一文詳解「數據門」，劍橋分析如何「暗箱操控」總統選舉

【獵雲網（微信號：ilieyun）】5月7日報道（編譯：福爾摩望）

從Facebook竊取的8700萬用戶數據是如何成為幫助選舉的廣告活動的？收集的大量數據實際上涉及了什麼？那些數據告訴了我們什麼？

劍橋分析醜聞引發了一個接一個問題，但對許多人來說，該公司的技術專利仍然是一個謎。

8700萬被竊取信息的用戶可能想要知道自己的數據到底被用來做了什麼，所以我又重新採訪了劍橋分析前僱員Christopher Wylie，正是他向媒體曝光了公司的運作問題。根據Wylie的說法，你所需要知道的只是關於數據科學、無聊的富裕女性以及一些有關人類心理學的內容。

他說：「當你構建一個演算法時，你首先需要創建一個訓練集。」也就是說，無論你想要使用奇特的數據科學來發現什麼，你首先需要以老派的方式進行收集。 在使用Facebook點贊情況預測一個人的心理狀況之前，你需要讓幾十萬人來做個性測驗。

所謂的訓練集，就是指Facebook點贊數據集、個性測試以及其他你想要了解的整個數據。最重要的是，它需要包含你的「功能集」，即你想要進行預測的基礎數據。Wylie說：「在這個例子下，它是Facebook數據，但它也可以是文本或者點擊流數據。這些都是你想要用於預測的所有功能。」

另一方面，你需要你的「目標變數」，用Wylie的話來說，就是你試圖預測的東西。所以在這一例子下，是你擁有的個性特徵或政治傾向。

如果你試圖用一件事來預測另一件事，那麼你最好同時考慮這兩者。Wylie說：「如果你想知道功能集中的Facebook點贊情況與個性特徵之間的關係，並把之作為你的目標變數，那麼你需要同時考慮這兩者。」

當Wylie最初於2014年在這一領域開展工作時，Facebook數據就已經成為數據科學領域內相當豐富的資源。個性特徵難以掌握：雖然BuzzFeed測驗可能會有所增加，但是要說服一個人填寫一份120道題的調查問卷，需要相當多的時間。

然而，「相當多」只是相對的。「對於一些人來說，參加調查的動機是財務問題。如果你是學生，或者正在找工作，或者只想賺5美元，那這就是動機。」Wylie表示，實際交付的報酬從2美元到4美元不等。較高的報酬可以獲得難以接觸的團體。非裔美國人是最不喜歡接受調查問卷，但收益最多的人群。「其他人可能只是覺得有趣，或者感到無聊。所以我們總是會過度抽樣富裕的白人女性。因為如果你住在漢普頓，下午又無事可做，那麼你可以填寫消費者調查問卷。」

個性調查使用這120個問題來按照「五因素」模型來描繪受調查者，這五個因素包括：經驗型、自覺型、外向型、爽快型和神經質型。

這種模型將個性特徵聚合為跨文化和跨時代的差異。舉例來說，那些自稱為「大聲」的人可能也會將自己形容為「合群」。如果他們今年同意這種說法，那麼可能明年也會一樣。這種聚合可能會在每種語言的回復中顯現出來。如果一個人對此產生了負面反應，那麼他們和那些產生積極反應的人之間會有顯著的差異。

Wylie表示，這種模型的特點對於分析個人來說是非常有用的，但與一些主流的心理學模型，比如Myers-Briggs系統正好相反。在調查的測試階段，Facebook幾乎沒有參與進來。調查會提供在商業數據研究網站上，首先是亞馬遜的Mechanical Turk平台，然後是一家名為Qualtrics的專業運營商。

Facebook只在調查的最後階段才會發揮作用。為了獲得相應的調查報酬，用戶需要登錄該網站，並授權給劍橋大學學者Aleksandr Kogan開發的調查應用，正是這一應用給Robert Mercer資助的劍橋分析公司提供了完美進入這一領域的方式。（Kogan堅持表示，劍橋分析公司向他保證他們會合適的使用數據，並認為自己是Facebook和劍橋分析公司的替罪羊。）

對於調查用戶來說，這個過程很快：「你點擊該應用，繼續，然後它會給你支付代碼。」但是在這幾秒鐘內發生了兩件非常重要的事情。第一，由於用戶剛剛登陸了該網站，這一應用收集了儘可能多的數據。如果心理狀況是目標變數，那麼Facebook數據就是「功能集」：數據科學家需要使用這些信息來準確預測他們真正想知道的特徵。

它還提供了真實姓名，位置和聯繫方式等個人身份信息，這些信息在調查網站上是無法看到的。「這意味著你可以拿著這份清單，將之與選舉登記冊的自然人聯繫起來。」

第二，該應用對安裝用戶的所有朋友做了相同的事情。原本參與調查的只有數十萬人，但突然間，人數就擴大到了百萬人。

這就是最終轉型的最終目標。你如何將幾十萬個人資料轉化為幾百萬？通過大量的計算能力，以及巨大的可能性矩陣。Wylie說：「即使你的樣本量是30萬人，但實際上，你的功能集會超過1億人。」數據集中的每一個點贊都會成為這一巨大矩陣中的每一欄。「即使整個集合中只有一個實例，它仍然是一個功能。」

