--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能伦理" author: null edition: null publisher: null year: null isbn: "9787302596622" library_document_id: "4f33a8d5-185f-4dd7-8093-04a4119470cb" source_sha256: "fcd3c9683d64b90a0f86208e72b703029dcf8f67d635958e09e34a63875b4472" pdf_physical_page_count: 1800 pdf_physical_page_index_base: 0 range_start: 500 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb?start=500&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=500&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=490&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=510&limit=10" --- # 人工智能伦理 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=500 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=501 | PRINTED_PAGE=NOT_DETECTED 图2.12 手机通信、电子邮件、网页历史等信息常被用来分析用户的行为特点和兴趣爱好。事实上，我们生活在一个几乎透明的世界里 通常，元数据大致分为以下五种类型，其中前三种得到美国国 家 信 息 标 准 组 织 （ National Information StandardsOrganization, NISO）的认可。 口 描述型元数据：关于资源的描述性信息（如标题、摘要、作者、关键词等），常用于搜索和识别。 结构型元数据：对数据组织结构、内部关系的刻画（如例如序结构、树结构、网络结构等）。 管理型元数据：数据管理（如创建时间、目的、类型、权限、方式等）的信息。 过程型元数据：描述收集、产生、处理数据的过程。 参考型元数据：有关数据的内容、质量、价值等方面的评估信息。 例如，手机拍摄的数字图像包含诸如取景位置、创建时间、图片大小、颜色、分辨率、快门速度等内容的元数据。显然，对元数据的分析有助于挖掘更多的深度信息。未经用户同意，对个人隐私数据的元数据进行采集、整理、分析并用于营利的行为，应受到法律的限制和技术的监管。例如，上架的应用程序必须通过监管部门的认证，确保没有滥用隐私数据及其元数据。 ## PDF_PHYSICAL_PAGE_INDEX=502 | PRINTED_PAGE=NOT_DETECTED 为了国家安全（national security），国家机构的有针对性的、力度适当的网络通信监控是有必要的。如果触碰隐私数据的权力不受约束地散发给无资质的大数据公司，进而影响到遵纪守法的平民百姓的日常生活，则会导致技术的滥用而弊大于利。事实上，为了维护网络的安全和公共利益，所有的国家都有网络监管，包括营运监管、内容监管、版权监管、经营监管、安全监管等。 ## PDF_PHYSICAL_PAGE_INDEX=503 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=504 | PRINTED_PAGE=NOT_DETECTED 图2.13 在网络世界里，损害他人利益或国家利益的违法犯罪行为在任何国家都要受到监管和制裁，没有哪个社会对它们听之任之。所谓“言论自由”是加了条条框框的，否则，任何人都有可能沦为网络暴力的牺牲品 例2.6 脸书在《数据使用政策》里规定在下列情况下，它可以获取、保留并与监管机构、执法部门或其他方分享用户的信息。 回应法律要求（如搜查令、庭谕或传票），如果我们有充分的理由相信法律要求我们这么做。这可能包括回应来自美国以外的司法管辖区的合法要求，当我们有充分的理由相信该回应是相关司法管辖区法律所要求、会影响该司法管辖区内的用户并符合国际认可的标准时。 口 我们有充分的理由相信这么做对于达成以下目的很有必要：检测、预防并解决欺诈、对产品的未授权使用、对我们条款或政策的违反或其他有害或非法活动；保护我们自己（包括我们的权利、资产或产品）、您或他人（包括调查或监管问询中牵涉的人士）；防止死亡或可能即将发生的人身伤害。例如，如果需要，我们会与第三方合作伙伴交流有关您的账户可靠性方面的信息，以防止在我们产品内外所进行的欺诈、违规和其他有害行为。 