【編者按】你用淘寶購物嗎？你用支付寶理財、支付嗎？你有微信錢包嗎？你用博客來和亞馬遜買書嗎？我們早已習慣了在網路上的一舉一動都會被記錄下來。科技公司的技術團隊已經成了最了解人類行為的一群人。深具侵略性的科技產品讓我們對隱私的界定範圍不斷模糊。
克里斯汀 · 魯德（Christian Rudder）畢業於哈佛大學數學系，交友網站OkCupid的共同創辦人，他結合大數據分析技術與領域知識，分析線上交友網站的第一手資料和深度的文字探勘（text mining），寫成這本《我們是誰？大數據下的人類行為觀察》（Dataclysm: Who We Are, When We Think No One's Looking）。
以下是這本書的最後一章：數位麵包屑。在分分秒秒的活動中，我們留下的個人訊息瑣屑決定了我們是誰。演算法、大數據要退讓到什麼位置我們才感到舒適、安全？
臉書（Facebook）2009年啟用「讚」（like）的按鈕，改變了人們分享內容的 方式。這並不是臉書新創的想法，像是曾經風靡一時、現在人氣 不再的 digg.com 和 del.icio.us 這些網站，多年前就已經引進了讓人對文章按「讚」的功能。
然而，當時這些公司看重的是「內容」，臉書則是以強大的社群網絡為基礎，內容創作者能以輕鬆簡單的方式，讓所有人用那個小小的大拇指圖樣，對他們的作品表達喜歡。
這等於是創造了一種新的通用小貨幣：臉書對你寫的文章、做的音樂之類並不會付什麼錢，但卻能讓你享有獲得肯定的興奮，也能和朋友分享你做的一切。截至2013年5月，臉書每天有45億個「讚」，而根據當年9月的報導，從開始到當時已累積了1.13兆個「讚」了。
這等於是創造了一種新的通用小貨幣：臉書對你寫的文章、做的音樂之類並不會付什麼錢，但卻能讓你享有獲得肯定的興奮，也能和朋友分享你做的一切。
在臉書新增按讚功能的同一年，麻省理工學院的學生開發出他們的同志雷達軟體。這套演算法很能推斷男性的性向，但其實道理也很明顯：大家都猜得到，男同志就是比較容易有男同志的朋友。所以，這項同志雷達的創新之作，就是用宏觀層面的資料，來做一些我們自己早就會私下做的事情。
在這之後，各種預測軟體的能力突飛猛進；隨著有愈來愈多資料可用，這種程式只會變得更快、更強大。到2012年，英國某團隊已經發現，只 要從一個人按讚的資料，就能在以下主題得到相對的猜測準確率：
按讚的模式透露出你是什麼樣的人
再次強調，這裏並沒有看任何近況更新、評論、分享，或是任何用戶自己打的字，完全只是看按讚的情況而已。等到你發現，居然有人只要從滑鼠（鼠標）點點點這檔事，就能知道你爸媽在吵架，便曉得科學已經到了一種前無古人的境界了。甚至，一個人按讚的模式還能拿來預測智商：這個模型能夠精準預測某人的標準智商測驗得分，而且一個問題都不用問。
一個人按讚的模式還能拿來預測智商：這個模型能夠精準預測某人的標準智商測驗得分，而且一個問題都不用問。
這一切的根據不過就是臉書三年間取得的用戶資料，而這些用戶在之前幾十年，都是活在沒有臉書的情境之下。如果有人是 從小就玩臉書，情況又可能如何呢？
這就是縱向資料的黑暗面 (否則平常我是很愛縱向資料的)。僱主、學校和軍方早就在用邁爾斯-布里格斯（Myers-Briggs，性格分類指標）和史丹佛- 比奈（Stanford-Binet，智力量表）之類的測驗，你坐下來、盡力 表現，然後他們就依結果將你分類。在大多數情況下，你能夠選擇是否要加入。
然而現在逐漸演變成，你不過在過自己的生活， 就等於是在參加這些測驗了。而且，整個結果大剌剌地擺在那裏，任何人都能閱讀判斷。在面試之前，看到某個人的 Klout 分數是51分之類，這是一回事，但居然能知道他的智商，這又是另一回事了。
