What tech companies know about your kids | Veronica Barassi

84,880 views ・ 2020-07-03

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

00:00
Transcriber: Leslie Gauthier Reviewer: Joanna Pietrulewicz
0
0
7000
Tradutor: Higor Ribeiro Revisor: Maricene Crus
00:12
Every day, every week,
1
12792
2267
Todo dia, toda semana, concordamos com os termos e condições.
00:15
we agree to terms and conditions.
2
15083
2185
00:17
And when we do this,
3
17292
1476
Quando fazemos isso, fornecemos às empresas o direito legal
00:18
we provide companies with the lawful right
4
18792
2476
00:21
to do whatever they want with our data
5
21292
3684
de fazerem o que quiserem com nossos dados
00:25
and with the data of our children.
6
25000
2375
e com os dados de nossos filhos.
00:28
Which makes us wonder:
7
28792
2976
O que nos faz questionar:
00:31
how much data are we giving away of children,
8
31792
2892
quantos dados sobre crianças nós damos,
00:34
and what are its implications?
9
34708
2000
e quais são as consequências?
00:38
I'm an anthropologist,
10
38500
1393
Eu sou antropóloga
00:39
and I'm also the mother of two little girls.
11
39917
2601
e mãe de duas garotinhas.
00:42
And I started to become interested in this question in 2015
12
42542
4476
Passei a ter interesse nisso em 2015
00:47
when I suddenly realized that there were vast --
13
47042
2726
quando subitamente percebi que existem quantidades de dados enormes,
00:49
almost unimaginable amounts of data traces
14
49792
3017
quase inimagináveis,
00:52
that are being produced and collected about children.
15
52833
3167
sendo produzidas e coletadas sobre crianças.
00:56
So I launched a research project,
16
56792
1976
E então, comecei um projeto de pesquisa,
00:58
which is called Child Data Citizen,
17
58792
2476
chamado Child Data Citizen,
01:01
and I aimed at filling in the blank.
18
61292
2125
que almeja preencher essa lacuna.
01:04
Now you may think that I'm here to blame you
19
64583
3018
Talvez, pensem que estou aqui para culpar vocês
01:07
for posting photos of your children on social media,
20
67625
2768
por postar fotos de seus filhos nas redes sociais,
01:10
but that's not really the point.
21
70417
2142
mas esse não é o ponto.
01:12
The problem is way bigger than so-called "sharenting."
22
72583
3417
O problema é bem maior que o assim chamado "sharenting".
01:16
This is about systems, not individuals.
23
76792
4101
É sobre sistemas, não indivíduos.
01:20
You and your habits are not to blame.
24
80917
2291
A culpa não é dos seus hábitos.
01:24
For the very first time in history,
25
84833
2851
Pela primeira vez na história,
01:27
we are tracking the individual data of children
26
87708
2560
estamos rastreando os dados individuais das crianças
01:30
from long before they're born --
27
90292
1767
bem antes de elas nascerem,
01:32
sometimes from the moment of conception,
28
92083
2685
às vezes, do momento da concepção
01:34
and then throughout their lives.
29
94792
2351
e depois ao longo da vida delas.
01:37
You see, when parents decide to conceive,
30
97167
3101
Quando os pais decidem conceber,
01:40
they go online to look for "ways to get pregnant,"
31
100292
2976
buscam on-line por "formas de engravidar",
01:43
or they download ovulation-tracking apps.
32
103292
2750
ou fazem download de aplicativos que rastreiam a ovulação.
01:47
When they do get pregnant,
33
107250
2601
Quando a mulher consegue engravidar,
01:49
they post ultrasounds of their babies on social media,
34
109875
3143
eles postam fotos do ultrassom do bebê nas redes sociais,
01:53
they download pregnancy apps
35
113042
2017
baixam aplicativos de gravidez
01:55
or they consult Dr. Google for all sorts of things,
36
115083
3726
ou consultam o Dr. Google para saber sobre tudo,
01:58
like, you know --
37
118833
1518
por exemplo,
02:00
for "miscarriage risk when flying"
38
120375
2559
"risco de aborto involuntário ao pegar um avião"
02:02
or "abdominal cramps in early pregnancy."
39
122958
2768
ou "cãibras abdominais no início da gravidez".
