我们能收集和处理的数据只是世界上极其微小的一部分。这些信息不过是现实的投影—柏拉图洞穴上的阴影罢了。因为我们无法获得完美的信息,所以做出的预测本身就不可靠。但这也不代表预测就一定是错的,只是永远不能做到完善。这也并未否定大数据的判断,而只是让大数据发挥出了应有的作用。大数据提供的不是最终答案,只是参考答案,为我们提供暂时的帮助,以便等待更好的方法和答案出现。这也提醒我们在使用这个工具的时候,
应当怀有谦恭之心,铭记人性之本。

与此同时,大数据又意味着我们将永远受困于过去的行为,这些行为在预知我们下一步动作的预测过程中与我们作对,即我们永远无法逃避已发生的事。莎士比亚曾写道:“凡是过去,皆为序曲。”大数据通过运算将这句话铭刻,无论结果好坏——无论这句话是否会浇熄我们迎接下一个日出的热情,
是否会打击我们留名于世的渴望。

无论大数据如何威胁到隐私保护,最让人们买疼的都是行为倾向问题。大数据预测的准确性越来越高,它能够预测行为的发生,在人们犯错之前,提前惩处。因为预测的结果几乎不可反驳,人们也就无法为自己开脱。但这种基于预测得出的惩罚不仅违背自由意志的原则,同时也否定了人们会突然改变选择的可能性(无论可能性有多小)。当我们]给一个人判定责任(并给予惩罚)时,必须牢记人类意志的神圣不可侵犯性。人类的未来必须保留部分空间,允许我们按照自己的愿望进行塑造。否则,大数据将会扭曲人类最本
质的东西,即理性思维和自由选择。

去。社会越是用干预、降低风险的方式取代为自己的行为负责,就越会导致个人责任意识的贬值。主张预测的国家是保姆式的国家,而且远不止如此。
否认个人为其行为承担责任实际上就是在摧毁人们自由选择行为的权利。
如果国家做出的许多决策都是基于预测以及减少风险的愿望,就不存在所谓个人的选择了,也不用提自主行为的权利。无罪,无清白。如此一来,
世界不止不会进步,反而在倒退。

害——我们赋予数据本不具备的意义和价值。
保护个人责任也同样重要。也许这一点很具有吸引力—社会无论何时做出关乎他人的决策时,都不再需要决策者们承担责任。相反,它会将重心转移到风险管理上,即评测可能性以及对其进行风险评估。有了所有看似客观的数据,对我们的决策过程去情绪化和去特殊化,以运算法则取代审判员和评价者的主观评价,不再以追究责任的形式表明我们的决策的严肃性,而
是将其表述成更“客观”的风险和风险规避,听起来都是不错的主意。

相似的原理应当运用到政府领域之外,比如公司在进行关乎我们个人利益的重大决策时—雇用与解雇,同意按揭或者拒发信用卡。如果他们单纯
依据大数据预测作出这些决策,特定的防护措施就必须到位。
第一,公开原则。因为这将直接影响到个人,所以必须公开
用来进行预测分析的数据和算法系统。
·第二,公正原则。具备由第三方专家公证的可靠、有效的算
法系统。
·第三,可反驳原则。明确提出个人可以对其预测进行反驳的
具体方式(这类似于科学研究中披露任何可能影响研究结果
的因素的传统)
·最重要的是,要确保个人动因能防范“数据独裁”的危

在法庭上,个人对自己的行为负有责任。一番公正的审讯之后,审判员会做出公平公正的判决。然而,在大数据时代,关于公正的概念需要重新定义以维护个人动因的想法:人们选择自我行为的自由意志。简单地说,就是
个人可以并应该为他们的行为而非倾向负责。

为实现这一平衡,监管机制可以决定不同种类的个人数据必须删除的时间。再利用的时间框架则取决于数据内在风险和社会价值观的不同。一些国
家也许会更谨慎,而某些种类的数据也许会更敏感。

将责任从民众转移到数据使用者很有意义,也存在充分的理由,因为数据使用者比任何人都明白他们想要如何利用数据。他们的评估(或者由他们所雇用的专家制定的评估)避免了商业机密的泄露。也许更为重要的是,数据使用者是数据二级应用的最大受益者,所以理所当然应该
让他们对自己的行为负责。

管理变革1:个人隐私保护,
从个人许可到让数据使用者承担责任
数十年来,全球范围内的隐私规范都开始让人们自主决定是否、如何以
及经由谁来处理他们的信息,把这种控制权放在了人们自己手中,这也是隐
私规范的核心准则。在互联网时代,这个伟大的理想往往会演变成“告知与
许可”的公式化系统。
在大数据时代,因为数据的价值很大一部分体现在二级用途上,而收集
数据时并未作这种考虑,所以“告知与许可”就不能再起到好的作用了。
在大数据时代,我们需要设立一个不一样的隐私保护模式,这个模式应
该更着重于数据使用者为其行为承担责任,而不是将重心放在收集数据之初
取得个人同意上。这样一来,使用数据的公司就需要基于其将对个人所造成
的影响,对涉及个人数据再利用的行为进行正规评测。当然,并不是说任何
时候都必须非常详尽。
未来的隐私保护法应当区分用途,包括不需要或者只需要适当标准化保
护的用途。对于一些危险性较大的项目,管理者必须设立规章,规定数据使用者应如何评估风险、如何规避或者减轻潜在伤害。这将激发数据的创新性

詹姆斯·斯科特( James Scott)教授是耶鲁大学政治学和人类学教授,他在《国家的视角》( Seeing Like a State)一书中记录了政府如何因为它们对量
化和数据的盲目崇尚而陷人民的生活于水深火热之中。
它们使用地图来确定社区重建,却完全不知道其中民众的生活状态。它们使用大量的农收数据来决定采取集体农庄的方式,但是它们完全不懂农业。它们把所有人们一直以来用之交流的不健全和系统的方式按照自己的需求进行改造,只是为了满足可量化规则的需要。在斯科特看来,大数据使用成了
机十的武器

与数据为伴的人可以用一句话来概括这些问题,“错误的前提导致错误的结论。”有时候,是因为用来分析的数据质量不佳;但在大部分情况下,是因为我们误用了数据分析结果。大数据要么会让这些问题高频出现,要么会
加剧这些问题导致的不良后果。

大数据有利于我们理解现在和预见未来的风险,如此一来,我们就可以相对应地采取应对措施。大数据预测可以帮助患者、保险公司、银行和顾客,但是大数据不能告诉我们因果关系。相对地,进行个人罪责推定需要行为人选择某种特定的行为,他的选择是造成这个行为的原因。但大数据并不是建立在因果关系基础上的,所以它完全不应该用来帮助我们进行个人罪责
推定。
麻烦的是,人们习惯性地从因果关系的视角来理解世界。因此,大数据总是被滥用于因果分析,而且我们往往非常乐观地认为,只要有了大数据预
测的帮助,我们进行个人罪责判定就会更高效。