李开复捅了一个大窟窿!紧急否认三连:我不是、我没有、你瞎说 ...


最近,李开复惹上了一个大麻烦。


1


人脸数据


9月12日,李开复受邀参加HICOOL全球创业者峰会,李开复作为第四位嘉宾在上午10:40-11:05期间进行演讲。

在分享创新工场2013年投资旷视科技的经验时,表示创新工场曾帮助旷视科技从美图、蚂蚁金服拿到大量人脸数据。

开复老师的原话是这样的:

旷视科技是我们在8年前投资的一个企业,今天是一个很快就有希望IPO的巨头了,它的发展路径很独特的,是一群技术人,没有任何产品和行业经验,靠着自己独特的技术能力来创业。我们早期帮助他们寻找了合作伙伴,包括美图、蚂蚁金服,让他们拿到了大量人脸数据,帮助他们分析各个行业怎么切入。

开复这里面的一句话,“让他们拿到了大量人脸数据”,引爆了大家的敏感神经。

因为人脸数据属于我们的生物信息,如果一旦泄漏用在非法渠道,将会产生很多重大的问题!

比如在很多成人网站,竟然会看到很多明星的脸孔...,很多就是通过AI换脸来合成的...


2


反转出现


李开复的演讲被传播到网上之后,没过多久就上了热搜,蚂蚁金服、旷视科技迅速针对报道进行了回复。

其中蚂蚁金服的反应最为迅速,20点08分发微博表示,蚂蚁和旷视合作的时候从未与李开复接触,并且也没有将任何数据给旷视科技。

简单总结就是:我不是,我没有,别瞎说...

面对巨大的舆论压力,李开复发微博道歉。




3


怎么看?


这一来一回的信息对比,我们至少可以肯定几点信息:

1、蚂蚁金服和旷视科技有合作。

2、蚂蚁金服确实用了旷视科技的人脸相关的算法。
3、李开复老师的回复提到,有可能是将算法部署了蚂蚁的服务器上来运算,从而提升算法的应用能力。
我个人一直对李开复老师特别敬佩,像这样一位行业里面的超级大佬,讲话的时候都是很谨慎的,所以开复老师的话大概不会差太多。
同时,这个场景也让人不得不想起来,李彦宏的那次演讲:

我想中国人可以更加开放,对隐私问题没有那么敏感,如果他们愿意用隐私交换便捷性,很多情况下他们是愿意的,那我们就可以用数据做一些事情。


但我们要遵循一定的原则,如果数据会使用者收益,他也愿意,我们就会去做,这是我们的基本原则,这就是什么该做的,什么不该做。” ——李彦宏 2018年3月26日

国内互联网巨头在大赚特赚的同时,对公民的隐私保护却没有做到足够的重视,这次事件只是露出来一角。
网上80%的网友都表示不信任...

4


警惕


大家还记得我上次写的文章《美女裸聊一时爽,裸聊结束火葬场》文章里面的app就是一个空壳,专门收集用户的隐私。
然后利用这些隐私来敲诈网友,以达到非法获益的目的,虽然这个案例比较极端,但是关于隐私泄露的案件怎么严管都不过分。
在人工智能时代,数据就是一切,互联网机器可以利用大数据分析出你的喜欢、行为、习惯,可以真正做到比你还了解你。
然后商家在利用这些数据营销,比如用携程来定酒店,携程会根据不同的人来展示不同的价格。
比如我在京东或者天猫随意浏览了一件商品,过一天后只要我打开不同网站,都会很默契的给我推荐同样类型的商品。
在国外对数据的监管同样严格,2018年3月,数据分析公司Cambridge Analytica因不当取得5000万Facebook用户数据之丑闻而闻名,随后破产。


5


监管


国内的隐私保护其实一直在进行。

大家有没有发现,这两天关于盗版或者其它侵犯隐私的网站越来越少了,这其实和前几年生效的一则法律相关。

2017年6月1日起开始实行《中华人民共和国网络安全法》(简称《网络安全法》),贩卖50条个人信息即可入罪。

极大的震慑了一大批公司。

但是目前关于隐私保护的法律,还不是非常的完善,导致互联网各种人肉事件非常猖獗。
希望国家可以在这方面,和欧洲最严厉的互联网隐私保护法律——《通用数据保护条例》看齐,让人们可以安心的保护个人隐私。
我们在享受大数据、人工智能带来便利的同时,也应该警惕由此引发的一些列问题,防止数据越界、隐私越界、价值观越界。
数据和技术都是无罪的,但是如果没有合理的去使用,产生的危害也是巨大的。

重磅!

Python遇见机器学习交流群已成立!


额外赠送福利资源!
邱锡鹏深度学习与神经网络,pytorch官方中文教程,利用Python进行数据分析,机器学习学习笔记,pandas官方文档中文版,effective java(中文版)等20项福利资源

获取方式:进入群后点开群公告即可领取下载链接

注意:请大家添加时修改备注为

[学校/公司 + 姓名 + 方向]

例如 —— 哈工大+张三+对话系统。

号主,微商等广告请自觉绕道。谢谢!


推荐阅读

•  刚刚用华为鸿蒙跑了个“hello world”!跑通后,我特么开始怀疑人生....

•  2020算法工程师超实用技术路线图

•  这款浏览器,号称“世界最快”!

•  K近邻算法:以"同类相吸"解决分类问题!

•  深度学习训练过程可视化(附github源码)

•  哈工大硕士生实现 11 种数据降维算法,代码已开源!

•  4种主流超参数调优技术

•  机器学习路线图整理

•  超全Python IDE武器库大总结,优缺点一目了然!

•  非常详细的sklearn介绍

•  Keras创始人:过去6个月,深度学习岗位已崩溃

•  Graph-Bert:没有我Attention解决不了的