02:05
I know because I've done it --
40
125750
1809
Eu sei porque já fiz isso, muitas vezes.
02:07
and many times.
41
127583
1625
02:10
And then, when the baby is born, they track every nap,
42
130458
2810
E então, quando o bebê nasce, monitoram cada cochilo, cada refeição,
02:13
every feed,
43
133292
1267
02:14
every life event on different technologies.
44
134583
2584
cada evento da vida dele em uma tecnologia diferente.
02:18
And all of these technologies
45
138083
1476
E todas essas tecnologias
02:19
transform the baby's most intimate behavioral and health data into profit
46
139583
6143
transformam os dados mais íntimos do comportamento e saúde do bebê em lucro
02:25
by sharing it with others.
47
145750
1792
através do compartilhamento.
02:28
So to give you an idea of how this works,
48
148583
2143
Explicando basicamente como isso funciona,
02:30
in 2019, the British Medical Journal published research that showed
49
150750
5184
em 2019, uma pesquisa publicada pelo British Medical Journal mostrou
02:35
that out of 24 mobile health apps,
50
155958
3643
que de 24 aplicativos de saúde,
02:39
19 shared information with third parties.
51
159625
3458
19 compartilharam informações com terceiros.
02:44
And these third parties shared information with 216 other organizations.
52
164083
5834
E esses terceiros compartilharam informações com outras 216 organizações.
02:50
Of these 216 other fourth parties,
53
170875
3434
Dessas 216 organizações,
02:54
only three belonged to the health sector.
54
174333
3143
somente três pertenciam ao setor da saúde.
02:57
The other companies that had access to that data were big tech companies
55
177500
4518
As outras eram grandes empresas de tecnologia
03:02
like Google, Facebook or Oracle,
56
182042
3517
como Google, Facebook ou Oracle,
03:05
they were digital advertising companies
57
185583
2601
que estavam fazendo publicidade digital,
03:08
and there was also a consumer credit reporting agency.
58
188208
4125
e havia também uma agência de relatório do crédito ao consumidor.
03:13
So you get it right:
59
193125
1434
Vocês entenderam corretamente:
03:14
ad companies and credit agencies may already have data points on little babies.
60
194583
5125
empresas e agências de publicidade já devem ter dados sobre bebês.
03:21
But mobile apps, web searches and social media
61
201125
2768
Só que aplicativos, pesquisas na web e redes sociais
03:23
are really just the tip of the iceberg,
62
203917
3101
são apenas a ponta do iceberg,
03:27
because children are being tracked by multiple technologies
63
207042
2851
porque as crianças são rastreadas por diversas tecnologias
03:29
in their everyday lives.
64
209917
1726
em seus cotidianos:
03:31
They're tracked by home technologies and virtual assistants in their homes.
65
211667
4142
tecnologias da casa, assistentes virtuais,
03:35
They're tracked by educational platforms
66
215833
1976
plataformas educacionais e tecnologias educacionais nas escolas,
03:37
and educational technologies in their schools.
67
217833
2185
03:40
They're tracked by online records
68
220042
1601
registros on-line e portais de seus consultórios médicos,
03:41
and online portals at their doctor's office.
69
221667
3017
03:44
They're tracked by their internet-connected toys,
70
224708
2351
brinquedos conectados à internet, jogos on-line
03:47
their online games
71
227083
1310
03:48
and many, many, many, many other technologies.
72
228417
2666
e muitas outras tecnologias.
03:52
So during my research,
73
232250
1643
Ao longo de minha pesquisa,
03:53
a lot of parents came up to me and they were like, "So what?
74
233917
4142
muitos pais me perguntaram: "E daí?
03:58
Why does it matter if my children are being tracked?
75
238083
2917
Importa se meus filhos forem rastreados?
04:02
We've got nothing to hide."
76
242042
1333
Não temos nada a esconder".
04:04
Well, it matters.
77
244958
1500
Bem, importa sim.
04:07
It matters because today individuals are not only being tracked,
78
247083
6018
Importa porque os indivíduos não são apenas rastreados,
04:13
they're also being profiled on the basis of their data traces.
79
253125
4101
mas também são perfilados de acordo com seus dados.
