Αν θυμάστε την πρώτη δεκαετία 
του διαδικτύου,

ήταν ένα πραγματικά στατικό μέρος.

Μπορούσατε να συνδεθείτε,
να δειτε σελίδες,

και τις είχαν ανεβάσει

είτε οργανισμοί
που είχαν ομάδες γι' αυτή τη δουλειά,

ή άτομα που ήταν πραγματικά 
γνώστες της τεχνολογίας της εποχής.

Mε την άνοδο
των κοινωνικών μέσων και δικτύωσης

στην αρχή της δεκαετίας του 2000,

το διαδίκτυο άλλαξε ολοκληρωτικά

και έγινε ένα μέρος όπου 
η πλειονότητα του περιεχομένου

με το οποίο αλληλεπιδρούμε

έχει ανέβει από μέσης ικανότητας χρήστες,

είτε στο YouTube,
ή σε αναρτήσεις μπλογκ,

ή κριτικές προϊόντων, 
ή ανακοινώσεις στα κοινωνικά μέσα.

Έγινε επίσης πολύ πιο διαδραστικό μέρος,

όπου άνθρωποι αλληλεπιδρούν με άλλους,

σχολιάζουν, μοιράζονται,

δεν διαβάζουν απλώς.

Το Facebook δεν είναι το μόνο τέτοιο μέρος

αλλά είναι το μεγαλύτερο

και βοηθάει να δούμε τα νούμερα.

Το Facebook έχει 1,2 δις χρήστες τον μήνα.

Άρα ο μισός πληθυσμός της Γης

χρησιμοποιεί το Facebook.

Είναι ένας ιστοχώρος, μαζί με άλλους,

που επέτρεψε στους ανθρώπους 
να φτιάξουν μια διαδικτυακή προσωπικότητα

με ελάχιστες τεχνικές ικανότητες,

και οι άνθρωποι ανταποκρίθηκαν

ανεβάζοντας τεράστιες ποσότητες
προσωπικών δεδομένων.

Συνεπώς έχουμε δεδομένα συμπεριφοράς,

προτιμήσεων, δημογραφικά

για εκατοντάδες εκατομμύρια ανθρώπους,

το οποίο είναι άνευ προηγουμένου.

Και ως επιστήμονας πληροφορικής, 
αυτό σημαίνει ότι

έχω μπορέσει να χτίσω μοντέλα

ικανά να προβλέψουν 
όλων των ειδών κρυμμένα χαρακτηριστικά

για όλους εσάς
και που ούτε καν γνωρίζετε

ότι μοιράζεστε πληροφορίες γι' αυτά.

Ως επιστήμονες, τα χρησιμοποιούμε

για να διευκολύνουμε την αλληλεπίδραση 
των συνδεδεμένων χρηστών,

αλλά υπάρχουν υστερόβουλες εφαρμογές

και το πρόβλημα είναι ότι οι χρήστες
δεν καταλαβαίνουν αυτές τις τεχνικές

και πώς λειτουργούν.

όμως ακόμη και αν καταλάβαιναν,
δεν μπορούν να τις ελέγξουν.

Έτσι σήμερα θέλω να σας μιλήσω

για κάποια πράγματα 
που μπορούμε να κάνουμε,

και μετά να δούμε κάποιες ιδέες
για το πώς να προχωρήσουμε

και να φέρουμε μέρος του ελέγχου 
πίσω στους χρήστες.

Αυτή είναι η εταιρεία Target.

Δεν έβαλα εγώ το λογότυπο

στην κοιλιά της άμοιρης εγκύου.

Ίσως έχετε δει το ανέκδοτο

που δημοσιεύτηκε στο περιοδικό Forbes

όπου η Target έστειλε φυλλάδιο
σε ένα 15χρονο κορίτσι

με διαφημίσεις και εκπτωτικά κουπόνια

για μπιμπερό, πάνες και κούνιες

δύο εβδομάδες πριν πει στους γονείς της

ότι ήταν έγκυος.

Ναι, ο πατέρας της
πραγματικά αναστατώθηκε.

Είπε,
«Πώς κατάλαβε η Target

ότι μια μαθήτρια λυκείου ήταν έγκυος

πριν αυτή να το πει στους γονείς της;»

Αποδεικνύεται ότι έχουν το ιστορικό αγορών

για εκατοντάδες χιλιάδες πελάτες

και υπολογίζουν τον αποκαλούμενο
δείκτη εγκυμοσύνης,

που δεν είναι απλά
αν μια γυναίκα είναι έγκυος,

αλλά ποια είναι η ημέρα τοκετού.

