1703948949
1703948950
这都是如今的小数据时代所采用的“画像”背后的指导思想。在一个数据库中找到普遍联系，然后对适用于这种普遍联系的个人深入勘察。这适用于团体内的每个人，是一条普遍规则。当然，“画像”意义颇多，不只意味着对一个特定群体的区分，而且指“牵连犯罪”，不过这是一种滥用，所以“画像”有严重的缺陷。
1703948951
1703948952
大数据洞察
1703948953
1703948954
大数据替我们规避了“画像”的缺陷，因为大数据区分的是个人而不是群体，所以我们不会再通过“牵连犯罪”给群体中的每个人都定罪。如今，一个用现金购买头等舱单程票的阿拉伯人不会再被认为是恐怖分子而接受额外的检查，只要他身上的其他数据表明他基本没有恐怖主义倾向。因此，大数据通过给予我们关于个人自身更详尽的数据信息，帮我们规避了“画像”的缺陷——直接将群体特征强加于个人。
1703948955
1703948956
其实，我们一直在用“画像”来帮助我们确定个人的罪责，大数据所做的并没有本质的差别，只是让这种方法更完善、更精准、更具体和更个性化。因此，如果大数据预测只是帮助我们预防不良行为，我们似乎是可以接受的。但是，倘若我们使用大数据预测来判定某人有罪并对其尚未实施的行为进行惩罚，就可能让我们陷入一个危险的境地。
1703948957
1703948958
基于未来可能行为之上的惩罚是对公平正义的亵渎，因为公平正义的基础是人只有做了某事才需要对它负责。毕竟，想做而未做不是犯罪。社会关于个人责任的基本信条是，人为其选择的行为承担责任。如果有人在被别人用枪威胁的情况下打开了公司的保险柜，他并不需要承担责任，因为他别无选择。
1703948959
1703948960
如果大数据分析完全准确，那么我们的未来会被精准地预测，因此在未来，我们不仅会失去选择的权利，而且会按照预测去行动。如果精准的预测成为现实的话，我们也就失去了自由意志，失去了自由选择生活的权利。既然我们别无选择，那么我们也就不需要承担责任，这不是很讽刺吗？
1703948961
1703948962
当然，精准的预测是不现实的。大数据分析只能预测一个人未来很有可能进行的行为。
1703948963
1703948964
比方说，宾夕法尼亚大学教授理查德·伯克（Richard Berk）建立了一个大数据模型，他声称这个模型可以预测一个判缓刑或者假释的人一旦提前释放会不会再次杀人。他输入了海量的特定案件变量，包括监禁的原因、首次犯罪的时间、年龄、性别等个人数据。伯克说他的模型对未来行为预测的准确率可以达到75%。这听起来似乎还不错。但是，这也意味着如果假释委员会依靠他的分析，就会在每4个人中出现一次失误。
1703948965
1703948966
但是，主要的问题并不是出在社会需要面对更多威胁上，而是我们在人们真正犯罪之前对他进行惩罚否定了人的自由权利。我们永远不会知道这个受惩罚的人是否会真正犯罪，因为我们已经通过预测预先制止了这种行为，如此一来，我们就没有让他按照他的意愿去做，但是我们却依然坚持他应该为自己尚未实施的未来行为付出代价，而我们的预测也永远无法得到证实。
1703948967
1703948968
这否定了法律系统或者说我们的公平意识的基石——无罪推定原则。因为我们被追究责任，居然是为了我们可能永远都不会实施的行为。对预测到的未来行为判罪也否认了我们进行道德选择的能力。
1703948969
1703948970
大数据预测给我们带来的威胁，不仅仅局限于司法公正上，它还会威胁到任何运用大数据预测对我们的未来行为进行罪责判定的领域，比如民事法庭案件中判定过失以及公司解雇员工的决策。
1703948971
1703948972
大数据洞察
1703948973
1703948974
也许，大数据预测可以为我们打造一个更安全、更高效的社会，但是却否定了我们之所以为人的重要组成部分——自由选择的能力和行为责任自负。大数据成为了集体选择的工具，但也放弃了我们的自由意志。
1703948975
1703948976