04:17
Artificial intelligence and predictive analytics are being used
80
257250
3809
A inteligência artificial e a análise preditiva são usadas
04:21
to harness as much data as possible of an individual life
81
261083
3643
para alcançar o máximo de dados possível de um indivíduo
04:24
from different sources:
82
264750
1851
através de fontes diferentes:
04:26
family history, purchasing habits, social media comments.
83
266625
4518
histórico familiar, hábitos de compra, comentários em rede sociais.
04:31
And then they bring this data together
84
271167
1851
E então, esses dados são coletados
04:33
to make data-driven decisions about the individual.
85
273042
2750
para orientar escolhas a respeito do indivíduo.
04:36
And these technologies are used everywhere.
86
276792
3434
E essas tecnologias são usadas em toda parte.
04:40
Banks use them to decide loans.
87
280250
2393
Bancos as usam para decidir empréstimos.
04:42
Insurance uses them to decide premiums.
88
282667
2375
Seguradoras as usam para decidir valores de contratação.
04:46
Recruiters and employers use them
89
286208
2476
Recrutadoras e empregadores as usam
04:48
to decide whether one is a good fit for a job or not.
90
288708
2917
para decidir se a pessoa se encaixa ou não num emprego.
04:52
Also the police and courts use them
91
292750
3101
A polícia e os tribunais também as usam
04:55
to determine whether one is a potential criminal
92
295875
3518
para determinar se alguém é um criminoso em potencial
04:59
or is likely to recommit a crime.
93
299417
2625
ou é propenso a voltar a cometer um crime.
05:04
We have no knowledge or control
94
304458
4060
Nós não temos conhecimento ou controle
05:08
over the ways in which those who buy, sell and process our data
95
308542
3642
sobre as formas em que aqueles que compram e vendem nossos dados
05:12
are profiling us and our children.
96
312208
2709
profilam a nós e nossos filhos.
05:15
But these profiles can come to impact our rights in significant ways.
97
315625
4042
Mas esses perfis podem impactar nossos direitos de forma significativa.
05:20
To give you an example,
98
320917
2208
Por exemplo,
05:25
in 2018 the "New York Times" published the news
99
325792
4059
em 2018, o New York Times publicou
05:29
that the data that had been gathered
100
329875
1976
que os dados que foram coletados
05:31
through online college-planning services --
101
331875
3059
pelos serviços de planejamento de faculdade on-line,
05:34
that are actually completed by millions of high school kids across the US
102
334958
4726
que são usados por milhões de alunos do ensino médio nos EUA
05:39
who are looking for a college program or a scholarship --
103
339708
3643
que procuram por programas ou bolsas de estudos para a faculdade,
05:43
had been sold to educational data brokers.
104
343375
3042
haviam sido vendidos para corretores de dados educacionais.
05:47
Now, researchers at Fordham who studied educational data brokers
105
347792
5434
Pesquisadores da Universidade Fordham que estudaram esse tipo de corretor
05:53
revealed that these companies profiled kids as young as two
106
353250
5226
revelaram que essas empresas perfilam crianças acima de dois anos de idade
05:58
on the basis of different categories:
107
358500
3059
com base em categorias diferentes:
06:01
ethnicity, religion, affluence,
108
361583
4185
etnia, religião, riqueza,
06:05
social awkwardness
109
365792
2059
inépcia social
06:07
and many other random categories.
110
367875
2934
e muitas outras categorias aleatórias.
06:10
And then they sell these profiles together with the name of the kid,
111
370833
5018
Depois, elas vendem os perfis, juntamente com o nome das crianças,
06:15
their home address and the contact details
112
375875
2809
o endereço delas e informações de contato
06:18
to different companies,
113
378708
1851
para empresas diferentes,
06:20
including trade and career institutions,
114
380583
2459
incluindo instituições de carreira, comércio,
06:24
student loans
115
384083
1268
e empresas de empréstimos e cartões de crédito estudantis.
06:25
and student credit card companies.
116
385375
1750
06:28
To push the boundaries,
117
388542
1351
Para ampliar os limites,
06:29
the researchers at Fordham asked an educational data broker
118
389917
3809
os pesquisadores pediram a um corretor de dados educacionais
06:33
to provide them with a list of 14-to-15-year-old girls
119
393750
5809
para providenciar uma lista com o nome de garotas de 14 e 15 anos de idade
06:39
who were interested in family planning services.