如果僱主開始運用各種演算法，推斷你有多聰明或你是否在用藥，你唯一的選擇，就是要設法能夠操縱這套系統，或者借用上一章的話，也就是「管理你的品牌」。
要打敗機器，你就得像是台機器，但這也代表已經輸給機器了。
要打敗機器，你就得像是台機器，但這也代表已經輸給機器了。而且，前提還是你有辦法先猜測到自己該如何表現。你絕對想不到，在這個研究裏，和智商最相關的就是會對「薯圈圈」（curly fries）按讚，誰可能倒推得出來啊。 然而，即使臉書對你知之甚詳，仍然比較像是個「工作上的朋友」：雖然相處的時間很長，彼此關係還是有明確的界線。
臉書知道的就是你在臉書上的資料，但還有很多其他情況對你的瞭解更深入。如果你有一台 iPhone，蘋果就會知道你的通訊錄、行事曆、照片、簡訊、文字、你聽了什麼音樂、去了什麼地方，而且因為手機有一個小陀螺儀，蘋果連你走了幾步都一清二楚。沒在用 iPhone 嗎？把「蘋果」換成「谷歌」、「三星」、「威訊電信」 (Verizon)，結果也一模一樣。
你戴 Nike 的運動手環 FuelBand 嗎？Nike連你睡得好不好都知道。你買了Xbox One嗎？微軟知道你的心跳率。你用信用卡嗎？只要你在零售店買了東西，你的個人識別資訊（PII）就會將統一商品代碼(UPC)連結到在客戶關係管理（CRM）軟體裏你的客戶編號（ID），而這套軟體就開始計算你下一個可能想買的東西是什麼。 這只是整個企業資料現況的一瞥，想要完整敘述，得花上許多頁才寫得完。
至於政府的情況，由於政府只有透露部分，我們也就只知道片段。但我們確實知道的是，英國上下總共有590萬部監視器，等於每11個英國人就有一部。
而在曼哈頓，光是在 14 街以南，就有 4,176 部。至於在城市道路以外的部分，則由衛星和無人飛機來補全。雖然我們不知道這些監視器究竟看了 些什麼，但應該可以肯定的是：只要政府對你有興趣，你一定難逃法眼。
除此之外，正如揭露美國政府祕密監聽計劃的愛德華 · 斯諾登（Edward Snowden）所透露，很多政府無法從監視器上看到的東西，仍然能好整以暇地從國安局內部網路（NSANet）終端機的螢幕上輕鬆取得，而這個地點是個機密。 正因為有太多事情發生，而公眾又知道得太少，一般人對資 料的理解，必然與真實狀況有極大落差。
《我們是誰？大數據下的人類行為觀察》（Dataclysm: Who We Are, When We Think No One's Looking）
出版時間：2016年5月
出版社：馬可孛羅文化
作者：克里斯汀 · 魯德（Christian Rudder）
譯者：林俊宏
我不得不說，光是因為放下手邊的工作來寫這本書，我敢肯定自己就已經落伍了。在許多方面，「分析」已經超越了資訊本身，成為真正的關鍵。目前得到最多媒體關注、也是最討人厭的資料收集者，就是網路瀏覽器裏的 cookie，還有那些盜竊信用卡號的駭客。然而，這種人拿到的其實也只是你生命的一小部分，而且他們還得先費盡千辛萬苦才行。
不論他們的 JavaScript 寫得多狡猾，基本上他們還是那種默片裏的二流小壞蛋，留著小鬍子、戴著高帽子的那一種。或者打個比較現代的比方：他們就像是《王牌大賤諜》系列裏那個 白白胖胖的邪惡博士(Dr.Evil)，根本整個世界都是他的人質， 但他居然只勒索個一.百.萬美元，而真正能賺到幾十億美元的幕後頭目，則是像 Acxiom 這樣的資料公司。
這些企業資料行銷業者，能夠取得銀行和刷卡紀錄、零售購買紀錄，以及像是納稅紀錄之類的政府檔案，他們對於人類行為的瞭解，遠遠超越了任何在網站上找模式的學者。