Και αυτό το υπολογίζουν

όχι κοιτάζοντας προφανή πράγματα,

εάν αγοράζει κούνια
ή μωρουδιακά,

αλλά πράγματα όπως, 
αγόρασε περισσότερες βιταμίνες

από ότι αγόραζε συνήθως,

ή αγόρασε μια τσάντα

αρκετά μεγάλη για πάνες μωρού.

Και από μόνες τους αυτές οι αγορές,

δεν φαίνονται να φανερώνουν πολλά,

αλλά είναι ένα πρότυπο συμπεριφοράς που,

αν το συνυπολογίσετε
με αυτό χιλιάδων άλλων ανθρώπων,

αρχίζει πραγματικά να αποκαλύπτει πολλά.

Αυτό λοιπόν είναι που κάνουμε

όταν κάνουμε προβλέψεις για εσάς 
στα κοινωνικά δίκτυα.

Ψάχνουμε για μικρά πρότυπα συμπεριφοράς

που αν ανιχνευτούν σε εκατομμύρια ανθρώπων

μας επιτρέπουν να βρούμε
όλων των ειδών τα πράγματα.

Έτσι, στο εργαστήριο με συναδέλφους,

αναπτύξαμε μηχανισμούς
ακριβούς πρόβλεψης πραγμάτων

όπως πολιτικές προτιμήσεις,

δείκτες προσωπικότητας, γένος,

σεξουαλικό προσανατολισμό,

θρησκεία, ηλικία, ευφυΐα,

αλλά και πράγματα όπως

πόσο εμπιστεύεστε τους οικείους σας

και πόσο δυνατές είναι οι σχέσεις σας.

Όλα αυτά μπορούμε
να τα κάνουμε πολύ καλά.

Και ξανά,
δεν προέρχονται από κάτι

που εσείς θεωρείτε
προφανή πληροφόρηση.

Το αγαπημένο μου παράδειγμα 
είναι από μια μελέτη

που δημοσιεύτηκε φέτος

στις Διαδικασίες των Εθνικών Ακαδημιών.

Aναζητήστε το στο Google.

Είναι 4 σελίδες, ευανάγνωστο.

Εξέτασαν μόνο τα like των ανθρώπων 
στο Facebook,

άρα μόνο αυτά
που σας αρέσουν στο Facebook

και τα χρησιμοποίησαν για να προβλέψουν
όλα αυτά τα χαρακτηριστικά,

μαζί με κάποια άλλα.

Και στην εργασία τους 
παρουσίασαν τα πέντε like

που ήταν πιο ενδεικτικά υψηλής νοημοσύνης.

Ανάμεσα σε αυτά ήταν 
να σας αρέσει μια σελίδα

για σγουρές πατάτες.
(Γέλια)

Οι σγουρές πατάτες είναι νοστιμότατες,

αλλά το να σου αρέσουν
δεν σημαίνει απαραίτητα

ότι είσαι εξυπνότερος
από τον μέσο άνθρωπο.

Πώς γίνεται λοιπόν,

μία από τις ισχυρότερες ενδείξεις ευφυίας

να είναι το να σου αρέσει αυτή η σελίδα

όταν το περιεχόμενο είναι τελείως άσχετο

με το χαρακτηριστικό που αποδίδεται;

Αποδεικνύεται ότι πρέπει να δούμε

ένα πλήθος υποκειμένων θεωριών

για να δούμε
γιατί μπορούμε να το κάνουμε.

Μία είναι η κοινωνιολογική θεωρία 
που λέγεται ομοφυλία,

η οποία βασικά λέει ότι
οι άνθρωποι είναι φίλοι με όμοιούς τους.

Ο έξυπνος τείνει να έχει έξυπνους φίλους,

και ο νέος τείνει να είναι φίλος
με νέους ανθρώπους,

και αυτό είναι αποδεδειγμένο

εδώ και εκατοντάδες χρόνια.

Επίσης γνωρίζουμε πολλά

για τον τρόπο μετάδοσης της πληροφορίας 
μέσα από τα δίκτυα.

Φαίνεται ότι τα ιότροπα βίντεο

ή τα like στο Facebook
ή άλλες πληροφορίες

διαδίδονται ακριβώς με τον ίδιο τρόπο

που εξαπλώνονται οι ιώσεις
στα κοινωνικά δίκτυα.

Το έχουμε μελετήσει για πολύ καιρό.

Έχουμε καλά μοντέλα για αυτό.

