Сила конфиденциальности. Почему необходимо обладать контролем над своими персональными данными и как его установить

Есть и более развернутый ответ на это. Даже если мы понимаем, что прогресс означает только его техническую сторону, ответ все равно будет «нет» – защита конфиденциальности необязательно должна происходить за счет развития технологий. Не будем забывать, что персональные данные в основном используются для получения финансовой выгоды. Таким компаниям, как Google, возможно, даже не придется вводить новшества, чтобы обеспечить устойчивую бизнес-модель. Возможно, шансы Google на прямую продажу своих услуг потребителям были невелики с самого начала. Тогда потребители еще не успели почувствовать, каково это – ориентироваться в повседневной жизни с помощью поисковой системы Google, их карт и других продуктов. Но теперь пользователи Сети хорошо понимают ценность продуктов Google. Давайте заплатим за эти услуги, если они для нас важны. В 2013 году, когда дела Google шли уже очень хорошо, у компании было 1,3 миллиарда пользователей, а годовой доход составлял около 13 миллиардов долларов, то есть около 10 долларов в год с каждого пользователя[293]. Разве это не разумная цена за услуги Google? Это меньше, чем люди платят за развлекательные услуги, такие как доступ к Netflix, которые стоят немногим больше 10 долларов в месяц.

Разрешение зарабатывать на персональных данных создает стимул для сбора большего количества данных, чем это необходимо для технического прогресса. Использование данных в целях науки и техники запрещать нельзя, но если организации захотят поэкспериментировать с персональными данными, они должны будут взять на себя соответствующие обязательства по соблюдению прав людей. Это разумное требование. Если технологическим компаниям удастся преобразовать свои усилия в ценные услуги для пользователей Сети, то мы будем рады платить за них, как и за другие вещи, которые мы ценим в реальном мире.

Кроме того, далеко не так очевидно, может ли бесконечное количество персональных данных привести к техническому или научному прогрессу. Как мы видели, избыточное количество данных может помешать мыслительному процессу и принятию решений. Добавление большего количества данных в плохой алгоритм не сделает его хорошим. Когда мы проектируем искусственный интеллект, мы стремимся к тому, чтобы создать именно ИНТЕЛЛЕКТ. Но если вы недавно взаимодействовали с онлайн-помощником, то наверняка заметили, что интеллектом он не блещет.

Иногда люди могут узнать что-то новое на одном примере, потом они переносят эти знания на аналогичные, но новые сценарии. По мере того как системы искусственного интеллекта становятся умнее, мы можем ожидать, что им будет требоваться меньше данных[294]. Наиболее важные проблемы для развития искусственного интеллекта являются техническими, и они не будут решены путем наращивания объема персональных данных[295], потому что, и это не должно нас удивлять, самые передовые результаты искусственным интеллектом были достигнуты не за счет использования персональных данных.

AlphaZero – это алгоритм, разработанный Google DeepMind, который играет в древнюю китайскую игру го (а также в шахматы и сёги). Что делает го особенно интересной игрой для освоения искусственного интеллекта? Во-первых, это ее сложность. По сравнению с шахматами в го доска большего размера, и на каждый ход нужно учитывать гораздо больше альтернатив. Из одной позиции в шахматах можно пойти примерно 20 способами, а в го – двумя сотнями. А количество возможных конфигураций на доске больше, чем число атомов во Вселенной. Во-вторых, го – это игра, в которой большую роль играет интуиция. Когда профессионалов спрашивают, почему они сделали тот или иной ход, они часто отвечают, что «это кажется правильным». Именно это интуитивное качество заставляет людей считать го искусством, а игроков – художниками. Таким образом, чтобы компьютерная программа могла победить игрока в го, она должна имитировать человеческую интуицию – или, точнее, результаты человеческой интуиции. Самое примечательное в алгоритме AlphaZero – это то, что его разрабатывали исключительно путем игры против самого себя. Внешние данные не использовались. Алгоритм AlphaGo, предшествовавший AlphaZero, был частично разработан путем демонстрации сотен тысяч игр в го между людьми. DeepMind потребовались месяцы, чтобы так усовершенствовать AlphaGo, что он смог победить чемпиона мира Ли Седола. AlphaZero развил сверхчеловеческие способности по игре в го всего за три дня. И все это – без использования личных данных.

А как насчет медицины?