我们的付出应该获得回报 - 是时候了，打破数据监视

zzhh

我们的付出应该获得回报 - 是时候了，打破监视资本主义的数据经济

#economic

这是一篇振奋人心的文章。不仅对本网不断提醒的“人工智能”这一误导性概念之危害的立场做出了明确的肯定（我们一直怀疑所谓的人工智能概念是监视资本主义故意制造出来剥削大众的工具），并且，文章提出了让我们眼前一亮的解决方案。是的，打败监视资本主义的方法只能是构建一种比它更加强大的、更具公共利益的盈利模式 —— 这个世界的规则就是这样，即协作和公平，一个系统的稳定性取决于它能在多大程度上令大众感知到公平和协作的价值。以垄断和剥削为根基的监视资本主义不可持续。









“数据奴隶制“。美国艺术家 Jennifer Lyn Morone 认为这就是如今大多数人的生活状态。为了获得免费的在线服务，人们向科技公司提供了自己最私密的信息。




“个人数据比你所想象的更具价值”，她说。为了突出这种令人遗憾的事态，Morone 将其诉之为“极端资本主义”：她在特拉华州注册了自己的公司，试图利用她的个人数据获取经济利益。她创建了包含不同数据子集的档案，并于 2016 年在伦敦画廊展出并公开出售，起价 100 英镑（135美元）。整个系列，包括她的健康数据和社会保险号码，你支付 7,000 英镑就可以拿走。




只有少数买家接受了这个提议，她发现“整件事真的很荒谬”。然而，如果艺术家的工作是期待时代精神，那么 Morone 女士显然已经失败了：今年全世界都已发现，数据经济中有些东西在腐朽。自从今年三月剑桥公司丑闻被曝光以来，呼吁重新考虑处理在线个人数据的声音只会越来越响亮。即使是德国总理 Angela Merkel 最近也开始要求对个人数据进行定价，要求研究人员提出解决方案。

Data provided by humans can be seen as a form of labour which powers artificial intelligence

鉴于目前的数字事务状态，其中个人数据的收集和利用都由大型科技公司主导，Morone 女士的方法，即个人把自己的数据拿出来出售，似乎不太可能流行。但是，如果人们真正控制自己的数据，让需要访问这些数据的科技巨头付费呢？这样的数据经济会是什么样？




这不是第一次重要的经济资源从简单地使用到真正的拥有和交易，例如土地和水，早已发生了同样的情况。但数字信息似乎不太可能被市场分配。




与物质资源不同，个人数据是经济学家称之为“非竞争对手”商品的一个例子，这意味着它们可以被使用不止一次。频繁的数据泄漏表明控制数据有多么的困难。但是另一个历史先例可能提供了一个模型，也提出了对当前“技术封建主义”的担忧，争论在虚拟现实先驱 Jaron Lanier 和耶鲁大学经济学家 Glen Weyl 之间发生，他们都为微软研究院工作。




像数据一样，人工也是一种难以确定的资源。在人类历史的大部分时间里，工人并没有得到适当的劳动补偿。即使人们可以自由地出售劳动力，工资也需要几十年才能达到平均水平。Weyl 先生在“Radical Markets”一书中预测，历史不会重演，但它可能会富有韵律，这是他与芝加哥大学的 Eric Posner 共同撰写的一本具有挑衅性的新书。




他认为，在人工智能时代，将数据视为一种劳动形式是有意义的。




为了理解这件事，有必要记住“人工智能”这个概念本来是一种误称。Messrs Weyl 和 Posner 称其为“集体智慧”：大多数人工智能算法都需要在一个被称为机器学习的过程中使用大量的人工生成的数据进行训练。除非他们知道正确答案（由人类提供的）是什么意思，否则算法无法翻译语言，理解语音或识别图像中的物体。




因此，人类提供的数据可被视为一种为人工智能提供动力的劳动形式。随着数据经济的增长，这种数据工作将采取多种形式。其中大部分时候数据生产都是被动的，因为人们参与各种活动 - 给社交媒体帖子点赞，听音乐，推荐餐馆 - 都在不断产生为新服务提供动力所需的数据。但是，其中一些人的数据工作将更加活跃，因为那些数据可以作为培训 AI 系统的基础（例如标记图像或驾车通过繁忙的城市）。




然而，无论这些数据是主动还是被动生成的，很少有人有时间或倾向于跟踪自己生成的所有信息，更不用说对其估值。即便是这样做过的人也缺乏讨价还价的能力，无法从人工智能公司那里获得回报。




