5

大数据的隐患

坎布里奇——在博弈论中,无秩序主义的代价描述了在大规模体系中追求自身利益的个人如何倾向于降低整个系统的效率。这种现象普遍存在,几乎所有人都无法避免经常会以某种形式面对。

举例来讲,如果你是一位负责交通管理的城市规划师,解决所在城市的交通问题可以采用两种方式。一般人会选择一种自上而下的集中方法——即深入理解整套系统、找出瓶颈并通过修改加以消除——这种方法比让个体司机在路上做出选择更加有效,个体选择背后的假设是这些选择总体而言能够产生可以接受的结果。第一种方式降低了无秩序主义的代价,并充分利用了一切可用的信息。

Chicago Pollution

Climate Change in the Trumpocene Age

Bo Lidegaard argues that the US president-elect’s ability to derail global progress toward a green economy is more limited than many believe.

今天的世界到处都是数据。仅2015年一年,人类就创造了与此前人类文明同样多的信息。每次我们发送邮件、拨打电话或完成交易,我们都会留下数字痕迹。我们正在迅速接近意大利作家卡尔维诺明确预言的“全球记忆状态”,完整复制我们物质宇宙的全部信息。

随着互联网拓展至物联网实体空间等全新领域,无秩序主义代价将成为社会关键指标,利用大数据分析消灭无秩序主义将越来越具有诱惑力。

这样的例子比比皆是。比方说在亚马逊网上熟悉的买书经历。亚马逊掌握从个人资料到搜索记录再到电子书中标注过的重点词句等全部用户的海量信息——并利用这些信息来预测用户下次要购买什么样的书籍。就像一切形式的集中人工智能一样,人们用过去的模式来预测未来的模式。亚马逊可以调阅你此前购买的10本书,并且越来越准确的提出你可能希望阅读的下一本书的建议。

但这里我们应当思考降低无秩序状态是否会有所失去。看完前10本书后你最该读的不是完美符合既定模式的书,而是出乎预料或促使你以不同视角看待世界的书籍。

与上文提到交通流量的情况相反,优化建议——往往构成你买下一本书的自我实现的预言——或许并非你在线浏览书籍的最佳范例。大数据可以过滤掉我们不想看的事物并同时成倍增加我们的选择,但纯粹通过意外发现第十一本书其实非常值得一提。

适用于买书的思考也同样适用于城市和社会等正处在数字化过程中的其他众多体系。集中市政系统现在利用算法来监控红绿灯、地铁应用、废物处理和能源输送在内的城市基础设施。世界很多城市的市长都疯狂地迷上了里约热内卢由IBM设计的运营中心中央控制室,城市管理者可以在那里对最新信息实时作出反应。

但随着集中算法开始管理社会的方方面面,数据驱动的技术官僚正威胁压倒创新和民主体系。我们应当不惜一切代价避免这样的结局。分散决策对实现社会多元化必不可少。相反,数据驱动优化从事先预定的模式中得出解决方案,而这些方案在现阶段往往排除了推动人类前进的变革性或违反直觉的理念。

生活中一定数量的随机性可以导致原本并不存在的新理念或思维模式的产生。而且从宏观角度,它对生活本身同样具有必要性。如果自然界运用可以预测的算法防止DNA复制过程中的基因突变,那么我们这个星球可能仍然处在高度优化的单细胞生物阶段。

Fake news or real views Learn More

分散式决策能够通过自然和人工共同演化创造人类和机器智能之间的协同作用。分散性智能或许有时能够降低短期效率,但却最终能够导致更富创造力、更加多元、更有韧性的社会。如果我们想要保留意外创新能力,付出无秩序的代价其实非常值得。

翻译:Xu Binbin