只到及格線？盤點科技公司遵循的資料倫理

在過去的一段時間中，資料洩露的新聞時有發生，這也引發了大眾對於誰擁有我們的資料、我們的資料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使用者資料，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，資料、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資料倫理的一致性方法，所以我們調查了被廣泛接受的道德原則。

五大類資料倫理

事實上，很多科技公司都在資料倫理方面做了努力，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伙伴關係(PAI)和資訊科技產業委員會(ITI)等聯盟。

透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、產生的資料由公司擁有，公司可使用這些資料，但需尊重機密性。

• 治理：涉及資料管理中的問責制，確保資料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資料背後的人的方式來使用資料和演算法，同時也意味著要充分考慮安全性，認識到資料的使用對於人們生活的影響。

• 共享利益：資料由產生資料的人所擁有，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資料的收集和使用方式持開放態度，以及避免不必要的資料收集。可以認為是對資料所有權更細微的理解。

目前科技公司對於資料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，也需要在資料處理道德和資料收益之間來取得一個平衡。另外，對於正確的資料道德，公司之間還沒有取得共識，這可能還需要外部指導和監督。