是为了赚取更多利润，虽然面黑，却也至少在司法 监管之内。
但从另一个角度看，基于数据产生的推荐算法，如果没有获得 有效引导，那么将会带来「社会性灾难」。
品牌流传 有一种常用技巧，叫培养用户心智。最典范 的莫过于“钻石恒久远，一颗永流传”这句告白 ，把钻石和恋爱 画上等号，成为结婚弗成 或缺之物。实际上，钻石自己 价值不如黄金，但仍有无数男女为之倾倒。
罗马的建成并非一朝一夕，培养用户心智，也弗成 能一蹴而就，而是潜移默化、春风化雨。
以最近被讨论得较多的豆瓣为例：
豆瓣曾于2012年上线了“豆瓣猜”功能，依据 官方界说 ，该功能如下：
“你的小我 推荐是依据 你的收藏和评价自动得出的，每小我 的推荐清单都不合。你的收藏和评价越多，豆瓣给你的推荐会越准确和丰富。每天推荐的内容可能会有变更 。随着豆瓣的长年夜 ，给你推荐的内容也会越来越准。”
毫无疑问，该功能的初心是为了给用户提供更优质内容，包含 现在许多短视频APP，在使用推荐算法的时候，直接目的是增强用户黏性，然后通过告白 投放变现。
但这类推荐实际上会形成一个「信息茧房」，即用户在某一类其余 内容下熏陶太久，很难再接收到其他跨行业的内容，从而造成信息阻塞。在这个「茧房」里面的用户，每天都受到同质化内容的冲击，思维也会受到影响，趋于单一甚至极端。
一份对豆瓣的研究注解 ，豆瓣由于是小组机制，以组为单位的信息交流较为封闭，受推荐算法影响，组内成员接收到的内容更为单一（精准）。整个小组就是一间衡宇 ，只接受来自推荐算法的投喂，而拒绝跨行业交流，所以不难理解豆瓣涌现 的一些极端言论。
如果这种推荐算法被用于舆论战，比如在俄乌事件中，Facebook允许用户揭橥 任何干 于俄乌领导人的痛恨 言论，那么许多人可能都邑 接收到更多类似言论，从而带来严重的社会问题。
所以，看起来没那么重要的数据，在推荐算法的放年夜 下，影响也会被放年夜 无数倍。即便一开始，推荐算法是出于好意，但若缺少有效监督，最终会酿成恶果。
技术、监管与商业行为
“技术仅是一种手段，它自己 并无善恶，一切取决于人从中造出什么，它为什么目的而办事 于人，人将置于什么条件下。”
德国存在主义哲学家雅斯贝尔斯如是说。
互联网、年夜 数据、AI等新技术确实带来了生产生活的转变 ，同时重铸了商业模式，但技术与人之间的关系却产生了「滞后效应」。
所谓滞后效应是指，司法 监管、民众意识的觉醒，落后于新技术的演变，这种时间差所导致的认知差别 很容易引起争议，而这种争议又因利益主体而有着截然不合的态度。
以人脸识别为例，该技术已经普遍 应用到视频监控、消费电子等场景，但不合的采集主体，人们却表达了不合意见。
比如，疫情防控需要采集人脸信息，几乎没有人表示否决 ，但对于商店收集人脸，却有千般 不肯 。
“对公权力的信服，使人们相信公权力收集人脸信息是为了年夜 众平安 与福祉。”
一位司法 行业人士表示，这种信任在商业层面却恰好相反：当人脸识别技术被用于成长 商业时，人们对生物特征信息相当敏感，甚至可以说抵触。
因为前者属于利益共享，并且有政府背书，人们相信前者有能力来掩护 小我 数据平安 。但后者是纯商业行为，消费者从中无法获得利益，并且存在很年夜 的信任危机。
在这段时间差里，由于缺乏针对性的司法 加以监管，隐私、技术、商业、监管四者之间存在一片模糊地带，成为灰色家当 链的沃土。
《小我 信息掩护 法》和《数据平安 法》的出台，一定水平 上规范了行业，但从监管层面来看，隐私与技术、商业行为之间的界限依旧不敷 明晰。
以生物特征信息为例，哪些信息可以采集、哪些信息弗成 以采集，什么时候能用，什么时候不克不及 用，尚未有国度 层面的正式司法 依据做支撑。
举个例子，现在很多技术公司在做「智能商业」，也就是通过采集数据来给商户营销办事 。人脸信息在《小我 信息掩护 法》有明确划定 ，企业私自采集人脸并商用属于违法行为。
技术公司已经可以通过技术手段，比如数据脱敏，来规避失落 人脸信息，而采集性别、年龄、穿戴 、用户行为等其他信息，这部分数据实际上处于上述提及的灰色地带之中。
这些数据能不克不及 采？是一个问题。
另一个问题是，针对线上用户的推荐算法，其采集的数据范围、类型等要不要加以限制？
一位数据公司VP告诉掘金志，现在的年夜 数据实际上处于线上线下融合成长 的阶段，任何一端的监管缺失，都邑 带来很严重的问题。
虽然2022年1月出台了《互联网信息办事 算法推荐治理 划定 》，对推荐算法进行规制，但在数据采集方面依旧缺少约束。
比如，今年315之后，淘宝、抖音、微博等APP上线了算法封闭 键，用户可封闭 “个性化推荐”，不过实际影响可能有限。
某行业人士表示，封闭 “个性化推荐”存在弹性：其一，只是降低了内容的相关度；其二，依旧可以通过其余 算法（如近邻算法）来感知消费者的喜好；其三，APP依旧可以采集隐私数据。
当然，这并不料 味着该功能无用。在他看来，数据已经成为现代商业弗成 缺少的一部分，是成长 数字经济的基础“资源”，几乎不太可能割裂数据与商业之间的联系。
“如果要划分隐私数据、技术与商业行为之间的界限 ，需要企业、消费者、监管方、媒体等多方介入 。”
而这又将是一场持久的「利益博弈」。
AI 商业模式的脱靶、崩塌、救赎
算法商城，到底是不是伪命题？
页:
[1]