只到及格線？盤點科技公司遵循的數據倫理

在過去的一段時間中，數據泄露的新聞時有發生，這也引發了大眾對於誰擁有我們的數據、我們的數據如何被使用和共享的關注。儘管在事情發生之後，很多科技公司都表態會以更好的方式來使用和保護用戶數據，但是事實情況究竟如何呢?

在探究事實情況之前，我們先來說明一些其它情況：

首先，數據、演算法、人工智慧和機器學習等等是難以分開，且界限模糊。對於企業來說，這些概念是集中在一起的，但是對於研究人員和決策者來說卻不是這樣的。例如，機器學習雖是人工智慧的一個分支，但是在沒有監督的情況下讓機器自己學習，那麼，政策制定者必須要保證機器學習演算法是不受偏見的，並且要考慮到各種社會和經濟情況。

其次，考慮科技公司缺乏對數據倫理的一致性方法，所以我們調查了被廣泛接受的道德原則。

五大類數據倫理

事實上，很多科技公司都在數據倫理方面做了努力，例如微軟、IBM和谷歌都發布了自己的人工智慧道德原則，而Facebook和亞馬遜等公司則選擇了加入人工智慧合作夥伴關係(PAI)和信息技術產業委員會(ITI)等聯盟。

通過對比這些道德準則的內容，我們發現它們大致可分為以下幾類：

• 隱私：這是一個大家廣泛認為很重要的事情，目前大多數企業的關注點都是傳統的消費者/ 供應商關係，即消費者提供、產生的數據由公司擁有，公司可使用這些數據，但需尊重機密性。
• 治理：涉及數據管理中的問責制，確保數據的質量和準確性以及演算法的道德應用。這裡的重點是應該遵循的內部流程
• 公平性：公平性意味著以尊重數據背後的人的方式來使用數據和演算法，同時也意味著要充分考慮安全性，認識到數據的使用對於人們生活的影響。
• 共享利益：數據由產生數據的人所擁有，所以應該共同控制和共享利益。
• 透明度：透明度本質上是指對數據的收集和使用方式持開放態度，以及避免不必要的數據收集。可以認為是對數據所有權更細微的理解。

目前科技公司對於數據倫理的關注主要集中在隱私和治理上，但其實這只是最低要求。對於科技公司來說，公平性和透明度是現在需要考慮的問題，也需要在數據處理道德和數據收益之間來取得一個平衡。另外，對於正確的數據道德，公司之間還沒有取得共識，這可能還需要外部指導和監督。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！