Spørgsmål til eksperten: Er det rigtigt, at sociale netværk ser os
Dmitry Kurkin
ANSVAR TIL VIGTIGSTE SPØRGSMÅL vi plejede at søge online. I den nye serie af materialer stiller vi sådanne spørgsmål: brændende, uventet eller udbredt - til fagfolk på forskellige områder.
10 års udfordring flash mob, der blev lanceret i sociale netværk i begyndelsen af året, skabte ikke kun konspirationsteorier, at kampagnens mål var at indsamle fotos af brugere og træne dem for at genkende ansigtsgenkendelsessystemet, men også igen få dem til at tænke over, hvor meget de ved om os. sociale netværk og tredjeparter, der arbejder med dem (fra kommercielle virksomheder til offentlige myndigheder).
Det faktum, at teknologi giganter indsamler og analyserer de såkaldte digitale fodspor, der efterlades af milliarder af brugere dagligt, er ingen hemmelighed for nogen. Og bevidstheden om dette giver anledning til en ny slags frygt for "storebror": sociale netværk ved meget om os, men hvad hvis de ved for meget om os? Kan store data bruges til at finde ud af alle forbindelser, smag, vaner hos en person, hans fortid og nutid? Og hvis ja, hvilken skade kan vores ønske om at socialisere online, for hvis skyld vi frivilligt deler information om os selv, forårsage os?
Vi spurgte eksperter om, hvordan brugerdata behandles af store virksomheder, og hvor stor faren er at arve på sociale netværk.
Liliya Zemnukhova
Forsker ved Center for Videnskab og Teknologi Forskning ved Det Europæiske Universitet i Skt. Petersborg
Et digitalt fodspor indeholder alle mulige typer data - tekster, billeder, lyd og videooptagelser, geolocation og mange metadata (f.eks. Gadgetmodel, mobiloperatør, operativsystem, dynamik og varighed af besøg osv.). Og det er ikke kun os, der supplerer vores digitale fodspor. Sociale netværk udgør os som brugere ved hjælp af tre datakilder: det faktum, at vi selv rapporterer om os selv; at andre rapporterer om os og hvad der oftest sker uden vores viden. Især uigennemsigtig sidste. Vi læser som regel ikke brugeraftaler og politikker for indsamling og brug af personoplysninger. Vi bemærker kun, at denne "sorte boks" på en eller anden måde har indflydelse på vores brugeroplevelse: målrettet annoncering, forslag fra venner, anbefalinger til musik, proceduren for lancering af nyheder ... Vi konstruerer en lille del af denne oplevelse os selv, når vi manuelt bygger nyhedsfeeden, men hovedsageligt algoritmer udfør de funktioner, der er indlejret i standardprofilerne. Derfor vil vi aldrig slippe af med kontekstuel reklame eller påtrængende forslag fra grupper eller (ikke) venner. Sociale netværk som virksomheder bruger data om deres brugere til kommercielle formål og tilbyder deres platform til at sælge målrettet indhold. Og undervejs fortsætter de med at indsamle data om os: For eksempel, hvis du har betalt for reklame mindst én gang, forbliver også bankkort og transaktionsdata hos virksomheden. Data kan også leveres til offentlige myndigheder, når der er et stort behov: For eksempel samarbejder Facebook regelmæssigt med amerikanske regeringsorganer i overensstemmelse med sin politik for gennemsigtighed.
Ud over den interne politik for sociale netværk er der en yderligere vigtig detalje: Konti kan være forbundet med hundredtusinder af andre applikationer og funktioner. Dette var for eksempel årsagen til store diskussioner sidste år om tredjeparts adgang til brugerdata. Et vigtigt forsøg på at regulere udviklernes frihed blev lavet i EU - Generaldirektoratet for Databeskyttelse (GDPR) trådte i kraft sidste år. Han besluttede ikke at overføre data problemer, men henledte brugerne opmærksom på dette spørgsmål. Dette forpligter os ikke til at læse alle brugeraftaler, men det gør os til at tænke og i det mindste være mere ansvarlige for vores digitale fodspor og følge de grundlæggende regler for digital hygiejne.
Valeria Karavaeva
dataforsker ved spiking
Vi tænker nogle gange ikke på hvor mange spor vi forlader på internettet, og hvor meget det senere hjælper virksomheder, ikke kun sociale netværk - men også sociale netværk. Sociale netværk samler data ikke kun for sig selv, de kan sælge dem - jeg ved det, fordi jeg arbejdede på et reklamebureau, og vi købte data fra Facebook. Og oftest giver vi brugerne samtykke til dette uden at bemærke det. Folk bruger halvdelen af deres liv på sociale netværk og giver meget information om sig selv.
Men det var muligt at indsamle data før - så hvorfor har du kun begyndt at tale om store data for nylig? Først og fremmest fordi computerkraft vokser og dermed bliver billigere. Hovedproblemet med store data er ikke, hvordan man indsamler data. I princippet kan vi alle i dag samle og opbevare terabyte med information - men hvordan man kan arbejde med dem. De fleste af dataene fra sociale netværk (tekst, stemme, billeder, video) er ikke struktureret på nogen måde, derfor er det uden brug af maskine læring store data ubrugeligt. På grund af det faktum, at strøm og hukommelse er blevet billigere, er efterspørgslen efter neurale netværk og dyb læring steget - vi lærte endelig at behandle store datarammer.
Tag for eksempel billeder - og det er virkelig store data, de kan give en masse oplysninger. Der er millioner af billeder, men hvad skal man gøre med dem? Hvordan kan du drage fordel af dem? Hvilke mønstre giver de dig besked? Maskinindlæring er faktisk ikke så langt væk. Det er ikke sådan en simpel proces som det ser ud: Der er ikke sådan noget, at du trykker på en knap, og i en uge får du fulde beregninger.
Direkte maskinindlæring foregår af mere komplekse opgaver. De samme billeder skal først behandles korrekt (f.eks. Beskårne, centrerede fotos; dette er vigtigt for at lære) - dette er første fase, som normalt tager lang tid. Det andet trin er at vælge en netværksarkitektur, der er egnet til at løse problemet. Groft sagt bygger du ti forskellige neurale netværk, og de giver ti forskellige resultater. Så skal du på en eller anden måde vurdere resultaterne. Og derefter går du med høj sandsynlighed tilbage til første fase. Det er umuligt at opbygge et universelt netværk til enhver opgave: Du bygger enten den fra bunden eller ændrer en eksisterende. Ansigtsgenkendelse er en opgave, anerkendelsen af katte er en anden.
I processen med maskinindlæring deltager vi også uden at vide det. For eksempel introducerede captcha på websteder: ved hjælp af captcha uddannede Google neurale netværk til digitalisering af bøger.
Vi skal forstå, at virksomheder, der indsamler store data, ikke er interesserede i vores personlige profiler. De har brug for data om mange forskellige mennesker, der er interesseret i noget specifikt. Hvad angår de særlige tjenester, tror jeg, at de kan indsamle data uden at ty til sociale netværk. Jeg tror, at vores frygt for, at vi bliver overvåget, snart vil passere. Dette er den nye verden: det er muligt ikke at spore nettet, men det er svært. Det er lettere at ikke vises på internettet overhovedet.
FOTOS: antonsov85 - stock.adobe.com