這些企業資料行銷業者，能夠取得銀行和刷卡紀錄、零售購買紀錄，以及像是納稅紀錄之類的政府檔案，他們對於人類行為的瞭解，遠遠超越了任何在網站上找模式的學者。同時，各種國安機制所帶來的種種資源和專業知識，則會讓一般企業等級的資料探勘（data-mining)）軟體像踩地雷小遊戲一樣可笑。
我們損失了隱私，換回的是什麼 ？
雖然我們用了「探勘」這個比喻，但資料其實並不是什麼天然資源；資料必然有個源頭，而這個源頭就是你。政府和各家公 司，都在收集你私人生活的各個小部分，並且試圖把它組回成一 個能夠讓他們利用的完整圖像。
你喪失的隱私愈多，他們就能做得愈有效率。而任何對於隱私的討論，最後的根本問題就在於如何妥協：你損失了隱私，能得到什麼？我們總是在計算該如何妥協：公眾人物出賣了自己的私人生活，好換取職涯上的進步。你想要訂歐洲青年旅館或買印度火車票的時候，也得想想要不要多花點錢，讓自己多點隱私空間。
而和主題也相關的是，許多男女晚上出門的時候，也會讓裙子變短一點、讓衣服緊身一些，透過放棄一點隱私，換取一些注意的目光。所以，交換妥協這件事由來已久，但這裏真正與過去不同之處，是妥協的對象及條件。
對象是企業時，除非你是想研究相關議題的經濟學家，否則企業使用資料後對我們的好處並不明顯。理論上，有了使用者資料，企業可以讓廣告更有針對性，也就是可以少浪費一些行銷費用，商品價格也就能更低。至不濟，公司如果將這些資料出售換得收入，就能免費提供某些對消費者真正有用的服務（例如臉書和谷歌）。
至於對象是政府的時候，我們讓政府窺伺隱私，能得到的好處就沒那麼單純了。 有了監視器，真的讓我們更安全嗎？各種安全監控，是不是 我們的保護毯？至少，自2001年以來，就未曾發生針對美國平民的恐怖攻擊了（至少不是由大型恐怖組織所發動）。
這不能說沒有意義，特別是對紐約人而言。然而，光是「沒有發生」可 能不夠有說服力。除非我們能夠確知究竟阻止了哪些攻擊，而不是本來就空穴來風，否則我們實在很難相信政府的說詞。
就像德州的沙塵暴一樣，許多與「九一一」事件相關的記憶已經逐漸遠去， 但用顏色編碼的「威脅等級」仍被不斷提起，總讓我覺得像是特地在為油田服務公司哈里伯頓（Halliburton，於伊拉克戰爭中獲利頗豐）打廣告。
政府認為人民不用什麼都知道，抱著一種「你有需要知道的時候再說」的原則，實在很難令人相信所得到的資訊。於是，人民開始愈來愈注意政府發言的動機，而不是內容。 不論如何，我其實不知道國安局的各種大動作，究竟曾經阻止了多少犯罪，甚至是否曾經阻止任何犯罪。
政府只說了一切成功， 但並未透露時間、地點或方式。 在達不到理想之後，全面監控機制對於那些無法阻止的犯罪 行為，在破案時倒是大顯神威。像是波士頓馬拉松爆炸案，就是由安全監視器協助破的案，2005年的倫敦地鐵爆炸案也是如此。 特別是在非同步犯罪中，犯罪分子遂行犯行後，要再過一段時間才會出現受害者，於是更需要有完整的資料才能追查。
而在這些調查中，媒體大聲讚揚情報資訊的力量，這個監控國家一時也走路有風。這種資料用法目的明確，況且在地上還流著血的時候， 也不會有人去計較隱私/保護之間該如何平衡。
但每次呼喊「團結就是力量」之際，很多時候我們還是得靠著斯諾登這種吹哨者 (whistle-blower，指基於公益挺身揭弊的機構內部人員)，才能知道政府究竟知道些什麼。
國家安全局是美國政府的信號情報(signals intelligence)單位，而他們要找的信號，就在我們的資料裏。我認識一些國安局的人。前面提過，我是數學背景，在哈佛拿的學位。雖然全系同學的大學畢業證書表面看起來沒什麼兩樣，但數學系其實分成兩種人。