大数据的不利影响并不是大数据本身的缺陷，而是我们滥用大数据预测所导致的结果。大数据预测是建立在相关性基础上的。让人们为还未实施的未来行为买单是带来不利影响的主要原因，因为我们把个人罪责判定建立在大数据预测的基础上是不合理的。
1703948977
1703948978
大数据有利于我们理解现在和预见未来的风险，如此一来，我们就可以相对应地采取应对措施。大数据预测可以帮助患者、保险公司、银行和顾客，但是大数据不能告诉我们因果关系。相对地，进行个人罪责推定需要行为人选择某种特定的行为，他的选择是造成这个行为的原因。但大数据并不是建立在因果关系基础上的，所以它完全不应该用来帮助我们进行个人罪责推定。
1703948979
1703948980
麻烦的是，人们习惯性地从因果关系的视角来理解世界。因此，大数据总是被滥用于因果分析，而且我们往往非常乐观地认为，只要有了大数据预测的帮助，我们进行个人罪责判定就会更高效。
1703948981
1703948982
这是一个典型的滑坡，可能直接导致《少数派报告》中的情况成为现实——我们将生活在一个没有独立选择和自由意志的社会，在这里我们的道德指标将被预测系统所取代，个人一直受到集体意志的冲击。简单地说，如果一切都成为现实，大数据就会把我们禁锢在可能性之中。
1703948983
1703948985
数据独裁
1703948986
1703948987
大数据大大地威胁到了我们的隐私和自由，这都是大数据带来的新威胁。但是与此同时，它也加剧了一个旧威胁：过于依赖数据，而数据远远没有我们所想的那么可靠。要揭示大数据分析的不可靠性，恐怕没有比罗伯特·麦克纳马拉（Robert McNamara）的例子更贴切的了。
1703948988
1703948989
麦克纳马拉是一个执迷于数据的人。20世纪60年代早期，在越南局势变得紧张的时候，他被任命为美国国防部长。任何事情，只要可以，他都会执意得到数据。他认为，只有运用严谨的统计数据，决策者才能真正理解复杂的事态并做出正确的决定。他眼中的世界就是一堆桀骜不驯的信息的总和，一旦划定、命名、区分和量化之后，就能被人类驯服并加以利用。麦克纳马拉追求真理，而数据恰好能揭示真理。他所掌握的数据中有一份就是“死亡名单”。
1703948990
1703948991
麦克纳马拉对数字的执迷从年轻的时候就开始了，当时他还是哈佛商学院的学生，后来，他以24岁的年纪成为了最年轻的副教授。第二次世界大战期间，他把这种严密的数字意识运用到了工作之中，当时他是五角大楼里被称为“统计控制队”中的一名精英，这个队伍让世界权力的中心人物都开始依靠数据进行决策。在这之前，部队一直很盲目。比方说，它们不知道飞机备用零件的种类、数量和放置位置。1943年制作的综合清单为部队节省了36亿美元。现代战争需要资源的合理分配，他们所做的非常了不起。
1703948992
1703948993
战争结束的时候，他们决定通力合作拯救濒临倒闭的福特汽车公司。福特二世（Henry Ford Ⅱ）绝望地交出了自己的控制权。就像他们投入战争的时候完全不懂军事一样，这一次，他们也不关心如何制作汽车。但是奇妙的是，这群精明小子居然救活了福特公司。
1703948994
1703948995
麦克纳马拉对数据的执迷迅速升温，开始凡事都考虑数据集。工厂经理迅速地生成麦克纳马拉所要求的数字，不管对错。他规定只有在旧车型的所有零件的存货用完之后才能生产新车型，愤怒的生产线经理们一股脑将剩余的零件全部倒进了附近的河里。当前线员工把数据返回的时候，总部的高管们都满意地点了点头，因为规定执行得很到位。但是工厂里盛行一个笑话，是说河面上可以走人了，因为河里有很多1950年或者1951年生产的车型的零件，在河面上走就是在生锈的零件上走。
1703948996
1703948997
麦克纳马拉是典型的20世纪经理人——完全依赖数字而非感情的理智型高管，他可以把他的数控理论运用到任何领域。1960年，他被任命为福特汽车公司的总裁，在位只有几周，他就被肯尼迪总统任命为美国国防部部长。
1703948998
[
上一页 ]
[ :1.703948949e+09 ]
[
下一页 ]