技術的好壞取決於人的善惡。
作者 | 秀松
編輯 | 余快
一年一度的打假晚會如期舉行，「隱私數據」成為核心關鍵詞。
不論是免費Wi-Fi盜取位置信息，還是兒童智能手錶成為竊聽工具，都在揭露一個事實：
技術的進一步擴張，正在壓縮人們的隱私邊界。
晚會又舉了一個例子：用戶只需要瀏覽網頁，技術公司便可抓取MAC地址，然後匹配到手機號，方便營銷公司精準營銷。
受利益驅動，技術成了灰色產業鏈的掘金鏟，用戶所瀏覽的商品信息、瀏覽時長、興趣愛好等非生物特徵信息都是該技術的「原料」，成為另一個隱私泄露重災區。
長久以來，圍繞技術和隱私的討論不勝枚舉，人們對二者何為第一性並未達成共識，但基本上都承認，兩者之間並非零和博弈， 關鍵在於如何劃分技術、隱私數據和商業行為的「邊界」。
失控的數據
2021年的3·15晚會上，央視披露了多家企業非法抓取人臉數據，寶馬、科勒衛浴等品牌被點名批評。
半年之後，便利蜂鋪設攝像頭採集數據事件再將數據隱私推上輿論高地。
兩起事件不過是諸多企業收集數據的縮影，而在人們的生產生活中，這樣的例子比比皆是：
上下班要刷臉打卡，進入小區要刷臉解鎖，商場購物則少不了攝像頭的「監控」。
這些只是線下場景收集的數據。在線上，用戶的個人資料、興趣愛好等數據同樣會被抓取，用以推薦更為合適的商品、文章、圖片、視頻等內容。
在由大數據和網際網路技術構成的數字化時代，人們已經無法避免被收集個人數據的情況，只不過線下收集的數據以個人生物特徵信息（人臉、指紋等）居多，更容易引起人們的關注，而線上收集的個人數據，則尚未引起足夠的重視。
但殊途同歸，收集數據不是目的，讓數據產生價值才是企業的追求。 不論線上線下，圍繞數據所產生的利益鏈條，已經深入到諸多企業的血管之中。
在這利益鏈條中，有的被稱之為灰色交易，比如直接倒賣隱私數據，有的卻又在法律監管之外，比如收集數據優化推薦算法，通過推送個性化商品和廣告來達成交易。
「有效數據越多，價值量越大。」一位數據公司數據中心VP告訴掘金志，現在很多算法都需要大量數據來訓練、優化，從而實現更加智能化的推送。
這也是諸多公司冒著風險去收集包括人臉在內的數據的原因： 利用數據來調整營銷策略，去觸及更多有效用戶，達成交易、產生收益。
簡單舉個例子：商戶開業初期，數據分析發現女性消費者偏多，那麼在隨後的供貨清單里，其產品也會傾向於女性。
另一個比較有趣的現象是，此前有很多APP，不給個人信息就無法用。
在眾多APP的解釋中，收取個人信息數據是為了更好地推薦內容，但「不給就無法用」實際上暴露了其真實目的： 嘴裡都是誠意，實際上乾的都是生意。
「一方面，更好地推薦內容利於增強用戶黏性；另一方面，APP要通過收集用戶數據來構建用戶畫像，方便與廣告主進行協商談判，來談合作。」
一名負責廣告投放業務的員工表示，在結算方式一樣的情況下，合適的投放平台，可以帶來三方共贏的局面：
「廣告主能降低有效用戶的獲客成本，APP所有方獲得廣告投放收益，而用戶則得到了更多優質好看的內容。」
但這種「贏」實際建立在用戶數據的基礎上，換言之，這場數據交易，實則獲益者只有兩個：廣告主獲得精準曝光，獲客成本進一步降低，並能從其他商品上進行轉化；APP方則獲得廣告收益。至於用戶，除了要被販賣數據之外，還可能通過廣告進行商品消費。雖然用戶也可能不會花錢買產品，也不會產生任何直接經濟損失，但通過其數據交易，其他兩方獲益，己方也會承擔 「交易成本」，即便這種成本不可見。
