5. 美國應(yīng)當(dāng)在立法上保持在國際上的領(lǐng)先地位，加快修訂國內(nèi)法律法規(guī)，鼓勵(lì)采用新方法新技術(shù)應(yīng)對新的隱私需求。換個(gè)角度講，總統(tǒng)科技顧問委員會的評估結(jié)論是，單靠技術(shù)無法保護(hù)隱私，政府必須制定新策略，修訂現(xiàn)行的隱私保護(hù)的政策法規(guī)?？偨y(tǒng)科技顧問委員會建議：新的政策應(yīng)該側(cè)重于的對個(gè)人信息的具體用途是否會對個(gè)人隱私產(chǎn)生不利影響；政策制定的重點(diǎn)應(yīng)放在利用數(shù)據(jù)的結(jié)果上，也即用個(gè)人數(shù)據(jù)分析在“做什么”，而不是“如何做”，以避免政策成為技術(shù)進(jìn)步的障礙；政策框架應(yīng)能加快開發(fā)和商業(yè)化大數(shù)據(jù)技術(shù)，這些技術(shù)不僅包括新的研究領(lǐng)域和潛在的技術(shù)選項(xiàng)，而且應(yīng)包含能消除對隱私權(quán)不利影響的新技術(shù)新方法。通過政策的引導(dǎo)，能更有效地利用大數(shù)據(jù)技術(shù)，讓美國在立法和商業(yè)上在全球繼續(xù)保持領(lǐng)先地位。只有解除對個(gè)人隱私受到侵犯的擔(dān)憂，才能最大限度地利用大數(shù)據(jù)的好處。

 

　　最后，總統(tǒng)科技顧問委員會呼吁，更多的科學(xué)和專業(yè)人士共同努力，以對隱私充分尊重的方式，開發(fā)和使用大數(shù)據(jù)技術(shù)。

 

　　美國政府的經(jīng)驗(yàn)給了其他國家很多啟示。

 

　　首先，國家的大數(shù)據(jù)發(fā)展戰(zhàn)略不僅僅是一個(gè)技術(shù)發(fā)展綱要。盡管它針對一門新興科學(xué)和相關(guān)技術(shù)而來，但它是站在此項(xiàng)技術(shù)會給未來社會和公民生活帶來的沖擊的角度，以完善法律框架、政策框架為要，配之以恰當(dāng)?shù)呢?cái)政計(jì)劃項(xiàng)目計(jì)劃以及合作計(jì)劃。

 

　　第二，因?yàn)檎羌瘮?shù)據(jù)收集，數(shù)據(jù)使用和公民隱私保護(hù)為一體的最終仲裁者，所以政府必須充分考慮科學(xué)與公民、科學(xué)與政府、科學(xué)與工業(yè)以及科學(xué)與科技之間的互動關(guān)系，制定的法律政策既要能鼓勵(lì)利用這項(xiàng)技術(shù)更多的造福人類同時(shí)又能抑制利用其為害人類。

 

　　第三，政府資助的重點(diǎn)應(yīng)放在科學(xué)研究（如數(shù)據(jù)科學(xué)），應(yīng)當(dāng)用諸如合同或購買的方式激發(fā)鼓勵(lì)民間企業(yè)開發(fā)應(yīng)用技術(shù)。

 