但劳动史提供了关于事物如何演变的暗示：因为从历史上看，如果工资上涨到可接受的水平，那主要是由于工会的努力。同样，Weyl 先生希望能看到他称之为“数据工会”的组织的崛起，这些组织充当了人们数据的守门人。




与他们的前任一样，这些组织将协商费率，监控成员的数据工作并确保其数字输出的质量，例如保持声誉分数。工会可以向其成员提供专业数据工作，甚至组织罢工，例如利用阻止访问的方法对使用其成员数据的公司施加影响。




同样，数据联盟可以成为引导成员数据贡献的渠道，同时跟踪它们的使用并对从中受益的 AI 公司进行计费。




这一切听起来像是科幻小说吗？例如，谷歌和 Facebook 为什么要放弃目前使用免费数据销售有针对性的在线广告的监视资本主义商业模式？2017 年，他们共计获得了 1350 亿美元的广告收入。如果他们不得不补偿人们的数据付出，他们的利润就会低得多。与此同时，CitizenMe 和 Datacoup 这样的初创公司，可以视作为早期形式的数据联盟，但到目前为止未能取得多大进展。然而，在该行业的其他角落，科技巨头已经开始为数据付费，尽管他们小心谨慎，避免过多谈论这件事。大多数情况下，他们通过外包公司雇用大批评估人员和版主来检查其算法的质量，并删除非法或令人反感的内容。其他公司使用众包的方法，例如亚马逊的 Mechanical Turk，移交数据工作，例如标记图片。Mighty AI 是一家位于西雅图的创业公司，它向成千上万的在线工作人员付费，以标记用于训练为自动驾驶汽车提供动力的算法的街景图像。




更重要的是，如果 AI 和宣传的一样，它将导致对更多更好的数据的需求。随着人工智能服务越来越复杂，算法需要更高质量的数字信息的提供，人们只有在获得报酬时才能提供这些。




一旦有一家大型科技公司开始为数据付费，其他人就很可能必须紧随其后。




将数据视为劳动力意味着科技巨头的利润率可能会受到挤压，但他们的整体业务可能会变得更大。工人们将至少部分获得主动权。早晨他们可能首先检查自己所在的数据工会提供的仪表板，显示可用工作的个性化列表：从观看广告（计算机的相机收集面部反应）到将文本翻译成稀有语言，到探索虚拟建筑，看看它是多么容易导航。仪表板还可能列出过去的收入，显示评级并对新技能提出建议。




但是，仍然需要将个人数据广泛视为劳动力，并为此付出代价。




首先，需要正确的法律框架来鼓励新数据经济的出现。欧盟新的通用数据保护条例已于5月生效，已经赋予人们检查、下载甚至删除公司所持个人数据的广泛权利。




其次，跟踪数据流的技术需要变得更加强大。目前计算特定数据到 AI 服务的价值的研究尚处于起步阶段。




第三，也是最重要的，人们将不得不发展出作为数据工作者的“阶级意识”。大多数人都说他们希望保护自己的个人信息，然后他们什么也没做继续付出数据，这就是“隐私悖论”。然而事情可能正在发生变化：智库皮尤研究中心（Pew Research Center）表示，超过 90％ 的美国人认为控制谁可以获取自己的数据非常重要。




怀疑论者说，即使人们用他们的数据赚钱，他们也不会得到太多。例如，如果 Facebook 在其所有月度用户中分享其利润，那么每个用户每年只能得到 9 美元。但是这样的计算未能认识到数据时代才刚刚开始。人工智能通常被比作电力，当电气化开始于 19 世纪后期时，整个城市使用的电力只和今天单一家庭的用电量一样多。




这种数据经济不会不平等吗？有些人的数据肯定比其他人的价值更高。但 Weyl 先生认为，生成有价值数据所需的技能可能比您想象的更为广泛，因此数据工作可能会破坏人力资本的标准层次结构。




无论如何，社会必须找到一种机制来分配人工智能创造的财富。目前绝大部分数据都被垄断了。 Weyl 警告说，除非这种情况发生变化，否则社会不平等可能会恢复到中世纪水平。如果发生真的这种情况，终有一天，世界上的数据工作者将团结一致，发起抵抗。




What if people were paid for their data?

Advocates of “data as labour” think users should be paid for using online services

秦汉唐元明

刷积分升级账号