我這種人，就只是喜歡數學，而且程度還算不錯。至於另一種人，則是神人等級的超級專家。大一有一堂高階的「數學 25」，當時的我就已經沒資格修了；而從這堂課上，還會再把超級精英抽出來，由系上特別邀請去修另一堂「數學 55」。
對那些真正的數學家來說，我修過最難的那些課，他們多半直接免修跳 過。在我修的高階課程裡，很多時候是由助教上課，他們還得打 所有成績。這些助教常常比我年輕(有一個才十六歲)，而且明明還是青少年，就已經開始讀非常艱深的研究所課程。
我還記得，修到實變函數論(Real Analysis)的時候我很興奮(而且感 覺真是一大挑戰)，但當時許多同儕（如果我還配稱得上是他們的同儕）可能都覺得這實在像國中的課一樣無聊。
現在我每次聽到「國安局」，就會讓我回想起那些日子，因為他們招的就是那另一種神人。 我會指出這一點，是因為很多人似乎不把政府人員看在眼裏，說他們是官僚，只會蓋章，認為只要一般民間資料分析公司 的人就能勝任那些工作。
然而這些在監控我們的人，可是非常非常聰明。我們可以希望他們能像過去的費曼和愛因斯坦一樣，處理工作時不僅識見卓絕，還帶著充滿關懷的人性，不過我們能夠肯定的是，他們正如過去的費曼和愛因斯坦，手上的工作具備了非人的巨大威力。
然而這些在監控我們的人，可是非常非常聰明。我們可以希望他們能像過去的費曼和愛因斯坦一樣，處理工作時不僅識見卓絕，還帶著充滿關懷的人性，不過我們能夠肯定的是，他們正如過去的費曼和愛因斯坦，手上的工作具備了非人的巨大威力。
有了演算法，還必須吃資料，而如斯諾登所透露，美國國安局可是像吃了超級食物一般。又或者說......他們其實是所有食物來者不拒。國安局會收集電話、電子郵件、簡訊、照片，基本上 所有電子資訊都難逃掌握。顯然，這裏不是被動運作。
根據一份 流出的文件顯示，他們最高的明文目的就是「掌控網路」。這項專案居然敢講得如此直言不諱，也算令人佩服。斯諾登首批揭露 的文件中(由《衛報》和《華盛頓郵報》共同揭露)，有一個關 於「稜鏡計畫」(PRISM)的簡報檔。這些簡報可是毫不拐彎抹角：
可以看到，這裏的資料簡直無所不抓。一方面，配槍的人忽然開始對我們的臉書帳號感興趣，對大家來說可不是什麼好事。 但另一方面，看到他們做簡報居然用的是微軟的繪圖工具，又覺得實在也沒什麼好怕的。
正因為稜鏡計劃深具侵入性，如果沒有法院命令，無人有權查閱稜鏡計畫所得到的個人資料，至少理論上如此。其他的監控機制則主要針對後設資料(metadata)，也就是各種通訊留下的痕跡。
以下是美國官方的隱私與民權監督委員會(Privacy and Civil Liberties Oversight Board)對於另一項計畫的描述：
國安局 215 條款(Section 215)專案監控數百萬個電話號 碼，記錄所有收發話紀錄，包括通話長度，以及確切的通話時間為當日何時。國安局若鎖定某電話號碼進行分析，所有 和該號碼有接觸的電話，以及再與這些號碼有接觸的號碼， 都會一樣遭到監控、收集相關資料。
在此必須先聲明，這裏的監控完全不包括任何通話的實質內容。在這方面，其實和本書用的資料沒有太大不同。不論我們或是這些人，都是只講趨勢、不講個人。而同樣根據他們所言，在國安局，要等到你的通話網路符合所謂的「威脅」模式，他們才會真正開始密切注意。
然而，雖然後設資料屬於間接，但侵入性並不見得就比較小。 只要有心想跟蹤，其實大家都會留下一些意想不到的資訊麵包屑。本書到目前就已經提過許多例子，即使如此，還有許許多多我們沒談到的追蹤方式。
例如，不管是高端的單眼相機，或甚 至只是你的 iPhone，所有數位相機拍攝的照片都會附加一個小小 的 Exif 檔，裏面除了記錄拍攝時間，還有其他各種瑣碎資料，例如光圈、快門速度，通常還有拍攝時的經緯度。
