Frage an den Experten: Stimmt es, dass soziale Netzwerke uns beobachten?
Dmitry Kurkin
ANTWORTEN AUF DIE MEHRHEIT DER US-FRAGEN Wir haben früher online gesucht. In der neuen Materialreihe stellen wir solche Fragen: brennend, unerwartet oder weit verbreitet - für Fachleute auf verschiedenen Gebieten.
Der 10-Jahres-Challenge-Flashmob, der zu Beginn des Jahres in sozialen Netzwerken gestartet wurde, brachte nicht nur Verschwörungstheorien hervor, wonach das Ziel der Kampagne darin bestand, Fotos von Benutzern zu sammeln und sie darin zu trainieren, das Gesichtserkennungssystem zu erkennen, und sie überlegten erneut, wie viel sie über uns wissen. soziale Netzwerke und mit ihnen zusammenarbeitende Dritte (von kommerziellen Unternehmen bis zu Regierungsbehörden).
Die Tatsache, dass Technologiegiganten die sogenannten digitalen Fußabdrücke sammeln und analysieren, die täglich von Milliarden von Anwendern hinterlassen werden, ist für niemanden ein Geheimnis. Und wenn man sich dessen bewusst wird, entsteht eine neue Art von Angst vor dem „großen Bruder“: Soziale Netzwerke wissen viel über uns, aber was ist, wenn sie zu viel über uns wissen? Kann man mit Big Data alle Zusammenhänge, Vorlieben, Gewohnheiten eines Menschen, seine Vergangenheit und Gegenwart herausfinden? Und wenn ja, welchen Schaden kann unser Wunsch, online zu sozialisieren, für den wir freiwillig Informationen über uns austauschen, uns verursachen?
Wir haben Experten gefragt, wie Benutzerdaten von großen Unternehmen verarbeitet werden und wie groß die Gefahr ist, soziale Netzwerke zu erben.
Liliya Zemnukhova
Wissenschaftlicher Mitarbeiter am Zentrum für Wissenschafts- und Technologieforschung der Europäischen Universität in St. Petersburg
Ein digitaler Footprint enthält alle möglichen Datentypen - Texte, Bilder, Audio- und Videoaufzeichnungen, Geolocation und viele Metadaten (z. B. Gadget-Modell, Mobilfunkbetreiber, Betriebssystem, Dynamik und Besuchsdauer usw.). Und nicht nur wir ergänzen unseren digitalen Fußabdruck. Soziale Netzwerke bilden uns als Benutzer mit Hilfe von drei Datenquellen: Die Tatsache, dass wir selbst über uns berichten; dass andere über uns berichten; und was passiert am häufigsten ohne unser Wissen. Besonders undurchsichtig zuletzt. Wir lesen in der Regel keine Nutzungsvereinbarungen und Richtlinien für die Erhebung und Verwendung personenbezogener Daten. Wir stellen nur fest, dass diese „Black Box“ unsere Benutzererfahrung irgendwie beeinflusst: gezielte Werbung, Vorschläge von Freunden, Empfehlungen für Musik, Verfahren zum Starten von Nachrichten ... Wir bauen einen kleinen Teil dieser Erfahrung selbst auf, wenn wir den News-Feed manuell erstellen, jedoch hauptsächlich Algorithmen Führen Sie die Funktionen aus, die in den Standardprofilen eingebettet sind. Deshalb werden wir niemals kontextabhängige Werbung oder aufdringliche Vorschläge von Gruppen oder (nicht) Freunden loswerden. Soziale Netzwerke als Unternehmen nutzen Daten über ihre Benutzer zu kommerziellen Zwecken und bieten ihre Plattform für den Verkauf von zielgerichteten Inhalten an. Und währenddessen sammeln sie auch weiterhin Daten über uns: Wenn Sie beispielsweise mindestens einmal für die Werbung bezahlt haben, bleiben auch die Bankkarten- und Transaktionsdaten beim Unternehmen. Regierungsbehörden können auch Daten zur Verfügung gestellt werden, wenn ein großer Bedarf besteht: Beispielsweise arbeitet Facebook regelmäßig mit US-Regierungsbehörden im Einklang mit seiner Transparenzpolitik zusammen.
