商業數據，個人數據，隱私保護，法律合規，錯綜復雜但又與我們每個人息息相關，無論大數據與AI怎么飛速發展，都應該把握創新的尺度，不該從惡，而是從善如流。

          一、大數據的發展困境

          犯罪心理學上有個“破窗理論”，無論是企業還是個人，都有那么一個不為所知的“小窗戶”，或許，我們沒有辦法保證它永遠完好，但起碼在它破了之后，要敢于主動、迅速修補。

          否則，透過裂縫，這個窗口的裂縫會進一步擴大，這種誘惑帶來的風險將會越來越失控。

          當你登錄手機APP的時候，有沒有發現，各種APP軟件調取你手機各項權限的強制性要求越來越少了，屬于你的權力越來越大了?

          其實，并不是你的權力變大了，而是部分企業機構之前濫用大數據權限，對你剝削得太厲害了。

          7月30日，在中消協舉行的第五屆理事會第七次會議上，工信部信息通信管理局副局長魯春叢公布了如下的數據。

          “工信部持續加大對App違規行為的發現、曝光和處置力度。截至目前，已累計組織16批次集中抽測，檢查139萬款App，通報1407款違規App，下架377款拒不整改的App。”

          隨著數字經濟的發展，在大數據的使用過程中，其實存在著一個“大數據困境”，這個困境主要是因為有三方面利益沖突而造成的，分別是：

          1、社會公眾;

          2、商業公司;

          3、作為社會成員和商業公司雇員的大數據相關從業者。

          社會公眾的目標很單純：道德遵從，公平合理。

          商業公司的目標也很單純：追求利潤最大化，合法合規(但有打擦邊球的)。

          作為社會成員和商業公司從業者的大數據從業者，目標就存在一定矛盾了：每個從業人員必須權衡其作為社會成員的利益和作為公司雇員的利益，這就是他們面臨的社會困境。

          還好，如今，相關從業者的這個尷尬境地，越來越少了。

          因為隨著一系列相關法律的出臺，數字世界開始越來越規范了。

          二、一張圖看懂數據與重要的法律法規的關系

          數據涉及的領域太多，概念太大，出臺的法律又多，怎么有效地厘清之間的關系呢?

          東方林語用一張圖片，讓你了解清楚商業數據、個人數據與各項法律的適用范圍，也讓每個人可以知道，如何有效地保障自己的合法權益。

          首先，商業數據的分類，可以分為公共數據、平臺數據、企業數據。

          其次，個人數據的分類，可以分為個人行為數據、個人信息、個人隱私。

          再次，所謂的重要數據和核心數據，都是分別包含了一部分商業數據和一部分個人數據(不是全部哦)。

          最后，從法律層面，重點列舉了《民法典》、《個人信息保護法》、《數據安全法》、《網絡安全法》、《國家安全法》在數據領域的適用范圍。

          了解清楚上面四點后，用一張圖就可以看懂相互之間的關系了。

          無論是企業，還是國家機關，任何一個涉及重要數據的處理機構，如果不能保證數據合規和安全，必將帶來巨大風險，給經營管理造成困擾，甚至影響到品牌聲譽，國內外已經有無數類似的案例。

          融合、共享、應用、變現(價值體現)，是企業、政府、研究機構等使用數據的訴求與目標。

          如今，從數據的收集、存儲、使用、加工、傳輸、呈現等完整環節，保證數據的安全、隱私與合規，從法律、法規、監管等，都有了明確的要求。

          三、四項值得關注的重要技術

          這種背景下，哪些相關技術與領域將得到重視呢?

          東方林語重點強調四項技術，分別是:隱私計算技術、零信任技術、認知智能技術、邊緣計算技術。

          這四項技術，如果想系統深入了解的話，可以關注東方林語之前的相關文章介紹。如果分別記住每項技術的一句話解釋，也能大概了解其含義。具體來說，就是：

          1、隱私計算技術：數據不動模型動，數據可用不可見。

          2、零信任技術：永遠不信任，持續在驗證。

          3、邊緣計算技術：專注于局部邊緣端計算，更好服務云計算整體。

          4、認知智能技術：能理解、會思考、可解釋的人工智能技術。

          其中：

          隱私計算解決了數據的隱私與合規問題;

          零信任解決了安全訪問的問題;

          邊緣計算解決了算力不足與數據本地化保護的問題;

          認知智能解決了AI的發展趨勢問題。

          這四項技術，并不是孤立的，而是相輔相成的。

          或許，大數據從業人員，會糾結于大數據發展道德問題與自己的工作利益沖突之間的問題。

          但從數據本身而言，就是冷冰冰的一段代碼，無論是大數據，還是人工智能，根本上是沒有人類的感情，其 “偏見” 取決于背后算法訓練的數據。

          舉個例子，早在2018 年 2 月的時候，MIT(麻省理工學院)媒體實驗室計算機科學家 Joy Buolamwini 就發現，IBM、微軟等公司的性別識別 AI 系統能以 99% 的精度從一張照片中準確識別出一個人的性別，但僅  限于白人。而用于黑人女性時，這個數字會驟降至 35%。

          所以，所有的歧視與偏見，都是來自我們人類的看法。

          技術爆炸帶來的社會革新太快，所以，我們不能完全依賴立法來解決數據安全與隱私層面的問題，但是，當我們建立起一套相對規范的、統一的道德準則與立法之后，數字世界才能在這個框架下，開始向良性循環的方向發展。

          同樣，正確地理解“破窗效應”，就要守好我們的“小窗戶”，不能讓它肆無忌憚的放任洞口大開。

          少抄近路，守住底線，才是長久之道。

          從善如流而不是從惡如流，對我們所有人來說，這就是最好的榜樣了。