大数据让所有人的日常都无所遁形

一般谈到大数据只谈商机和操控。其实，巨量数据正透露出人类以为四下无人时，我们是什么样子，我们想的、说的、做的...





一般谈到大数据只谈商机和操控。其实，巨量数据正透露出人类以为四下无人时，我们是什么样子，我们想的、说的、做的，其实都不一样。

这个传统问卷调查问不出的真相，来自大数据中，人们最真实、最不设防的心声。当我们以为每天只是过着自己的小日子，每一个行为，最后都汇集到数据里，成为大数据里的一部分。



图／取自rudebaguette.com

文／克里斯汀．鲁德

在脸书新增按赞功能的同一年，麻省理工学院的学生开发出了他们的同志雷达软件。这套算法很能推断男性的性向，但其实道理也很明显：大家都猜得到，男同志就是比较容易有男同志的朋友。所以，这项同志雷达的创新之作，就是用宏观层面的数据，来做一些我们早就自己会私下做的事情。在这之后，各种预测软件的能力已经迅速提高；随着有愈来愈多数据可用，这种程序只会变得更快、更强大。到2012年，英国某团队已经发现，只要从一个人按赞的资料，就能在以下主题有相对的猜测准确率：

某人是否是……

男同志或异性恋 88%

女同志或异性恋 75%

白人或非裔美国人 95%

男或女 93%

民主党或共和党 85%

吸毒者 65%

在21岁之前父母便已离异的孩子 60%

再次强调，这里并没有看任何近况更新、评论、分享，或是任何用户自己打的字，完全就只是看按赞的情况而已。等到你发现，居然有人只要从鼠标点点点这种事，就能知道你爸妈在吵架，就知道科学已经到了一个前无古人的境界了。甚至，一个人按赞的模式还能拿来预测智商：这个模型能够精准预测某人的标准智商测验得分，而且一个问题都不用问。

而且，这一切的根据不过就是脸书三年间取得的用户数据，而这些用户在之前几十年，都是活在没有脸书的情境之下。如果有人是从小就玩脸书，情况又可能会是如何？这就是纵贯性数据的黑暗面（否则平常我是很爱纵贯性资料的）。雇主、学校和军方早就在运用着像是迈尔斯-布里格斯（Myers-Briggs）和史丹佛-比奈（Stanford-Binet）之类的测验，你就是坐下来、尽力表现，然后他们就依结果将你分类。在大多数情况下，你能够选择是否要加入。然而现在逐渐变成，你不过就是过着自己的生活，就等于是在参加这些测验了。而且，整个结果就大喇喇地摆在那里，任何人都能阅读判断。在面试之前，看到某个人的Klout分数是51分之类，这是一回事；但居然能知道他的智商，这又是另一回事了。

如果雇主开始运用各种算法，推断你有多聪明、或是你是否在用药，你唯一的选择，就是要设法能够操纵这套系统，或者借用上一章的话，也就是「管理你的品牌」。而要打败机器，你就得像是台机器，但这也代表已经输给机器了。而且，前提还是你得先猜测到自己该如何表现。你绝对想不到，在这个研究里，和智商最相关的就是会对「薯圈圈」（curly fries）按赞，这谁可能倒推得出来啊。

然而，虽然脸书对你知之甚详，仍然比较像是个「工作上的朋友」：虽然相处的时间很长，但还是有个明确的界线。脸书知道的就是你在脸书上的数据。但还有很多其他情况，对你会有更深入的了解。像是如果你有一台iPhone，苹果就会知道你的通讯簿、行事历、照片、简讯、文字、你听了什么音乐、去了什么地方，而且因为手机有一个小陀螺仪，苹果连你走了几步都一清二楚。没在用iPhone吗？把「苹果」换成「谷歌」、「三星」、「威讯电信」（Verizon），结果也一模一样。你戴Nike的运动手环FuelBand吗？Nike连你睡得好不好都知道。你买了Xbox One吗？微软知道你的心跳率。 你用信用卡吗？只要你在零售店买了东西，你的个人标识信息（PII）就会将统一商品代码（UPC）连结到在客户关系管理（CRM）软件里你的客户ID，而这套软件就开始计算你下一个可能想买的东西是什么。