120
399583
3375
que estivessem interessadas em serviços de planejamento familiar.
06:44
The data broker agreed to provide them the list.
121
404208
2476
O corretor de dados aceitou o pedido.
06:46
So imagine how intimate and how intrusive that is for our kids.
122
406708
4875
Imaginem o quanto isso é íntimo e intrusivo para nossas crianças.
06:52
But educational data brokers are really just an example.
123
412833
3976
Mas esse é só um exemplo.
06:56
The truth is that our children are being profiled in ways that we cannot control
124
416833
4685
A verdade é que nossos filhos estão sendo perfilados de formas incontroláveis
07:01
but that can significantly impact their chances in life.
125
421542
3416
que podem impactar significativamente suas oportunidades na vida.
07:06
So we need to ask ourselves:
126
426167
3476
Então, precisamos nos perguntar:
07:09
can we trust these technologies when it comes to profiling our children?
127
429667
4684
podemos confiar nessas tecnologias que perfilam nossos filhos?
07:14
Can we?
128
434375
1250
Será que podemos?
07:17
My answer is no.
129
437708
1250
Minha resposta é não.
07:19
As an anthropologist,
130
439792
1267
Como antropóloga,
acredito que a inteligência artificial e a análise preditiva possam ser úteis
07:21
I believe that artificial intelligence and predictive analytics can be great
131
441083
3768
07:24
to predict the course of a disease
132
444875
2018
para prever o curso de uma doença
07:26
or to fight climate change.
133
446917
1833
ou lutar contra a mudança climática.
07:30
But we need to abandon the belief
134
450000
1643
Mas precisamos abandonar a crença
07:31
that these technologies can objectively profile humans
135
451667
3684
de que essas tecnologias podem perfilar seres humanos objetivamente
07:35
and that we can rely on them to make data-driven decisions
136
455375
3184
e que podemos confiar nelas para tomar decisões sobre indivíduos
07:38
about individual lives.
137
458583
1893
baseadas em bancos de dados,
07:40
Because they can't profile humans.
138
460500
2559
porque eles não conseguem perfilar seres humanos.
07:43
Data traces are not the mirror of who we are.
139
463083
3351
Dados não são um reflexo de quem somos.
07:46
Humans think one thing and say the opposite,
140
466458
2101
Humanos pensam uma coisa e dizem outra,
07:48
feel one way and act differently.
141
468583
2435
sentem e agem de formas diferentes.
07:51
Algorithmic predictions or our digital practices
142
471042
2476
Predições algorítmicas ou nossas práticas digitais
07:53
cannot account for the unpredictability and complexity of human experience.
143
473542
5166
não podem explicar a imprevisibilidade e a complexidade da vivência humana.
08:00
But on top of that,
144
480417
1559
Mas acima de tudo isso,
08:02
these technologies are always --
145
482000
2684
essas tecnologias são sempre,
08:04
always --
146
484708
1268
de uma forma ou outra, tendenciosas.
08:06
in one way or another, biased.
147
486000
1917
08:09
You see, algorithms are by definition sets of rules or steps
148
489125
5059
Algoritmos são, por definição, um conjunto de regras ou passos
08:14
that have been designed to achieve a specific result, OK?
149
494208
3709
projetado para alcançar um resultado específico, certo?
08:18
But these sets of rules or steps cannot be objective,
150
498833
2726
Mas esses conjuntos não podem ser objetivos
08:21
because they've been designed by human beings
151
501583
2143
porque são projetados por seres humanos
08:23
within a specific cultural context
152
503750
1726
num contexto cultural específico
08:25
and are shaped by specific cultural values.
153
505500
2500
e são modelados por valores culturais específicos.
08:28
So when machines learn,
154
508667
1726
Quando as máquinas aprendem,
08:30
they learn from biased algorithms,
155
510417
2250
é através de algoritmos tendenciosos
08:33
and they often learn from biased databases as well.
156
513625
3208
e, com frequência, através de bases de dados também tendenciosas.
08:37
At the moment, we're seeing the first examples of algorithmic bias.
157
517833
3726
No momento, vemos os primeiros exemplos de viés algorítmico.
08:41
And some of these examples are frankly terrifying.
158
521583
3500
E alguns desses exemplos são terríveis.
