在为本书做研究并且积极参与“数据伦理”与“可信”人工智能政策和倡导者社区当中之时，我遇到了许多人工智能开发者，他们正在研究所谓的“伦理人工智能”解决方案。然而，我发现大家对于人工智能数据的伦理处理方式的理解可谓“人心不同·各如其面”。一些出于社会目的研发人工智能的开发者可能认为仅用部分数据“不符合伦理”；而另一方面，一些人工智能开发者则主张更严格的隐私保护规范，并相应地在人工智能开发当中确保数据使用最小化。尽管从表面上看·他们共同参与了“伦理人工智能”运动，但他们仍然没有形成一个共同的概念框架·将其用于解决技术开发当中不同数据利益之间的冲突。在我看来，他们代表了不同的数据文化，在数据方面有着不同的价值与利益诉求，并在不同的——有时可能冲突的—意义概念地图当中有所探索。
总之，在与人工智能开发者的交流过程当中，我发现，在数据密集型技术的开发过程之中，始终难逃诸多数据利益的左右。
正如我采访的一位人工智能开发者(她同意我在此引用)向我解释的那样：“人工智能对于数据有着极度的渴求。因此当我们构建一些东西之时，我们同时也会想：哪些应用程序接口(API)可以为我所用。谷歌、必应(Bing)、亚马逊提供的应用程序接口，我能从哪个当中获得数据并拿来即用……”
然而，她也担心自己这些云共享数据的安全性：“我们只知道它们具有数据安全的隐私政策，但我们却对具体条款一无所知。说实话，我的确不知道。”面对她的担忧，我进一步追问她作为一名人工智能开发者使用这些平台的好处。她问答说：“这些平台具有良好的硬件，在这些平台上运行程序可比在我的电脑上要快得多，因此我获得了速度红利。”
114