展开讨论

经验与复盘经验摘录 · 机器翻译

在我看来,一种默认允许的系统对于这种情况是行不通的

我认为,这种默认选择退出的系统永远行不通。讲个故事:当我还在Facebook工作的时候,公司有一个全公司范围的项目,用于数据归因,以符合退出个性化设置的要求(我认为是为了遵守欧盟的法规,但不要引用我这句话)。其想法是通过在细粒度级别对数据进行标记,来识别任何数据的来源。这影响了所有离线数据处理和机器学习流程,也影响了代码(在线和离线),其中构建了各种工具和系统来分析数据使用情况,以检测是否使用了个性化数据,并在适用的情况下尊重退出选择。我在该项目早期阶段做了两个预测:1. 这些工具和系统会告诉我们“所有数据都被用于所有事情”,2. 创建新的非个性化数据管道,并将东西添加到其中,会比从现有管道中移除个性化数据要容易和快速得多。然后,像广告效果这样的东西就变成了一个有明确基准的优化问题(例如,新的非个性化广告投放管道与旧的个性化管道相比)。…

源讨论不被基于公开数据的AI分析所针对的权利原帖 212 条评论 · 导入时统计
2

社区评论 0

还没有社区评论,来聊聊你的看法。

原讨论中的回复 2

仅展示本次导入中包含的直接回复。中文为机器翻译,可查看英文原文。

MA

> 工具和系统会告诉我们“所有数据都用于所有目的" 这让我想起程序分析中的倾向,即只是输出顶部(例如,所有可能的值),因为状态空间会压垮自动推理,而唯一能回到正轨的方式是通过注释/重写代码来帮助分析器向前推进。 但是,作为一个不怎么思考/处理数据的人,这对我来说是个惊喜。不过这很合理。这意味着我们的数据永远被污染了吗? 既然你曾接触过这项工作:你认为有没有可能扭转局面,使得拥有/处理这些数据成为一种负担而不是资产?这是我看得到的少数几种方式之一,可以将资金雄厚的利益集团和数据收集的目标之间的利益协调起来。(我认为在美国,除非发生重大事件,比如9/11那样的事件,数据滥用直接与猫有关,否则这在我有生之年不会发生。)…

完整原文
PR

当遇到"如果你这么在意,那就直接退出!"这样的回应/抵触时,我通常会反驳说:"如果这不仅仅关乎金钱,那应该是自愿加入。" 至高无上的美元™,神啊...

完整原文
在 Hacker News 阅读

尊重不同观点,分享具体经验。

登录后即可发帖、评论、转发和引用。