人工智能伦理

sS450

VEREINTE NATIONEN

图2.23 共享体现了一种协作的精神，减少了不必要的重复劳动

针对科学研究中的数据共享，美国国立卫生研究院（National Institutes of Health, NIH）给出了权威的解释。“我们认为，数据共享对于加速将研究成果转化为知识、产品和程序以改善人类健康至关重要。NIH同意共享最终研究数据，以服务于这些和其他重要的科学目标。NIH期望并支持及时发布和共享NIH资助项目的最终研究数据，供其他研究人员使用。NIH认识到，收集数据的调查人员从他们投入的时间和精力中获益是合法的。因此，我们修改了‘及时发布和共享’的定义，使之不迟于最终数据集的主要发现被接受发表。NIH继续期望，最初的研究者可以从首次和持续使用中获益，但不会从长期的独家使用中获益。

图2.24 疾病没有国界、人种之分，像癌症研究这类惠及全体人类的高价值成果（包括数据及其分析），都应该走有偿共享的道路

例 2.11 美 国 国 家 癌 症 研 究 所 （ National CancerInstitute, NCI）是NIH的一个下属机构，它把大量癌症数据共享，尤其那些很难采集的早期癌症的数据，鼓励全球科学家共同分析——这是造福人类的壮举。

这些数据经过了脱敏处理，没有触碰个人隐私的红线。另外，NCI确保了这些高价值共享数据的真实性、权威性、严谨性。以研究为目的的数据共享，不仅有助于科学进步，还可以形成共同监督的良好氛围，从而减少学术造假。

数据共享是共赢，在不伤害提供方应得利益的基础上，把数据的价值发挥至极致。为了更好地共享数据，我们应做好以下几个方面。

口 保证共享数据的质量、安全、透明、易找，依靠第三方的权威机构和专业大数据团队统一管理和指导共享数据的发布、协调、使用、评估等，形成大数据的合力，避免数据共享各自为政、重新造轮子、良莠不齐的现象。

鼓励高质量的数据共享，促使数据的发布者和使用者有更多的合作机会共赢。譬如，数据提供方有使用其衍生价值的部分优先权、合理的有偿共享等。

口 为共享数据立法，防止恶意的、无用的数据共享，以及利用共享数据非法盈利、误导欺骗用户

等危害社会的行为。

图2.25 可信的数据共享是数字家庭、数字社会、数字生产的有力保障

比脱敏数据更安全的是模型参数，这是因为模型f和参数 $\theta$ 通常无法“再现”原始训练数据 $D ,$ ，至多黑箱 $f _ { \theta }$ 可能会“泄露”D的某些统计特征。相比数据共享，“黑箱共享”或“经验共享”也许是一种更可取的信息共享方式，因为 $f _ { \theta }$ 是更高阶的脱敏信息，可作为元学习（meta learning）的输入。在阻绝数据泄密的前提下，如何共享一些有用的经验或信息，这是一个值得深入研究的课题。

例2.12 2020年，在新冠病毒肆虐美国之时，美国医院调查检测呈阳性的患者近期接触过哪些人，很多人以侵犯个人隐私为由拒绝回答。人所共知，生命权远比隐私权重要得多，二者相冲突时去其轻者。那些对公共卫生和大众健康已经构成威胁的病毒携带者，若置他人的安危于不顾，自私地保护其所谓的“隐私权”，实则是缺乏社会公德的表现。而明知自己感染，仍然刻意隐瞒，甚至还主动散播病毒的理应受到道德的谴责，情节严重的理应追究法律责任。

强调个人隐私并不是无条件的，它不能损害他人的合法权益。作为社会成员，每个人都不是孤立的，只知索取不知奉献的人是自私的，打着保护隐私的旗号危害社会的行为是可耻的。

图2.26 在涉及公共卫生的紧急事件中，所有人都要以大局为重。个人隐私的保护也要遵循整体利益优先的原则，以不损害他人生命和健康为前提

再如，一个普通百姓的私人存款、房产情况是受法律保护的个人信息。然而，政府官员的私人存款、房产情况是否属于个人隐私而不能公开呢？在明确了人民的监督权远高于官员的隐私权之后，答案就不言而喻了。

2.1.2 数据安全与隐私保护

数据安全首先指避免数据遭受破坏和未经授权的访问、传播和滥用等。人们可以通过备份、屏蔽、加密来保障数据在存储和传输中的安全性。在大数据时代，如何做到安全和共享“鱼与熊掌兼得”也是一个具有挑战的课题。