大数据时代，穷人更加艰难

卡韦赫·沃德尔（Kaveh Waddell）游 忆/译

大数据时代，穷人更加艰难

卡韦赫·沃德尔（Kaveh Waddell）游 忆/译

选自美国《大西洋月刊》 2016年4月8日

监管机构和公共福利计划收集了大量低收入人群的个人信息，通过不透明的算法将他们圈在贫困线以下。

大数据能够帮助人们搞定一个人无法弄懂的问题。它可以帮助企业缩减成本，帮助城市规划新的发展方向，帮助情报机构发现恐怖分子之间的联系，帮助卫生部门预测疾病的发作，帮助警察机关在犯罪分子动手之前抢占先机。决策层越来越明白“要看数据说话”，根据复杂算法的结果做决策。

但是，有关于人类的数据，尤其是有关于那些没有说话权的人的数据的算法很可能不能反映他们的真实情况，反而对他们不利。因为每一次收集到的美国穷人的数据都能把他们划在贫困线之下。

在美国，低收入团体往往属于被监控的团体。巴尔的摩大学（the University of Baltimore）的法律教授和司法部（the Department of Justice）前人权律师，米歇尔·希尔曼（Michele Gilman）称，监视他们的不仅仅有警察。公共福利计划、儿童福利系统、家暴监管计划都对这些不同程度上贫穷的用户收集了大量数据。

在某些地方，要申请公共福利比如说食品券，申请者必须先识别指纹并进行药物检测。一旦开始享受福利，官员就要定期检测他们的财务花费，有时还要去他们家里查看。

以这样的方式收集来的数据最终反馈到监管系统，进入监管流程。“这些数据成为大数据流的一部分，大部分人没有意识到自己被牵扯进去，但是这些数据对他们今后的际遇有很大的影响。”希尔曼这么说。

比如说，一旦一个人的档案上有了监禁的记录，那么他要找工作、借贷款或租房子都会更加困难。不一定是放贷人或人事部经理因为监禁记录而筛除掉申请者，而是电脑系统会在一堆应聘简历和贷款申请里自动筛除那些受过监禁的人。

根据渥太华大学（the University of Ottawa）的伦理学、法学和技术教授兼研究员伊恩·克尔（Ian Kerr）说：“当大数据系统做出预测，让人们和生活中这些机会错失交臂，这就违反了法律的无罪推理原则。”

在法律系统之外，“无罪推定”是人们应有的权利，克尔说：“该权利赋予公民听证权，对本人的审讯有旁听的权利，对针对自己的信息有知情权，并有权对这些信息提出质疑。”但是，当这些不透明的算法产生的决策取代了克尔所说的“算法公正”（algorithmic justice），这些权利就受到了侵犯。

在希尔曼的教学生涯中，她和学生共同开了一家工作室，帮助人们抹去档案里的不利监禁记录。她告诉我曾有一位非洲裔美国人客户，有14次逮捕记录。她说，对这位客户的逮捕属于“典型的无固定居所（例如流浪街头）并无犯罪事实”的案例。她帮助他整理了相关文件，并抹去了逮捕记录。

但是，帮人抹去逮捕记录并不总是有用。抹去记录之后，这个人就从当地的公共搜索数据库里消失了。但在其他地方的数据库依然存在数据错误和保留旧数据的迹象，即使数据正式修改过。比如说，如果逮捕记录的数据在修改前已经卖给了私人数据代理，那么这个代理并不能收到数据修改的通知。

在这样的情况下，各州对公正信息原则的遵守实际上有名无实。虽然，各州政府允许人们查看自身信息，更正错误和更新数据。但是，克尔称，如果在更新之后，数据被人使用了，就“没有办法对后续的实际使用进行更改和监管了，这就相当于政府系统后来的更新失去了意义”。

有关于大数据的缺陷引起了联邦贸易委员会（Federal Trade Commission）的关注。委员会在9月就此话题开展了一个研讨会。与会者根据此次会议发布的报告，就大数据如何选中和筛除某些群体进行讨论。批评家警告称，这样的算法会使人们“因为其他人的行为”而失去某些机会。比如说，信用卡公司会因为某些消费者有逾期付款记录，而降低在同一家店面消费的其他消费者的信用卡额度。

然而，研讨会其他与会者指出，如果善加利用的话，大数据也能给低收入群体带来福音。例如，有的公司会对之前没有做过信用评分的人，根据公开的可用数据进行汇总和分析。报告称：“这样的话，没有传统信贷记录的客户可以通过其他记录获得比传统算法更高的信贷额度，例如有职业证书、及时付租、有车等记录。”

毫无疑问，这些算法能够帮助人们在做艰难决策时更加高效和准确。大数据能够改善生活，事实也如此。但是，这种缺少人情味的单一高效会使得本来就处于社会边缘的群体更加孤立。

原文标题：How Big Data Harms Poor Communities