大数据本身并不中立，它反映的是人类真实的社会。一个并不真正平等、存在偏见和歧视的不完美社会，必然导致不完美的大数据分析结果。
数据泄露事件，击溃了Facebook的商业运作逻辑
最近，创建14年的美国社交网络公司Facebook，正遭受自创建以来最大的危机，媒体甚至将“灭顶之灾”冠之头上。
上周五，Facebook承认，曾在2016年帮助特朗普赢得美国总统大选的数据分析公司Cambridge Analytica(剑桥分析)，违规获得了5000万Facebook用户的信息。与此同时，Facebook也始终在强调，这次事件并非数据泄密，因为Facebook并没有遭遇任何攻击或系统渗透，对方所获得的5000万用户数据来源于第三方。
但不管如何，于公众而言，Facebook才是这次事件的最大祸首。
若仅仅是因为卷入2016年的美国总统大选，对于Facebook来说尚可应付，毕竟，自当年大选以来，Facebook就一直与之纠缠不清。
问题是，此次事件的爆发，从根本上打击了Facebook的商业运作逻辑，即通过用户的行为偏好进行特征分析，完成用户画像，进而借助相应的算法模型，来向用户精准投放广告。过去Facebook可以依靠用户的不断增长实现业绩红利，现在却不得不依靠更高质量的广告投放来获得客户青睐。
可显然，当下“数据泄密”事件的爆发，动摇了用户对Facebook的信任。很多美国用户在事件爆发后就以卸载Facebook App来表达其愤怒。
Facebook旗下的Whatsapp则公开与之切割，表示在确保数据安全前不会与之共享数据。
数据的滥用，正在使其成为“有毒资产”
自移动互联网爆发，大数据、人工智能等技术大行其道以来，数据似乎成为一座巨大的财富矿山。现在看来，数据的滥用却正在使其成为个人的有毒资产。虽然说任何新兴技术的出现、进化都需要一个过程，在任何时代也不可能做到绝对的安全，但类似的数据泄密事件，还是应该引起人类的反思，尤其是保护数据的方法和原则。
当前，许多数据保护的方法，局限于数据采集的方式和目的限制。即使是将于5月25日生效的欧盟《统一数据保护条例》(GDRR)也是如此。
从全球范围内来看，《统一数据保护条例》对数据隐私的强调更加严格，更加强化对自然人数据的保护。比如在将数据运用于智能决策方面上，它要求将关键数据排除在智能决策之外。该条例所列举的敏感数据包括种族、政治倾向、宗教信仰、健康、性生活、性取向的数据，或者可唯一性识别自然人的基因数据、生物数据。
同时，该条例也要求增加进行采集数据时的透明度，即明确数据采集的范围、使用的目的等，并且要求数据进行分析的过程必须是可被理解的。
因此，目前广泛应用于人工智能技术的深度学习算法，在5月25日之后的欧盟地区，将成为“非法”的，因为它并不能被解释。
虽然GDRR对数据保护进行了强化，但其逻辑并没有改变，仍然局限于对数据采集的许可及其使用目的的限制。
数据的处理和使用，应纳入监管
而Facebook这次的“泄密”事件却告诉我们，仅仅局限于此恐怕远不足够，还需要从数据的使用及处理等方面加强。
首先，随着移动设备的更加普及，以及诸如数字建筑等的出现，未来人类社会必然需要不断与数据打交道。甚至可以明确地说，未来必定存在一个物理实体的人类社会，与一个数字化的虚拟人类社会。两者是为共生的孪生体。人类无法避免数据被收集的可能。
更何况，随着技术的进化，更多的数据未必直接来自物理现实，而是基于物理现实推测、观察出来的数据。从这一角度上讲，这类数据将是上述欧盟法律条例无法监管的范围。
再者，诚如此次Facebook事件所呈现的，Cambridge Analytica的数据并非直接来自Facebook，而是第三方的转售。因此，基于采集的许可及目的限制等保护数据原则，对此将束手无策。
因此，需要转向基于以合法利益受损的影响及危害等原则进行评估，拓展到对数据的使用及处理层面的监管。这也是防止数据被滥用，或是恶意使用算法所必然要求的。在这层意义上，欧盟《统一数据保护条例》要求算法可被理解，具有相当的进步意义。
在此，我们必须意识到，大数据本身并不中立，它反映的是人类真实的社会。一个并不真正平等、存在偏见和歧视的不完美社会，必然导致不完美的大数据分析结果。同样，作为最能反映创造者特征的人工智能技术，也势必同样充满价值观，其算法可能被恶意使用。为了确保数据不沦为人的有毒资产，数据保护的原则与思路，需要进行与时俱进，从处理和使用环节上着手。