这只是整个企业信息现况的一瞥，想要完整叙述，得花上许多页才写得完。而至于政府的情况，由于政府只有透露部分，因为我们也就只知道片段。但我们确实知道的是，英国上下总共有590万部监视器，等于每11个英国人就有1部。而在曼哈顿，光是在14街以南，就有4,176部。至于在城市道路以外的部分，则由卫星和无人飞机来补全。虽然我们不知道这些监视器究竟看了些什么，但应该可以肯定的是：只要政府对你有兴趣，你一定难逃法眼。除此之外，正如维基解密的爱德华．史诺登（Edward Snowden）所透露，很多政府无法从监视器上看到的东西，还是能好整以暇地从国安局内部网络终端机（NSANet）的屏幕上轻松取得，而这个地点是个机密。



书名：《我们是谁？大数据下的人类行为观察》

作者：克里斯汀．鲁德 译者：林俊宏
出版社：马可孛罗
出版日期：2016年5月7日

正因为有太多事情发生，而公众又知道得太少，一般人对数据的理解，必然是与真实状况有极大差距。我不得不说，光是因为放下手边的工作来写这本书，我敢肯定自己就已经落伍了。在许多方面，「分析」已经超越了信息本身，成为真正的关键。目前得到最多媒体关注、也是最遭人讨厌的数据收集者，就是网络浏览器里的cookie，还有那些盗窃信用卡号的黑客。然而，这种人拿到的其实也只是你生命的一小部分，而且他们还得先费尽千辛万苦才行。不论他们的JavaScript写得多狡猾，基本上他们还是那种默片里的二流小坏蛋，留着小胡子、戴着高帽子的那一种。而如果要打个比较现代的比方：他们就像是《王牌大贱谍》系列里那个白白胖胖的邪恶博士（Dr.Evil），根本整个世界都是他的人质，但他居然只勒索个一．百．万美元，而真正能赚到几十亿美元的幕后头目，则是像Acxiom公司这样的资料公司。这些企业数据营销业者，能够取得银行和刷卡记录、零售购买记录，以及像是纳税记录之类的政府档案，他们对于人类行为的了解，可说是远远超越了任何在网站上找模式的学者。同时，各种国安机制所带来的种种资源和专业知识，则会让一般企业等级的数据探勘（data-mining）软件像采地雷小游戏一样可笑。

只要有心想跟踪，其实大家都会留下一些意想不到的信息面包屑。像是本书到目前就已经提过许多例子。即使如此，还有许许多多我们没谈到的追踪方式。例如，不管是高端的单反相机、或甚至只是你的iPhone，所有数字相机拍摄的照片都会附加一个小小的「Exif」文件，里面除了记录拍摄时间，还有其他各种琐碎数据，例如光圈、快门速度，常常还有拍摄时的经纬度。有了Exif档，就能让像是iPhoto这些程序轻轻松松将照片依场合（Moments/时刻）排序，也能在地图上用小小的大头针图标显示你去过哪里。然而，Exif会泄露的可不只是如此。以OkCupid的个人档案照片为例，愈好看的照片，就愈有可能是很久很久以前拍的。换句话说，使用者找到一张「好看的照片」之后，常常就再也不换。我们之所以知道这种事，也是因为Exif能告诉我们照片的拍摄时间。像这样的附加数据其实很常见，像是你每次打开哪个最爱的应用程序，GPS坐标就已经在一旁待命。几乎你加载的每个网页，页边都藏着几十个只有1个像素的图像（也就只是一个透明的点），在载入「真正的」网页时，记录你的造访；这些像素并不知道你在做什么，只知道你造访的时间、地点。但光是这样，就已经能让背后的公司对于你整个人的基本数据有个满准确的猜测。

如果有人就是不想分享这些数据，该怎么办？会不会有些人，就是宁愿自己去买东西、自己开心过日子？像我自己就很重隐私，有部分也是因为这样，老实说，我不太迷任何社群媒体，也从来不会把女儿的照片放上网络。我是在2011年初开始用Instagram，当时这家公司还不大，而且我主要就是为了那些滤镜效果。我当时还以为这就像是摄影软件Hipstamatic，没什么社群功能（我知道，这让我听起来完全像个老头）。等我太太发现她那老古板的先生在做什么之后，她告诉我可以把账户与其他人的账户连结，而我也照做了，因为不过也就是点个按钮嘛！但等到我觉得这不只是我和我自己的照片之后，就忽然觉得Instagram失去了所有的吸引力。