有了 Exif 檔，就能讓像是 iPhoto 這些程式輕輕鬆鬆將照片依「時刻」(Moments) 和地點排序，也能在地圖上用小小的大頭針圖示顯示你去過哪裏。
然而，Exif 會洩露的可不只如此。以 OkCupid 的個人檔案照片為例，愈好看的照片，愈有可能是很久很久以前拍的。換句話說，大家找到一張「好看的照片」之後，常常再也不換。
我們之所以知道這種事，也是因為 Exif 能告訴我們照片的拍攝時間。類 似這樣的附加資料其實很常見，像是你每次打開哪個最愛的應用程式，GPS 座標就已經在一旁待命。
幾乎你載入的每個網頁，頁邊都藏著幾十個只有一個像素的圖像（就只是一個透明的點）， 在載入「真正的」網頁時，記錄你的造訪；這些像素並不知道你在做什麼，只知道你造訪的時間、地點。
但光是這樣，就已經能讓背後的公司對於你整個人的基本資料擁有滿準確的猜測。 如果有人就是不想分享這些資料，該怎麼辦？會不會有些 人，就是寧願自己去買東西、自己開心過日子？我本身很重隱私，老實說，有部分也是因為如此，我不太迷任何社群媒體，也從來不會把女兒的照片放上網路。
我是在2011年初開始用 Instagram，只把它當成網路相簿應用程式在用，當時這家公司還不大，而且我主要就是為了那些濾鏡效果。我當時還以為這就像是攝影軟體 Hipstamatic，沒什麼社群功能(我知道，這讓我聽起來完全像個老頭)。等我太太發現她那老古板的先生在做什麼之 後，她告訴我可以把帳戶與其他人的帳戶連結，而我也照做了， 因為不過就是點個按鈕嘛！
但等到我發覺這不只是我和我自己的照片之後，忽然覺得 Instagram 失去了所有的吸引力。 會像我這樣閉俗的人並不多。雖然人人都說擔心，但大多數用戶對於隱私其實沒那麼在意。
每次臉書又更新服務條款，把觸手往我們的資料探得更深，民眾會怒個一天，但隔天還是繼續上臉書，就像是如果去戳一下蜂巢，發怒的蜜蜂一湧而出，但發現找不到人叮之後，就會乖乖再回巢。
每次臉書又更新服務條款，把觸手往我們的資料探得更深，民眾會怒個一天，但隔天還是繼續上臉書，就像是如果去戳一下蜂巢，發怒的蜜蜂一湧而出，但發現找不到人叮之後，就會乖乖再回巢。
因為科技就是會這樣不斷步步進逼，而人類則是不斷退縮，讓現在的軟體幾乎都深具侵略性。譬如有些應用程式管的是減肥，有的管心跳率，甚至還有 「幫我的打扮打分數」的應用程式，把自己的打扮穿著上傳網路，讓大家為你提出時尚建議。女性也用各種應用程式來預測和管理自己的月經週期，珍娜 · 沃瑟姆就寫道：「市場充斥此類軟體，我認識的幾乎每個女人都用。」
......
然而，就算有一些（甚至不少）人並不在意隱私問題，我還是不希望有任何人會因為這本書而使身分曝光。前面已經提過， 這裡的分析都經過匿名，只做整體呈現，而且我處理原始資料也很小心，資料中絕無任何個人識別資訊（PII）。
而討論到用戶所發表的文字時（包括個人自我介紹、推特文字、近況更新、按讚等等），使用的都是公開的內容。至於用到用戶個別紀錄的時候，則是會將用戶帳戶名（ID）加密。
而且在任何分析中，資料範圍都只列出必要的變項，避免能夠回推到任何個人。 當然，我從來沒想過要將資料回推到個人，而是要將資料連 結到整體所有人。這正是我在資料裏看到的價值，也就是以隱私換取而來的價值：讓我們能夠從中學習。
這正是我在資料裏看到的價值，也就是以隱私換取而來的價值：讓我們能夠從中學習。