Neben der internen Politik sozialer Netzwerke gibt es noch ein wichtiges Detail: Konten können mit Hunderttausenden anderer Anwendungen und Funktionen verknüpft werden. Dies war zum Beispiel der Anlass für heftige Diskussionen im vergangenen Jahr über den Zugriff Dritter auf Benutzerdaten. In der Europäischen Union wurde ein wichtiger Versuch unternommen, die Freiheit der Entwickler zu regulieren. Die Datenschutzbestimmungen (DSGVO) sind im letzten Jahr in Kraft getreten. Er beschloss, keine Datenprobleme zu übertragen, machte die Benutzer jedoch auf diese Frage aufmerksam. Dies verpflichtet uns nicht, alle Nutzungsvereinbarungen zu lesen, aber es lässt uns nachdenken und ist zumindest verantwortlich für unsere digitalen Fußabdrücke und hält sich an die elementaren Regeln der digitalen Hygiene.
Valeria Karavaeva
Data Scientist bei Spiking
Manchmal denken wir nicht darüber nach, wie viele Spuren wir im Web hinterlassen und wie viel später Unternehmen dabei helfen, nicht nur soziale Netzwerke - auch soziale Netzwerke. Soziale Netzwerke sammeln Daten nicht nur für sich selbst, sie können sie auch verkaufen - ich weiß davon, weil ich bei einer Werbeagentur gearbeitet habe und wir Daten bei Facebook gekauft haben. Und meistens geben wir, die Benutzer, dies zu, ohne es zu merken. Die Menschen verbringen ihr halbes Leben in sozialen Netzwerken und geben viele Informationen über sich.
Bisher war es jedoch möglich, Daten zu sammeln. Warum haben Sie also erst kürzlich über Big Data gesprochen? Zum einen, weil die Rechenleistung zunimmt und dementsprechend billiger wird. Bei Big Data geht es nicht darum, wie man Daten sammelt - im Prinzip kann jeder von uns heute Terabytes an Informationen sammeln und speichern -, sondern wie mit ihnen gearbeitet wird. Die meisten Daten, die aus sozialen Netzwerken (Text, Sprache, Bilder, Video) stammen, sind in keiner Weise strukturiert. Daher sind Big Data ohne maschinelles Lernen unbrauchbar. Aufgrund der Tatsache, dass Leistung und Speicher billiger geworden sind, ist die Nachfrage nach neuronalen Netzwerken und tiefem Lernen gestiegen. Schließlich haben wir gelernt, große Datenfelder zu verarbeiten.
Nehmen Sie zum Beispiel Bilder - und das sind wirklich große Daten, sie können viele Informationen geben. Es gibt Millionen von Bildern, aber was macht man damit? Welche Vorteile können daraus gezogen werden? Welche Muster lassen Sie wissen? Maschinelles Lernen ist in der Tat noch nicht so weit. Dies ist nicht so einfach, wie es scheint: Es ist nicht so, dass Sie einen Knopf drücken und in einer Woche vollständige Berechnungen erhalten.
Direktem maschinellem Lernen gehen komplexere Aufgaben voraus. Die gleichen Bilder müssen zuerst ordnungsgemäß verarbeitet werden (z. B. zugeschnittene, zentrierte Fotos; dies ist wichtig für das Lernen) - dies ist der erste Schritt, der normalerweise lange dauert. Die zweite Stufe ist die Auswahl einer Netzwerkarchitektur, die zur Lösung des Problems geeignet ist. In groben Zügen bauen Sie zehn verschiedene neuronale Netzwerke auf, die zehn unterschiedliche Ergebnisse liefern. Dann müssen Sie die Ergebnisse irgendwie auswerten. Und danach kehren Sie mit hoher Wahrscheinlichkeit zur ersten Stufe zurück. Es ist unmöglich, ein universelles Netzwerk für eine beliebige Aufgabe aufzubauen: Sie können es entweder von Grund auf neu erstellen oder ein vorhandenes ändern. Die Gesichtserkennung ist eine Aufgabe, die Erkennung von Katzen ist eine andere.
Am Prozess des maschinellen Lernens beteiligen wir uns auch, ohne es zu wissen. Beispiel: Einführung von Captcha auf Websites: Google hat mithilfe von Captcha neuronale Netzwerke geschult, um Bücher zu digitalisieren.
Wir müssen verstehen, dass Unternehmen, die Big Data sammeln, kein Interesse an unseren persönlichen Profilen haben. Sie benötigen Daten über viele verschiedene Menschen, die sich für etwas Bestimmtes interessieren. Ich denke, sie können Daten sammeln, ohne auf soziale Netzwerke zurückgreifen zu müssen. Ich denke, unsere Befürchtungen, dass wir beobachtet werden, werden bald vergehen. Dies ist die neue Welt: Es ist möglich, das Web nicht zu verfolgen, aber es ist schwierig. Es ist einfacher, überhaupt nicht im Web zu erscheinen.
FOTOS: antonsov85 - stock.adobe.com