会像我这样闭俗的人并不多。虽然人人都说担心，但大多数用户对于隐私其实没那么在意。每次脸书又更新服务条款、把触手往我们的数据探得更深，民众会怒个一天，但隔天还是继续上脸书。就像是如果去戳一下蜂巢，发怒的蜜蜂一涌而出，但发现找不到人叮之后，就会乖乖再回巢里。因为科技就是会这样不断步步进逼，而人类则是不断退缩，让现在的软件都深具侵略性。像是有些应用程序管的是减肥、有的管心跳率，甚至还有「帮我的打扮打分数」的应用程序，把自己的打扮穿着上传网络，让大家为你提出时尚建议。女性也用各种应用程序来预测和管理自己的月经周期，珍娜．沃瑟姆就写道：「市场充斥此类软件，我认识的几乎每个女人都用。」只要让应用程序知道妳的月经何时开始，它就能帮忙计算危险期，好让妳懂得避开、或是把握时机。当然，光是自己告诉它数据，听起来不太像是具有侵入性，但也有另一家新创公司，号称只要检查浏览历史记录，就能推断女性的月经周期。任何这些与月经相关的应用程序（只要背后有个够格的数据科学家），当然也就会知道使用者是否怀孕、过度运动、变老，或是有了没有安全措施的性行为（因为一旦月经迟到，人总是会急忙提高检查频率）。

然而，就算有一些（甚至是不少）人并不在意隐私问题，我还是不希望有任何人会因为这本书而使身份曝光。前面已经提过，这里的分析都经过匿名、只做整体呈现，而且我处理原始数据时也很小心，数据中绝无任何个人标识信息（PII）。而讨论到用户所发表的文字时（包括个人自介、推特、近况更新、按赞等等），使用的都是公开的内容。至于用到用户个别记录的时候，则是会将用户ID加密。而且在任何分析中，数据范围都只列出必要的变项，避免能够回推到任何个人。



《Who Owns the Future?》书影。

当然，我从来就没想过要将资料回推到个人，而是要将数据链路到所有人整体。这正是我在数据里看到的价值，也就是以隐私换取而来的价值：让我们能够从中学习。微软研究院的信息科学家贾伦．拉尼尔（Jaron Lanier）曾着有《谁拥有未来？》（Who Owns the Future?），他最近在《科学人》（Scientific American）杂志写道：「有极大量关于我们私人生活的信息，正在储存、分析以及使用，希望未来能展现实际用途。」我认为他讲到「极大量」绝对没错，但最后一句却有问题。任何东西，不都是「希望未来能展现实际用途」吗？研究科学这件事，最重要的就是为了探索。铁矿石原本也就是石头，直到有人开始尝试。面包上的霉菌在几千年来都只会让人生病，直到亚历山大．弗莱明（Alexander Fleming）发现也能做成盘尼西林。

目前，资料科学已经取得许多重大研究结果，不只是能够描述、更能够改变人们的生活方式。我在前面已经提过了谷歌流感趋势，自从2008年推出之后，现在已经在超过25个国家上线、追踪疫情。虽然这项工具还不完美，但至少是个开端，各种数据结合之后，现在已经能够用来预防疾病、而不只是减轻疾病危害而已。正如《纽约时报》去年的报导：「微软、史丹佛和哥伦比亚大学的科学家运用谷歌、微软和雅虎搜索引擎的搜寻查询数据，已经首次能够领先美国食品药物管理局的警示系统，找出处方药物不为人知的副作用」。这些科学家发现，帕罗西汀（paroxetine）和普伐他汀（pravastatin）会造成患者血糖升高。在这里，牺牲一点生活上的隐私，换得的就是活得多一点健康。

●本文摘自马可孛罗出版《我们是谁？大数据下的人类行为观察》

作者简介：克里斯汀．鲁德 Christian Rudder

克里斯汀．鲁德是交友网站OkCupid的共同创办人暨总裁，也是人气部落格OkTrends的作者。1998年毕业于哈佛大学数学系，曾担任SparkNotes创意总监，上过国家广播公司（NBC）的《日线》（Dateline）及美国国家公共广播电台（NPR）的《面面俱到》（All Things Considere）等节目，作品也得到《纽约时报》、《纽约客》等等媒体热烈讨论。目前他与妻女住在布鲁克林。

    关注 讀書吧