微軟研究院的資訊科學家賈倫 · 拉尼爾（JaronLanier）曾著有《誰擁有未來？》（Who Owns the Future？），他最近在《科學人》（Scientific American）雜誌寫道：「有極大量關於我們私人生活的資訊，正在儲存、分析以及使用，希望未來能展現實際用途。」
我認為他講到「極大量」 絕對沒錯，但最後一句卻有問題。任何東西，不都是「希望未來能展現實際用途」嗎？研究科學這件事，最重要的就是為了探索。鐵礦石原本也只是石頭，直到有人開始嘗試。麵包上的黴菌幾千年來都只會讓人生病，直到亞歷山大 · 弗萊明（Alexander Fleming）發現也能做成盤尼西林。
發揮資料正面的力量
目前，資料科學已經取得許多重大研究結果，不只能夠描述、更能夠改變人們的生活方式。我在前面已經提過了谷歌流感趨勢，自從2008年推出之後，現在已經在超過25個國家上線，追蹤疫情。雖然這項工具還不完美，但至少是個開端，各種資料結合之後，現在甚至能用來預防疾病，而不只是減輕疾病危害而已。
正如《紐約時報》去年的報導：「微軟、史丹佛和哥倫比亞大學的科學家，運用谷歌、微軟和雅虎搜尋引擎的搜尋查詢資料，已經首次能夠領先美國食品藥物管理局的警示系統，找出處方藥物不為人知的副作用。」
研究人員發現，帕羅西汀 (paroxetine)和普伐他汀(pravastatin)會造成患者血糖升高。在這裏，犧牲一點生活上的隱私，換來活得多一點健康。 目前看來，似乎每天都有一點新進展。像是今天，我就發現 了一個叫做 geni.com 的網站，打算運用群眾外包的力量，畫出全人類的家譜。
如果成功，這家公司基本上就是為人類遺傳物質畫 出一個社群網絡。上週，兩位政治科學家則是推翻了一種大家常有的誤解：以為共和黨之所以能在眾議院占多數，靠的是在畫選 區的時候動手腳（gerrymandering）。
這兩位作者用模型測試了全美各種可能的選區劃分方式，結論等於是由電腦扮演憨第德 (Candide)的角色來告訴我們，現在這個分裂的世界，正是最美好的世界。
民主、共和兩黨僵局的真正成因，是美國實際的政治分布，而不是地區劃分的問題。 這不過是開端。資料的腳步跑得飛快(早在2012年，臉 書每天收集的資料就已經有 500 TB)，但分析也已經開始迎頭趕 上。在納特·西爾弗的推動下，「資料新聞學」成為新聞報導的主流，我們為了理解，就會將各種事物「量化」。
不論《紐約時報》、《華盛頓郵報》或《衛報》，都已經建立起強大的分析及視覺化團隊，而且就算現在是記者和新聞界的財務寒冬，仍然持續投入資源，報導我們生活中的種種資料。 至於那些當紅的賺錢企業，我們已經多次提及的谷歌則是起帶頭作用，將資料導向公益。
除了谷歌流感趨勢、史帝芬斯-德維道維茲的研究，甚至還有許多比較不為人知但其實規模更宏大 的專案，例如「憲法專案」(Constitute)，就是希望推動以資料為基礎的憲政設計。大多數國家的公民通常只會關注一套憲法 (也就是自家那一套)，但谷歌則是將自從1787年以來起草 的900部憲法完整收集在一起。
經過合併、量化之後，這些資料就能供新興國家參考(目前全球每年大約會制定五部新憲法)， 看看過去各種制度的成敗，也就更可能讓政府長長久久。在這裏，資料能夠帶來更美好的未來，原因正如憲法專案網站所言： 在一部憲法裡，「即使一個逗號也能造成天壤之別」。
正如我們所見，臉書的資料團隊收集了龐大的人類行為及反應資料之後，已經開始發表這些深具價值的研究結果。抓住這種科學和牛頓定律的相似之處，麻省理工學院的艾力克斯.潘特蘭 (Alex Pentland)把這種新興科學稱為「社會物理學」(social physics)，他和團隊也已經開始把這些社群資料帶到現實世界， 與地方政府、電信業者和市民合作，將整個城市「資料化」。
......
