當(dāng)?shù)貢r(shí)間8月19日，哈佛大學(xué)舉辦“2019大數(shù)據(jù)”會(huì)議，來自美英多所高校的專家學(xué)者從自身研究領(lǐng)域出發(fā)，就大數(shù)據(jù)的應(yīng)用現(xiàn)狀和未來發(fā)展趨勢(shì)進(jìn)行分析和預(yù)測。

“算法”中植入“社會(huì)價(jià)值”

美國賓西法尼亞大學(xué)媒體和算法領(lǐng)域助理教授阿倫·羅斯(Aaron Roth)從“倫理算法”的角度著重分析了大數(shù)據(jù)在媒體應(yīng)用領(lǐng)域的發(fā)展趨勢(shì)。他認(rèn)為，當(dāng)前社交媒體的算法難以“歸咎責(zé)任”，這使得在算法產(chǎn)生一些負(fù)面結(jié)果時(shí)，人們很難追責(zé)。羅斯對(duì)本報(bào)記者稱，人們需要在算法里植入“社會(huì)價(jià)值”的標(biāo)準(zhǔn)，包括隱私、公平等相關(guān)指標(biāo)。他提到，不同用戶對(duì)“隱私”“公平”等詞匯的定義有所不同，因此在制定相關(guān)指標(biāo)時(shí)，應(yīng)區(qū)別對(duì)待不同用戶，實(shí)行“差異隱私權(quán)”。但無論如何，用戶隱私和算法推送之間不應(yīng)存在“交易成分”，算法的發(fā)展不應(yīng)優(yōu)先考慮經(jīng)濟(jì)利益。

對(duì)此，他提出了兩條建議：一是修正目前算法中存在的可能侵害大多數(shù)用戶個(gè)人隱私的錯(cuò)誤做法;二是根據(jù)不同人群的年齡、受教育程度等進(jìn)行區(qū)別對(duì)待，提供差異化算法。另外，他還強(qiáng)調(diào)應(yīng)照顧弱勢(shì)群體，如加強(qiáng)對(duì)女性、未成年人等群體的關(guān)注，為他們提供更具區(qū)別性和包容性的算法方案。

促進(jìn)跨學(xué)科合作

大數(shù)據(jù)的發(fā)展將大力推動(dòng)跨學(xué)科合作。美國麻省理工學(xué)院教授羅聞全(Andrew W. Lo)從醫(yī)療診斷的角度展望了大數(shù)據(jù)的發(fā)展。他認(rèn)為，大數(shù)據(jù)能為醫(yī)療和健康領(lǐng)域的研究提供更多信息，如化學(xué)信息、生物信息、人口學(xué)信息和醫(yī)療消費(fèi)信息等。綜合利用這些信息可以使醫(yī)療更好地為人們提供所需要的服務(wù)。

此外，羅聞全及其團(tuán)隊(duì)還利用大數(shù)據(jù)更為準(zhǔn)確地預(yù)測出治療毒癮的成功率。羅聞全表示，大數(shù)據(jù)在醫(yī)療預(yù)測領(lǐng)域具有廣泛的應(yīng)用前景，能為醫(yī)療投資提供更加精準(zhǔn)的指導(dǎo)，讓資金更好地流向有價(jià)值的醫(yī)療投資領(lǐng)域。

哈佛大學(xué)計(jì)算機(jī)科學(xué)研究人員瑞迪特·阿貝博(Rediet Abebe)從政策角度分析稱，目前全球醫(yī)療保健領(lǐng)域面臨的關(guān)鍵問題是如何全面獲取公眾信息。不同地區(qū)人們的社會(huì)經(jīng)濟(jì)狀況存在差異，相關(guān)健康數(shù)據(jù)也呈現(xiàn)不均衡狀態(tài)，醫(yī)療資源匱乏地區(qū)人們的健康狀況易被忽視。為了提供更加均衡的醫(yī)療資源，政府和相關(guān)醫(yī)療機(jī)構(gòu)可以利用大數(shù)據(jù)更為全面地了解人們的醫(yī)療需要，以打破地區(qū)間的不均衡狀態(tài)。

重視大數(shù)據(jù)的廣泛應(yīng)用

目前，大數(shù)據(jù)已在很多學(xué)科領(lǐng)域得到廣泛應(yīng)用。英國倫敦城市大學(xué)計(jì)算機(jī)科學(xué)與工程研究員阿比爾·伊貝海威(Abeer Eibahrawy)長期研究互聯(lián)網(wǎng)的“黑色市場”，即俗稱的“暗網(wǎng)”“深網(wǎng)”。互聯(lián)網(wǎng)“黑色市場”因被用于在全球范圍內(nèi)毒品、武器交易和其他非法交易而備受關(guān)注，但因其交易的隱蔽性和流動(dòng)性，傳統(tǒng)偵查手法難以追蹤。針對(duì)這種情況，伊貝海威建立起一種比特幣生態(tài)系統(tǒng)來追蹤“黑色市場”的比特幣交易動(dòng)態(tài)。該系統(tǒng)可以捕獲關(guān)于“黑色市場”交易情況和遷徙路徑的數(shù)據(jù)，從而為互聯(lián)網(wǎng)安全開辟一條新路。

美國匹茲堡大學(xué)經(jīng)濟(jì)學(xué)助理教授蒂莫芬·米羅瓦諾夫(Tymofiy Mylovanov)借助大數(shù)據(jù)開展政治學(xué)研究。通過兩種大數(shù)據(jù)研究方法——“理想點(diǎn)估計(jì)法”和“派別檢測法”，米羅瓦諾夫及其團(tuán)隊(duì)分析了烏克蘭政治環(huán)境的演變過程，并成功預(yù)測了2014年烏克蘭革命。此外，研究人員還通過統(tǒng)計(jì)烏克蘭的議會(huì)投票模式和媒體對(duì)不同派系的報(bào)道情況，分析預(yù)測了烏克蘭不同政黨之間的關(guān)系和整體政治走向。

與會(huì)學(xué)者表示，大數(shù)據(jù)不僅是一種技術(shù)手段，而且已成為各學(xué)科在創(chuàng)新過程中不可忽視的思維方式。大數(shù)據(jù)給各學(xué)科發(fā)展帶來了巨大的潛力和空間，但與此同時(shí)，各學(xué)科在使用大數(shù)據(jù)時(shí)不應(yīng)忽視數(shù)據(jù)共享、隱私倫理等相關(guān)問題。