　　第四，科學(xué)和技術(shù)是現(xiàn)代文明的基礎(chǔ)，歷史上每次重大科學(xué)技術(shù)的出現(xiàn)，都引發(fā)了巨大的社會變革，因此，政府在關(guān)注特定科學(xué)和技術(shù)的同時(shí)，要資助和鼓勵(lì)相關(guān)社會科學(xué)的探索爭鳴。目前無論從哪個(gè)角度看，大數(shù)據(jù)仍處在初始階段。盡管企業(yè)和媒體對大數(shù)據(jù)時(shí)代的到來表現(xiàn)出了空前的熱情，但政府的政策制定者，社會法律學(xué)者和科技人士應(yīng)當(dāng)對此保持清醒并對已經(jīng)面臨的和將會出現(xiàn)的問題有所準(zhǔn)備。今天數(shù)據(jù)積累的速度遠(yuǎn)遠(yuǎn)超過數(shù)據(jù)能被處理和能被利用的速度。2013 年全球產(chǎn)生的數(shù)據(jù)中約22%有可能被用作分析，但結(jié)果只有5%實(shí)際被分析用到（IDC）。照目前數(shù)據(jù)產(chǎn)生的速度預(yù)計(jì)到2017 年，全球又會積累超過四倍于今天的數(shù)據(jù)量。結(jié)果導(dǎo)致存儲設(shè)備、數(shù)據(jù)中心和電力消耗的快速膨脹。截至 2014 年7 月僅美國就有290 萬個(gè)被稱之為服務(wù)器農(nóng)場的數(shù)據(jù)中心，面積達(dá)6.66 億平方呎，兩年后將達(dá)7.27 億平方呎。絕大部分?jǐn)?shù)據(jù)在分立分治的系統(tǒng)中快速堆積，這些數(shù)據(jù)互不相識互不來往，除了消耗資源，還沒有產(chǎn)生任何價(jià)值?？v向累積的、缺乏多維度關(guān)聯(lián)的數(shù)據(jù)的確越來越大。但這并不是 “大數(shù)據(jù)”而只不過是“數(shù)據(jù)大”而已。在我們剛剛步入大數(shù)據(jù)社會時(shí)，不妨做一些前瞻性思考。這些思考應(yīng)當(dāng)以數(shù)據(jù)為源頭以人類社會為終點(diǎn)。簡單說，應(yīng)當(dāng)從物理層面審視和規(guī)劃數(shù)據(jù)如何收集、存儲、處理、傳輸和共享；應(yīng)當(dāng)從數(shù)字產(chǎn)品生產(chǎn)層面考慮研發(fā)什么樣的分析工具、使用什么樣的軟件平臺和基于什么樣的環(huán)境（如開放代碼）；從使用層面考慮引進(jìn)培養(yǎng)什么樣的人才和訓(xùn)練什么技能，以及在更廣義的范疇考慮如何形成大數(shù)據(jù)思維和文化，大數(shù)據(jù)將會對未來企業(yè)與人、政府與人的關(guān)系有何影響。

 

　　大數(shù)據(jù)社會要求人們學(xué)會用一種全新的方式打量這個(gè)世界，工具、技術(shù)、技能和人才缺一不可。要及早部署和投資在以下方面：

 

　　數(shù)據(jù)分析工具和軟件平臺：人工智能(AI)技術(shù)，自然語言處理、模式識別、機(jī)器學(xué)習(xí)、預(yù)測分析、數(shù)據(jù)熔煉、信號處理和元數(shù)據(jù)管理等等；大數(shù)據(jù)要求同時(shí)在數(shù)十?dāng)?shù)百甚至數(shù)千臺服務(wù)器中進(jìn)行大規(guī)模并行運(yùn)算的軟件，目前使用的大多數(shù)關(guān)系數(shù)據(jù)庫管理系統(tǒng)、桌面數(shù)據(jù)庫和可視化軟件包已很難滿足需求，因此仍需關(guān)注MPP 數(shù)據(jù)庫、分布式文件及分布式數(shù)據(jù)庫的發(fā)展。

 

　　數(shù)據(jù)分析人才和算法模型：培養(yǎng)訓(xùn)練會使用大數(shù)據(jù)分析語言工具如ECL， Cassandra，Hadoop，Hive、MongoDB 等的人才只是整個(gè)需求的表層。再深入一層，要讓大數(shù)據(jù)發(fā)揮作用，跨行業(yè)顧問、分析師和有行業(yè)經(jīng)驗(yàn)的編程序人員缺一不可。圖形及視覺表展現(xiàn)在人機(jī)對話和數(shù)據(jù)表達(dá)層作用極大，但融合技術(shù)和藝術(shù)、能將“抽象”形象化的語言、工具及人才尚不多見。沒有數(shù)學(xué)模型很難想象數(shù)據(jù)如何“大”起來，數(shù)據(jù)只有通過算法模型才能被電腦解讀，但數(shù)學(xué)模型在政治、社會和金融等領(lǐng)域只能逼近現(xiàn)實(shí)無法百分之百的重合現(xiàn)實(shí)。對于解讀數(shù)據(jù)關(guān)聯(lián)的隱喻而言，這些模式非常有用但必有局限性。所以如何建立能精準(zhǔn)模擬世間萬物的數(shù)學(xué)模型，是集理論研究與應(yīng)用開發(fā)的重要地帶。

 