這正如紀錄片《監視資本主義:智能陷阱》所言： 「如果你沒有花錢買產品，那麼你就是待價而沽的商品。」
某行業人士告訴掘金志，由於相關方以提供服務為藉口採集數據， 消費者實際上處於弱勢地位，即便消費者具備一定的警惕性和保護意識，在拒絕採集數據就無法享受基本服務的情況下，也不得不捏著鼻子簽下這類「不平等條約」。
在這種不對等的關係中，生產者的強勢與消費者的弱勢，使得數據交易越來越泛濫，加上缺乏有效的監管措施，收集個人隱私數據的行為也愈發猖獗，逐漸走向失控。
膨脹的「信息繭房」
對於許多人而言，生物特徵信息比非生物特徵信息的隱私保護層級更高。
通常情況下，生物特徵信息（人臉、指紋等）與資金帳戶、社交關係等密切相關，一旦發生泄漏，所產生的 風險損失在某種程度上是「可預知」的，損失也是相對「可控」的。
以人臉數據為例，發生數據泄露之後，用戶首當其衝可預知到帳戶安全，然後通過各種手段凍結帳戶。
而非生物特徵信息（興趣、愛好等）由於風險損失的「不可預估」，普通用戶很難有一個直觀的認識。
例如，在註冊APP時，用戶被要求填寫基礎資料、個人愛好等信息。這個過程中，用戶只需要支付時間成本，而不會產生直接利益損失，就能夠獲得更精準的信息推送服務。
但命運贈送的禮物，早已暗中標好了價格。
這些數據雖然不會直接帶來損失，但危害或許更大。在這些數據的加持下，各種推薦算法橫空出世， 構建了一張張封閉的「信息繭房」，繭房裡的用戶們，成為一茬茬被收割的對象。
大數據殺熟可以說是比較明顯的一類收割方式。
系統通過抓取用戶在線時長、消費記錄等特徵值，將用戶按標籤分組，然後推送不同的折扣，給新用戶優惠，老用戶高貴。
人們常說的消費主義也與之相關，許多用戶在購物平台上購買商品，系統會根據用戶的瀏覽記錄、時長、輸入標籤、好友等等，推送其可能喜歡的商品，並且一發不可收拾。最後用戶可能買了一大堆並不實用的商品。
這兩種都比較常見，但商家只是為了賺取更多利潤，雖然面黑，卻也至少在法律監管之內。
但從另一個角度看，基於數據產生的推薦算法，如果沒有得到有效引導，那麼將會帶來「社會性災難」。
品牌傳播有一種常用技巧，叫培養用戶心智。最典型的莫過於「鑽石恆久遠，一顆永流傳」這句廣告，把鑽石和愛情畫上等號，成為結婚不可或缺之物。實際上，鑽石本身價值不如黃金，但仍有無數男女為之傾倒。
羅馬的建成並非一朝一夕，培養用戶心智，也不可能一蹴而就，而是潛移默化、春風化雨。
以最近被討論得較多的豆瓣為例：
豆瓣曾於2012年上線了「豆瓣猜」功能，根據官方定義，該功能如下：
「你的個人推薦是根據你的收藏和評價自動得出的，每個人的推薦清單都不同。你的收藏和評價越多，豆瓣給你的推薦會越準確和豐富。每天推薦的內容可能會有變化。隨著豆瓣的長大，給你推薦的內容也會越來越准。」
毫無疑問，該功能的初心是為了給用戶提供更優質內容，包括現在許多短視頻APP，在使用推薦算法的時候，直接目的是增強用戶黏性，然後通過廣告投放變現。
但這類推薦實際上會形成一個「信息繭房」，即用戶在某一類別的內容下薰陶太久，很難再接收到其他跨行業的內容，從而造成信息阻塞 。在這個「繭房」裡面的用戶，每天都受到同質化內容的衝擊，思維也會受到影響，趨於單一甚至極端。
一份對豆瓣的研究表明，豆瓣由於是小組機制，以組為單位的信息交流較為封閉，受推薦算法影響，組內成員接收到的內容更為單一（精準）。整個小組就是一間房屋，只接受來自推薦算法的投喂，而拒絕跨行業交流，所以不難理解豆瓣出現的一些極端言論。