Και έτσι μπορείτε 
να συνδυάσετε περιπτώσεις

και να αρχίσετε να καταλαβαίνετε
γιατί συμβαίνουν τέτοια πράγματα.

Αν έπρεπε να κάνω μια υπόθεση,

θα έλεγα ότι ένας έξυπνος άνθρωπος 
ξεκίνησε αυτή τη σελίδα,

ή ότι ένας από τους πρώτους 
που του άρεσε η σελίδα

είχε αριστεύσει σε κάποιο τεστ.

Και έκαναν like,
οι φίλοι τους το είδαν,

και από την ομοφυλία, ξέρουμε 
ότι μάλλον είχαν έξυπνους φίλους,

έτσι διαδόθηκε σε αυτούς,
σε κάποιους από αυτούς άρεσε,

αυτοί είχαν έξυπνους φίλους,

διαδόθηκε και σε αυτούς,

και έτσι εξαπλώθηκε μέσα από το δίκτυο

σε μεγάλες ομάδες έξυπνων ανθρώπων,

έτσι ώστε τελικά,

το like στη σελίδα της σγουρής πατάτας

έγινε ένδειξη υψηλής ευφυίας,

όχι εξαιτίας του περιεχομένου,

αλλά επειδή η πράξη καθαυτή
του να πατήσεις like

αντανακλά κοινά χαρακτηριστικά

με άλλους ανθρώπους που έκαναν το ίδιο.

Αρκετά περίπλοκη υπόθεση, σωστά;

Είναι δύσκολο να καθίσεις να το εξηγήσεις

στον μέσο χρήστη, 
αλλά και αν το κάνεις,

τι μπορεί να κάνει ο μέσος χρήστης;

Πώς μπορείς να ξέρεις ότι σου άρεσε κάτι

που υποδηλώνει ένα χαρακτηριστικό σου

που είναι τελείως άσχετο 
με το περιεχόμενο που σου άρεσε;

Υπάρχει πολλή δύναμη 
που οι χρήστες δεν έχουν

για να ελέγξουν πώς χρησιμοποιούνται 
αυτά τα δεδομένα.

Και το βλέπω ως ένα σοβαρό πρόβλημα 
που ελλοχεύει.

Έτσι νομίζω ότι υπάρχουν κάποιοι δρόμοι

που πρέπει να δούμε

για να δώσουμε στους χρήστες

κάποιον έλεγχο στη χρήση των δεδομένων,

επειδή δεν θα χρησιμοποιούνται πάντα

προς όφελός τους.

Λέω συχνά σαν παράδειγμα ότι,

αν ποτέ βαρεθώ να είμαι καθηγήτρια,

θα φτιάξω μια εταιρεία

που θα προβλέπει στοιχεία όπως,

πώς αποδίδετε σε ομαδική εργασία,

αν είστε χρήστης ουσιών, 
αν είστε αλκοολικός.

Ξέρουμε πώς να τα προβλέψουμε.

Και θα πουλάω αναφορές

σε εταιρείες ανθρώπινου δυναμικού

και επιχειρήσεις που θέλουν 
να σας προσλάβουν.

Μπορούμε να το κάνουμε άμεσα.

Μπορώ να το ξεκινήσω αύριο,

και δεν θα έχετε
απολύτως κανένα έλεγχο σε εμένα

που χρησιμοποιώ τα δεδομένα σας έτσι.

Εμένα μου ακούγεται σαν πρόβλημα.

Έτσι ένας από τους δρόμους 
που έχουμε

είναι ο πολιτικός και νομικός δρόμος.

Από κάποιες απόψεις, 
νομίζω ότι είναι ο πιο αποτελεσματικός,

αλλά το πρόβλημα είναι ότι
θα πρέπει να τον «ανοίξουμε».

Παρατηρώντας την πολιτική διαδικασία 
στην πράξη

με κάνει να σκέφτομαι 
ότι είναι μάλλον απίθανο

να πείσουμε μια ομάδα βουλευτών

να καθίσουν,
να ενημερωθούν,

και μετά να επιφέρουν ριζικές αλλαγές

στον νόμο περί 
πνευματικής ιδιοκτησίας των ΗΠΑ.

ώστε οι χρήστες
να ελέγχουν τα δεδομένα τους.

Υπάρχει και ο δρόμος της πολιτικής,

όπου οι εταιρείες
των κοινωνικών μέσων λένε,

«Δικά σου είναι τα δεδομένα.

Έχεις πλήρη έλεγχο
στο πώς χρησιμοποιούνται».