　　當(dāng)人類讓數(shù)字講話、把決策權(quán)更多的移交給“大數(shù)據(jù)”時(shí)，第一個(gè)重要問題就是數(shù)據(jù)的質(zhì)量。“垃圾進(jìn)、垃圾出”（Garbage-In, Garbage-Out）這句話早在50 年前就被用來描述自動化處理數(shù)據(jù)時(shí)的質(zhì)量問題，此話今天依然有效。研究表明，知識工作者平均花近一半的時(shí)間在尋找數(shù)據(jù)、驗(yàn)明數(shù)據(jù)、修正數(shù)據(jù)、剔除不靠譜的數(shù)據(jù)。數(shù)據(jù)質(zhì)量問題可能發(fā)生在收集、存儲、處理、傳輸和分享整個(gè)過程中的任何一個(gè)環(huán)節(jié)，但第一個(gè)關(guān)口仍是數(shù)據(jù)錄入端（記錄或采集口）。大多數(shù)情況下，數(shù)據(jù)輸入端很少知道數(shù)據(jù)使用端為什么需要這種數(shù)據(jù)，用這些數(shù)據(jù)做什么。當(dāng)使用端發(fā)現(xiàn)問題時(shí),除非是系統(tǒng)性問題，大多被隨手解決，少有追根溯源從源頭糾正問題。那么數(shù)據(jù)的質(zhì)量如何保證，誰應(yīng)對質(zhì)量負(fù)責(zé)呢？解決數(shù)據(jù)質(zhì)量的問題，更多的是在管理不在技術(shù)。行之有效的方法是把數(shù)據(jù)質(zhì)量的管控權(quán)更多地轉(zhuǎn)給使用端（業(yè)務(wù)條塊），建立數(shù)據(jù)“原料方”和“生產(chǎn)方”之間的直接的客服關(guān)系，形成制度和方法從數(shù)據(jù)源頭和元數(shù)據(jù)層面控制質(zhì)量。

 

　　進(jìn)入大數(shù)據(jù)時(shí)代，一個(gè)“大”字很容易掩蓋一切。現(xiàn)實(shí)情況是，我們可用的數(shù)據(jù)越來越多樣化，但其中大部分的數(shù)據(jù)是使用者在只知其來源不知其如何產(chǎn)生、質(zhì)量被如何管控的情況下而被使用的。因此，要想讓人們信賴基于大數(shù)據(jù)的決策，對所有數(shù)據(jù)源提前測試試驗(yàn)必不可少。不管數(shù)據(jù)是大是小，真實(shí)可靠最重要。只有逼真的模型、精準(zhǔn)的分析，才能體現(xiàn)大數(shù)據(jù)的價(jià)值。過去沒有數(shù)據(jù)是瞎子摸象，現(xiàn)在數(shù)據(jù)太多是大海撈針，瞎子摸象和大海撈針的結(jié)果相差無幾。大數(shù)據(jù)很容易使人們的關(guān)注點(diǎn)從因果關(guān)系移動到相關(guān)關(guān)系。大數(shù)據(jù)分析的結(jié)果常常能幫助人們回答“是什么”而不是“為什么”。膚淺的使用大數(shù)據(jù)，有可能引導(dǎo)人們止步于探究事件背后的深層原因，滿足于了解現(xiàn)象之間的聯(lián)系并利用這種聯(lián)系得出是對非對的解讀。

 

　　綜觀世界上所有政體和政府，他們都是最大的公民信息收集者、數(shù)字產(chǎn)品的生產(chǎn)者同樣又都是保護(hù)公民隱私的最高管理者。實(shí)現(xiàn)真正的數(shù)據(jù)共享是大數(shù)據(jù)騰飛的基礎(chǔ)，主管部門應(yīng)該多多關(guān)注數(shù)據(jù)開放和共享的規(guī)則，公民信息安全和隱私的保護(hù)。在可預(yù)見的未來，我們面臨諸多挑戰(zhàn)：技術(shù)挑戰(zhàn)會出現(xiàn)在從信息搜索、數(shù)據(jù)捕捉，存儲，傳輸、存儲、共享、分析直到可視化全過程。另外必須面對大數(shù)據(jù)對社會人文的挑戰(zhàn)。法律層面，更開放的網(wǎng)絡(luò)會帶來更多的數(shù)據(jù)竊用、濫用和非法監(jiān)控。一旦強(qiáng)大的新型數(shù)學(xué)數(shù)據(jù)工具出現(xiàn)，如何控制它不會被用在惡意方面。在人文倫理層面，在數(shù)據(jù)越來越多地獲得否決權(quán)的人工智能社會，如何對待人的經(jīng)驗(yàn)積累和直覺判斷？大數(shù)據(jù)技術(shù)日新月異，由大數(shù)據(jù)、深度學(xué)習(xí)（Deep Learning）引發(fā)的新一輪人工智能技術(shù)會對人類未來造成什么樣的沖擊，是擺在科學(xué)和社會學(xué)者面前的另一個(gè)重大課題。實(shí)事求是地講，不論擁抱或排斥這種新形式的數(shù)據(jù)科學(xué)，“精靈”再也裝不回瓶子里了。(原作文金言 中國信息協(xié)會大數(shù)據(jù)專家委員會副主任)