如果這種推薦算法被用於輿論戰，比如在俄烏事件中，Facebook允許用戶發表任何關於俄烏領導人的仇恨言論，那麼許多人可能都會接收到更多類似言論，從而帶來嚴重的社會問題。
所以，看起來沒那麼重要的數據，在推薦算法的放大下，影響也會被放大無數倍。即便一開始，推薦算法是出於好意，但若缺少有效監督，最終會釀成惡果。
技術、監管與商業行為
「技術僅是一種手段，它本身並無善惡，一切取決於人從中造出什麼，它為什麼目的而服務於人，人將置於什麼條件下。」
德國存在主義哲學家雅斯貝爾斯如是說。
網際網路、大數據、AI等新技術確實帶來了生產生活的改變，同時重鑄了商業模式，但技術與人之間的關係卻產生了 「滯後效應」。
所謂滯後效應是指，法律監管、民眾意識的覺醒，落後於新技術的演變，這種時間差所導致的認知差異很容易引起爭議，而這種爭議又因利益主體而有著截然不同的態度。
比如，疫情防控需要採集人臉信息，幾乎沒有人表示反對，但對於商店收集人臉，卻有百般不願。
「對公權力的信服，使人們相信公權力收集人臉信息是為了大眾安全與福祉。」
因為前者屬於利益共享，並且有政府背書，人們相信前者有能力來保護個人數據安全。但後者是純商業行為，消費者從中無法獲得利益，並且存在很大的信任危機。
在這段時間差里，由於缺乏針對性的法律加以監管，隱私、技術、商業、監管四者之間存在一片 模糊地帶，成為灰色產業鏈的沃土。
《個人信息保護法》和《數據安全法》的出台，一定程度上規範了行業，但從監管層面來看，隱私與技術、商業行為之間的界限仍然不夠明晰。
以生物特徵信息為例，哪些信息可以採集、哪些信息不可以採集，什麼時候能用，什麼時候不能用，尚未有國家層面的正式法律依據做支撐。
舉個例子，現在很多技術公司在做 「智能商業」，也就是通過採集數據來給商戶營銷服務。人臉信息在《個人信息保護法》有明確規定，企業私自採集人臉並商用屬於違法行為。
技術公司已經可以通過技術手段，比如數據脫敏，來規避掉人臉信息，而採集性別、年齡、穿著、用戶行為等其他信息，這部分數據實際上處於上述提及的灰色地帶之中。
這些數據能不能采？是一個問題。
另一個問題是，針對線上用戶的推薦算法，其採集的數據範圍、類型等要不要加以限制？
一位數據公司VP告訴掘金志，現在的大數據實際上處於線上線下融合發展的階段，任何一端的監管缺失，都會帶來很嚴重的問題。
雖然2022年1月出台了《網際網路信息服務算法推薦管理規定》，對推薦算法進行規制，但在數據採集方面仍然缺少約束。
比如，今年315之後，淘寶、抖音、微博等APP上線了算法關閉鍵， 用戶可關閉「個性化推薦」，不過實際影響可能有限。
某行業人士表示，關閉「個性化推薦」存在彈性：其一，只是降低了內容的相關度；其二，仍然可以通過別的算法（如近鄰算法）來感知消費者的喜好；其三，APP仍然可以採集隱私數據。
當然，這並不意味著該功能無用。在他看來，數據已經成為現代商業不可缺少的一部分，是發展數字經濟的基礎「資源」，幾乎不太可能割裂數據與商業之間的聯繫。
「如果要劃分隱私數據、技術與商業行為之間的邊界，需要企業、消費者、監管方、媒體等多方參與。」
而這又將是一場持久的「利益博弈」。
推薦閱讀
AI 商業模式的脫靶、崩塌、救贖
算法商城，到底是不是偽命題？
文章來源: https://twgreatdaily.com/8acd2421a4824f8c54d40d8ce14b157a.html