Το πρόβλημα είναι ότι τα μοντέλα εσόδων

των εταιρειών κοινωνικών μέσων

βασίζονται στην αποκάλυψη ή εκμετάλλευση 
των δεδομένων των χρηστών.

Λέγεται για το Facebook

ότι οι χρήστες δεν είναι ο πελάτης,
είναι το προϊόν.

Πώς λοιπόν θα καταφέρεις μια εταιρεία

να εκχωρήσει τον έλεγχο
του βασικού κεφαλαίου της

πίσω στους χρήστες;

Είναι πιθανόν,
αλλά δεν νομίζω ότι είναι κάτι

που θα δούμε να αλλάζει σύντομα.

Πιστεύω ότι ο άλλος δρόμος

που θα είναι και πιο αποτελεσματικός,

είναι της περισσότερης επιστήμης.

Είναι η επιστήμη που μας επέτρεψε

να αναπτύξουμε μηχανισμούς υπολογισμού

των προσωπικών δεδομένων εξ αρχής.

Στην ουσία είναι παρόμοια η έρευνα

που πρέπει να κάνουμε

αν θέλουμε να εξελίξουμε μηχανισμούς

που να μπορούν να πουν στον χρήστη,

«Αυτό είναι το ρίσκο της πράξης σου.

Κάνοντας like σε αυτή 
τη σελίδα του Facebook

ή κοινοποιώντας 
αυτή την προσωπική πληροφορία,

βελτίωσες την ικανότητά μου

να προβλέψω
κατά πόσον είσαι χρήστης ουσιών

ή πώς τα πας στον χώρο εργασίας σου».

Και αυτό νομίζω μπορεί να επηρεάσει

το κατά πόσον
θα μοιραστούν κάτι,

θα το διατηρήσουν ιδιωτικό,
ή θα το αφήσουν τελείως εκτός δικτύου.

Μπορούμε να δούμε πράγματα όπως

να μπορούν οι χρήστες
να κρυπτογραφούν τα δεδομένα,

έτσι ώστε να είναι αόρατα ή άνευ αξίας
σε σελίδες όπως το Facebook

ή σε υπηρεσίες τρίτων 
που έχουν πρόσβαση σε αυτά,

αλλά οι επιλεγμένοι χρήστες

που το άτομο που έκανε την ανάρτηση
θέλει να τα δουν,

να μπορούν να τα δουν.

Είναι πάρα πολύ συναρπαστική έρευνα

από διαλεκτικής άποψης,

γι' αυτό οι επιστήμονες θα συνεργαστούν.

Έτσι αυτό μας δίνει πλεονέκτημα 
έναντι της νομικής πλευράς.

Ένα από τα προβλήματα 
που οι άνθρωποι αναφέρουν

όταν μιλάω γι' αυτό είναι,

«Αν οι άνθρωποι αρχίσουν 
να έχουν ιδιωτικά δεδομένα,

όλες αυτές οι μέθοδοι που αναπτύσσεις

για πρόβλεψη χαρακτηριστικών 
θα αποτύχουν».

Και εγώ απαντώ, σίγουρα,
και αυτό για μένα είναι επιτυχία,

επειδή ως επιστήμονας,

στόχος μου δεν είναι να συνάγω 
πληροφορίες σχετικά με τους χρήστες,

είναι να βελτιώνω τον τρόπο 
αλληλεπίδρασής τους στο δίκτυο.

Μερικές φορές αυτό εμπλέκει 
και την εξεύρεση στοιχείων για αυτούς,

αλλά αν οι χρήστες δεν θέλουν 
να χρησιμοποιώ αυτά τα δεδομένα,

θα πρέπει να έχουν αυτό το δικαίωμα.

Θέλω οι χρήστες να είναι ενημερωμένοι

και να εγκρίνουν τα εργαλεία
που αναπτύσσουμε.

Και νομίζω ότι ενθαρρύνοντας 
αυτό το είδος της επιστήμης,

και στηρίζοντας τους ερευνητές

που θέλουν να επιστρέψουν τον έλεγχο 
πίσω στους χρήστες

από τις εταιρείες κοινωνικών μέσων,

σημαίνει ότι προοδεύουμε,

καθώς τα εργαλεία αυτά
εξελίσσονται και βελτιώνονται,

σημαίνει ότι θα έχουμε μορφωμένους

και δυναμικούς χρήστες,

και νομίζω όλοι συμφωνούμε

ότι αυτός είναι ο ιδανικός τρόπος 
να προοδεύσουμε.

Ευχαριστώ.

(Χειροκρότημα)