08:46
This year, the AI Now Institute in New York published a report
159
526500
4059
Neste ano, o AI Now Institute en Nova York publicou um relatório
08:50
that revealed that the AI technologies
160
530583
2393
que revelou que as tecnologias IA
08:53
that are being used for predictive policing
161
533000
3476
que estão sendo utilizadas para o policiamento preditivo
08:56
have been trained on "dirty" data.
162
536500
3125
foram treinadas com "dados sujos".
09:00
This is basically data that had been gathered
163
540333
2893
Esses são dados que foram coletados
09:03
during historical periods of known racial bias
164
543250
4184
durante períodos históricos de preconceito racial explícito
09:07
and nontransparent police practices.
165
547458
2250
e práticas policiais não transparentes.
09:10
Because these technologies are being trained with dirty data,
166
550542
4059
Por essas tecnologias serem treinadas com dados sujos,
09:14
they're not objective,
167
554625
1434
elas não são objetivas,
09:16
and their outcomes are only amplifying and perpetrating
168
556083
4518
e seus resultados estão ampliando e perpetuando
09:20
police bias and error.
169
560625
1625
os erros e o preconceito policial.
09:25
So I think we are faced with a fundamental problem
170
565167
3142
Aqui, nós enfrentamos um problema fundamental
09:28
in our society.
171
568333
1643
em nossa sociedade.
09:30
We are starting to trust technologies when it comes to profiling human beings.
172
570000
4792
Estamos confiando em tecnologias para perfilar seres humanos,
09:35
We know that in profiling humans,
173
575750
2518
mas sabemos que ao fazermos isso,
09:38
these technologies are always going to be biased
174
578292
2809
essas tecnologias sempre serão tendenciosas
09:41
and are never really going to be accurate.
175
581125
2726
e jamais realmente precisas.
09:43
So what we need now is actually political solution.
176
583875
2934
Precisamos de uma solução política.
09:46
We need governments to recognize that our data rights are our human rights.
177
586833
4709
Que os governos reconheçam que direitos sobre dados são direitos humanos.
09:52
(Applause and cheers)
178
592292
4083
(Aplausos)
09:59
Until this happens, we cannot hope for a more just future.
179
599833
4084
Até que isso aconteça, não podemos esperar por um futuro mais justo.
10:04
I worry that my daughters are going to be exposed
180
604750
2726
Preocupa-me que minhas filhas serão expostas a toda forma de discriminação
10:07
to all sorts of algorithmic discrimination and error.
181
607500
3726
e erro dos algoritmos.
10:11
You see the difference between me and my daughters
182
611250
2393
A diferença entre mim e minhas filhas
10:13
is that there's no public record out there of my childhood.
183
613667
3184
é que não existe um registro público da minha infância.
10:16
There's certainly no database of all the stupid things that I've done
184
616875
4018
Certamente não existe base de dados sobre todas as coisas estúpidas que fiz
10:20
and thought when I was a teenager.
185
620917
2142
e pensei quando era adolescente.
10:23
(Laughter)
186
623083
1500
(Risos)
10:25
But for my daughters this may be different.
187
625833
2750
Mas, para elas, pode ser diferente.
10:29
The data that is being collected from them today
188
629292
3184
Os dados coletados sobre elas atualmente
10:32
may be used to judge them in the future
189
632500
3809
podem ser usados para julgá-las no futuro
10:36
and can come to prevent their hopes and dreams.
190
636333
2959
e impedir os sonhos e esperanças delas.
10:40
I think that's it's time.
191
640583
1518
Acho que chegou o momento de nos posicionarmos.
10:42
It's time that we all step up.
192
642125
1434
10:43
It's time that we start working together
193
643583
2476
De começarmos a trabalhar juntos
10:46
as individuals,
194
646083
1435
como indivíduos,
10:47
as organizations and as institutions,
195
647542
2517
organizações e instituições,
10:50
and that we demand greater data justice for us
196
650083
3101
e exigir uma justiça de dados maior para nós e para nossas crianças
10:53
and for our children
197
653208
1393
10:54
before it's too late.
198
654625
1518
antes que seja tarde demais.
10:56
Thank you.
199
656167
1267
Obrigada.
10:57
(Applause)
200
657458
1417
(Aplausos)
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7