至於如何在可能的優缺點間達到平衡，我希望自己能點出一 個方向，但老實說，我看不到有什麼簡單的解決方案。很有可能 是我已經涉入太深，無法看到全局。
我與拉尼爾看法相仿，認為規範是行不通的。但還是會有人嘗試。我確定，一定會出現立意良善的新法，只可惜這些法律在印刷油墨都還沒乾之前，就會過時。
而且，我自己就是個資料收集者，早就親眼見識到，就算你讓使用者擁有世界上所有的隱私管控方式，大多數人就是懶得去用。OkCupid 問了女性：「妳是否曾經墮胎？」(這是第 3,686 題 配對問題，你看吧，我就說他們什麼都問了。)就在這個問題的 正下方，有一個可以勾選的方框，可以選擇要將答案保密。但在那些選了肯定答案的人當中，勾了方框的不到一半。
大部分的人，其實沒那麼在意隱私
所以，大多數人就算拿到工具也不會去用。只不過，或許 「大多數人」不該是我們的目標。一方面，不管真正會使用的人有多少，還是應該要讓使用者有辦法刪除、甚至收回他們的資料。另一方面，也有可能隱私權的概念早已改變，讓討論這個概 念的人都過時了。
根據網路標準，拉尼爾和我都算是老人等級， 而英文俗語「將軍打的總是上一場仗」可不只會發生在軍隊裏而已。我可能已經不再知道什麼是正確的、什麼是可允許的。不同的文化、不同的世代，對於隱私就會有不同的定義。
雖然美國國安局赤裸裸地擴權，但民眾似乎也沒那麼生氣。 華盛頓特區早就看過許多號稱「百萬」的遊行，像是百萬民眾、 百萬母親等等。
而近來，駭客組織「匿名者」（Anonymous）就號召了一項「百萬面具遊行」（Million Mask March），要抗議如稜鏡計劃、政府大規模監控等議題。但《華盛頓郵報》報導的第一句，就已經看出公眾對這個議題興趣了了：「數百名示威者......」 拉尼爾在該篇《科學人》文章中，主張應該對個人資料提供補償，用市場力量重新找出隱私和價值之間的公式。
他建議，資料收集者應該在使用者資料出售的時候，提供小額款項給使用者。但對業者來說，這就像是要再多繳一筆稅，結果不是轉嫁到消費者身上，就是可能掀起一場割喉戰，開始什麼都要付費， 比現在的航空業一樣。無論哪種方式，對我們而言，到頭來都不划算。更別說這種方式要執行有多不切實際了。
相較之下，潘特蘭的做法就比較可行，他稱為「資料新政措施」(New Deal on Data)。諷刺的是，這裏的原則讓人想起古代 的英國普通法(English Common Law)。
他相信，個人資料就如同你擁有的其他事物，應該由你具備擁有、使用及處置的基本權利。換句話說，如果你覺得某個網站（或其他儲存資料的檔案庫）濫用了你的資料，你就應該有權將資料移除。
另外，如果順利發展出資料的市場機制，理論上你也應該能夠把個人資料「帶著走」，進行轉售。這種簡單的機制(也就是有個刪除鈕，加上剪下/貼上的選項)不僅更加可行，也會比強制補償的機制來得公平。
事實上，站在企業的角度，我會認為民眾提供資料後已經得到補償了：不論是臉書或谷歌（和老朋友連絡、搜尋各種資訊），使用這些服務都是免費的。
我前面說過，我自己對這些服 務提供的資料很少；但也因此，我從它們得到的也就少了。民眾 得在這裡自行做出取捨。不過很快可能就只剩下一個抉擇：對於 這些服務，我究竟是要用，還是不用？分析功能已經太過強大， 個人可能怎樣都無法抵抗。
目前只要有最簡單的資訊，演算法就已經能夠對某人做出許多推算；而且，這還是在只有幾年資料可供運用的情況下。很快地，因為其他人沒那麼在意隱私，那些 「管理您的隱私設定」選單裏，有半數方法就無法達到保護功能。只要透過推算，企業和政府還是能把你找出來。相關爭論， 很快就會成為明日黃花。
等待資訊洪流平靜的那天......
不論如何，我在本書前面提到資料就像一場洪水的時候，或 許有一點還講得不夠清楚：這場洪水至今仍然翻騰不休。必須 到洪水平靜下來之後，我們才會知道真正的水位，得以處理資料過剩的問題。我期盼那天的到來。
同時，那些儲存、分析、運用資料的人，有責任繼續證明自己工作的價值，而且明確揭露自己的工作內容。否則，就算我講了這麼多，仍然得要承認拉尼爾的看法：我們不應該這樣做。 科技是我們的新神話。無可否認，裏面有一些神奇的部分， 然而，仍然是形象大過於實質。
科技是我們的新神話。無可否認，裏面有一些神奇的部分， 然而，仍然是形象大過於實質。
科技成了神祇，成了泰坦巨人， 成了跨在整個地球上的太陽神巨像。 這正是科技產業常常給公眾的印象，而且遺憾的是，科技界常常 、也自以為如此。然而，這裏有的肯定是怪物，不是神祇。我們一 定都會好好記住這一點。