如果我们获取的有关您的信息（包括您使用脸书进行购买相关的财务交易数据）属于法律要求或义务、政府调查、可能违反我们的条款或政策的调查、或预防伤害方面的行动的对象，则这些信息的访问和保留时间期限可能会延长。我们也会将因违反我们的条款而被禁用的账户的信息保留至少一年，以防止重复违规或违反我们条款的其他行为。 ## PDF_PHYSICAL_PAGE_INDEX=505 | PRINTED_PAGE=NOT_DETECTED 例2.7 一些旅游、约车、网购、订餐平台的“大数据杀熟”“大数据杀富”已经让广大用户切身体会到个人隐私的重要性。利用软件生态的黏性谋利本无可厚非，但对忠实用户（如会员）的“杀熟”做法就令人不齿了。用户的消费特征不应该成为产品或服务定价的依据，这种“看人下菜碟”的营销不管以何种方式进行都侵犯了消费者权益。未来还会有什么新奇的“大数据杀某某”？对那些恶意的应用，是否应该有法律法规加以约束？ ## PDF_PHYSICAL_PAGE_INDEX=506 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=507 | PRINTED_PAGE=NOT_DETECTED 图2.14 不管消费方式如何变化，保护消费者利益的原则是不变的 2020年8月，文化和旅游部发布了《在线旅游经营服务管理暂行规定》，禁止滥用大数据分析等技术手段侵犯旅游者合法权益。 在大数据时代，人们不知道有关自己的信息存在何处、被用来做什么，也无法操作（如核实、修改、删除等）这些信息。不仅如此，遇到困扰时没有可求助的部门，甚至不知道起诉谁。当有法可依来保障个人隐私的时候，才会有更多刺向侵犯隐私的剑，甚至诞生以此为生的技术服务、咨询服务、打假服务等。 2.1 以改进服务为由 大 数据公司都会以改进个性化服务质量为由分析用户的行为数据，这些行为数据是在提供服务的同时获取的。随着数据容量的增大，行为分析的准确率也在不断地提高。例如，搜索引擎越来越了解你的搜索意图，针对你当前的情况优化结果。如果搜索意图带有一些个人隐私，那么这种对兴趣点的分析是否会冒犯用户呢？大数据公司可以把责任推卸掉，如果用户不喜欢它的服务，完全可以选择不用。用或不用都是用户的自由，乍听起来似乎没有什么不妥。 ## PDF_PHYSICAL_PAGE_INDEX=508 | PRINTED_PAGE=NOT_DETECTED Customers who viewed this item also viewed and Mouse) Paperback Catching the Moor: The Baseball Dream Paperback n Best Sole in Chhiden's Old Elm Speaks Tree Poems Paperback Thanksgiving Comedy Lisa Wheeier 会会会会会138 Paperback Page tof8 Story of Patience & Fortitude (A New York Hardcover Paperback More items to explore \$2,589.93 \$69.20 vprime \$69.99 prime \$999.99 pprime Page tof 3 Books you may like Kindle Edition \$8.99 \$0.00 Page 1of7 Kindle Edition \$7.99 ## PDF_PHYSICAL_PAGE_INDEX=509 | PRINTED_PAGE=NOT_DETECTED 图2.15 亚马逊网站在导购推荐上，考虑了用户的购买历史，以及用户之间的相似性。所推荐物品在语义上与用户可能的兴趣点是关联的，那么猜测用户的兴趣点或购买意图是否触犯了窥探他人隐私这一道德红线呢？ 有时，用户在享用大数据服务的同时也在为它做贡献，例如，采集驾驶人员的行为数据用作训练集来改进自动驾驶模型，然后再以高质量服务的形式攫取更多的收益。大数据公司看准了，用户一旦对服务形成依赖，他们甚至不惜牺牲掉一些个人隐私来换取现实生活上的便利。我们往往会存在一种侥幸的心理，先假设大数据公司不会作恶，再假设即便它作恶，落到个人头上的机会也很小。 个人数据如同涓涓细流，汇聚成江河便形成了巨大财富的来源，从数据到知识与决策是“数据挖掘”的未来之路，沿途商机无限。大数据公司一旦联手，个人隐私就更得不到保障。试想一下，你刚在网上订完机票，目的地的酒店、餐饮、旅游等信息就自动推荐给你。那些精准的推荐的确很打动人，你可能瞬间感觉到有些被窥探的不悦，但很快就将之抛在脑后，翻看起这些令人感兴趣的推荐信息。 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/4f33a8d5-185f-4dd7-8093-04a4119470cb.md?start=510&limit=10)