「然後所有的數據被放入一個整體模型中，」Wylie說。「現在，你可以對不同的家庭使用不同的機器學習方法，因為他們每個人都會有各自的長處和短處。然後他們進行投票，然後合併結果並得出結論。「這就是數據科學變成數據藝術的地方：每種方法對整體模型的確切輸入並不是一成不變的，並沒有所謂的正確方式。在學術界，它有時被稱為「由研究生訓練」，唯一要做的就是通過艱苦的嘗試和錯誤向前邁進。顯然，它運行的還不錯，最後Wylie說：「我們構建了253個演算法，這意味著每個配置文件記錄有253個預測。」目標實現了：這種模型可以有效地獲取Facebook點贊的主題，然後填入電子表格的其他欄目，以預測他們的個性、政治偏好等等。

截至2014年8月底，Wylie首次取得了成功：來自美國11個州的210萬份檔案記錄，這些記錄將被用於溝通和完善Mercer與Steve Bannon資助的共和黨競選活動。「這個數字代表的是不僅是那些匹配Facebook數據、選民數據和消費者數據的人，而且還有額外的253個預測。」

這253種預測是劍橋分析公司聲稱它可以為其客戶提供的「秘訣」。通過Facebook，廣告客戶只能進行廣泛的人口統計，以及較窄的由演算法決定的類別，比如你是否喜歡爵士樂，你喜歡的球隊是什麼。但是擁有了這253種進一步的預測，劍橋分析公司能夠獲得別人所沒有的信息：一個神經質的、外向的、爽快的民主黨人，可能會被投放更為激進的信息。這些信息都是為了壓制他們的投票意圖，即使是相同的信息，也會產生相反的效果。

Wylie舉了一個有關候選人是否支持就業的例子。經濟中就業是一個很好的例子，因為這是毫無意義的信息。每個人都會在經濟中就業。因此，從從這個意義上說，只用『我支持經濟就業』或者『我有一個計劃來解決就業問題』，你是無法將自己與對手區別開來的。

「但我們發現的一個事實是，不同的人會在這一問題上附上與自己傾向相關的不同動機和價值觀。」

也就是說，同一件事可以不同的語言，包裝成不同的意思，從而讓候選人在感情側面上產生與選民的聯繫。「如果你正在與一個有良心的人交談，那麼你可以談論成功的機會和工作帶給你的責任。如果是一個開放的人，那麼你可以談論成長的機會。與神經質的人交談，你需要強調它基於我家人的安全感。」

由於現代競選活動的網路化特徵，理論上這些信息可以同時傳遞給不同的群體。這些信息甚至可以實現自動化，通過演算法在詞庫中找到完美組合的辭彙來贏得不同人群的支持。

當然，這並不全是好事。一個用於提振右翼投票率的消息攻擊了同性婚姻。「這很有趣，因為這是恐同症的體現，但創造它的卻是一個同性戀團體，」Wylie說。「這條消息是針對有良知的人，上面印有一個字典，並寫著『捍衛婚姻』。對於一個有良知的人來說，這條消息是非常引人注目的：字典是秩序的源泉，有良心的人更願意遵循秩序。」

在這個時刻，心理定位進入了狗哨運動的領域。例如，在圍繞移民的競選活動中，牆的圖像被證明是非常有效的。「有良知的人喜歡秩序，所以對他們來說，解決移民問題應該是有條不紊的，而一面牆則體現了這一點。你可以創建對一些人沒有意義，但對其他人有很大意義的消息。如果你展示這樣的形象，有些人不會明白那是關於移民的問題，而其他人會立即想到這個。」對Wylie來說，實際問題只不過是政治中的「白色吐司」，等待著真正的味道。「沒有人想要普通的白麵包。」他認為數據工作就是了解特定的味道或香料，讓食物變得吸引人。

雖然這是一個非常複雜的瞄準機器，但人們對劍橋分析的心理測量模型仍然存在著疑問。當Kogan在4月份向議會提供證據時，他表示，將個性測量分數應用到個人身上，是幾乎沒有好的結果。也許這一點足以說明問題。即使個人被正確地標記了五個因素，但基於此投放的廣告，真的是利用了一個人對秩序的偏好，還是對其他事物的恐懼？

顯然這裡面還有其他成分。比如2012年申請的專利《通過社交網路系統通信確定用戶個性特徵》。「存儲的個性特徵可能被用作廣告商的定位標準，以增加用戶與投放廣告積極互動的可能性，」該專利上寫道。這份專利的作者是？正是Facebook自己。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！