We're building a dystopia just to make people click on ads | Zeynep Tufekci

738,629 views ・ 2017-11-17

TED


Будь ласка, двічі клацніть на англійські субтитри нижче, щоб відтворити відео.

Перекладач: Dina Bezsmertna Утверджено: Khrystyna Romashko
00:12
So when people voice fears of artificial intelligence,
0
12760
3536
Коли висловлюються побоювання щодо штучного інтелекту,
00:16
very often, they invoke images of humanoid robots run amok.
1
16320
3976
на думку найчастіше спадає образ
гуманоїдних роботів, що вийшли з-під контролю.
00:20
You know? Terminator?
2
20320
1240
Ну згадайте, Термінатор?
00:22
You know, that might be something to consider,
3
22400
2336
Знаєте, і такий варіант можна взяти до уваги,
00:24
but that's a distant threat.
4
24760
1856
але ця загроза — не найближча.
00:26
Or, we fret about digital surveillance
5
26640
3456
Ще ми остерігаємося цифрового спостереження,
00:30
with metaphors from the past.
6
30120
1776
використовуючи метафори з минулого.
00:31
"1984," George Orwell's "1984,"
7
31920
2656
"1984" Джорджа Орвелла
00:34
it's hitting the bestseller lists again.
8
34600
2280
знову посів своє місце у списку бестселерів.
00:37
It's a great book,
9
37960
1416
Це чудовий твір,
00:39
but it's not the correct dystopia for the 21st century.
10
39400
3880
та у ньому представлено не найкраще зображення антиутопії для XXI століття.
00:44
What we need to fear most
11
44080
1416
Найбільше нам варто боятися не того,
00:45
is not what artificial intelligence will do to us on its own,
12
45520
4776
що власне штучний інтелект зробить з нами,
00:50
but how the people in power will use artificial intelligence
13
50320
4736
а як можновладці використовуватимуть ШІ,
00:55
to control us and to manipulate us
14
55080
2816
щоб контролювати нас та маніпулювати нами
00:57
in novel, sometimes hidden,
15
57920
3136
по-новому, іноді приховано,
непомітно і так, як ми цього зовсім не очікуємо.
01:01
subtle and unexpected ways.
16
61080
3016
01:04
Much of the technology
17
64120
1856
Велику частку технологій,
01:06
that threatens our freedom and our dignity in the near-term future
18
66000
4336
що у найближчому майбутньому поставлять під загрозу наші свободу та гідність,
01:10
is being developed by companies
19
70360
1856
розробляють компанії,
01:12
in the business of capturing and selling our data and our attention
20
72240
4936
що отримують та продають наші дані та нашу увагу
01:17
to advertisers and others:
21
77200
2256
рекламним та іншим компаніям,
01:19
Facebook, Google, Amazon,
22
79480
3416
серед яких Facebook, Google, Amazon,
01:22
Alibaba, Tencent.
23
82920
1880
Alibaba, Tencent.
01:26
Now, artificial intelligence has started bolstering their business as well.
24
86040
5496
Зараз штучний інтелект надав їхній діяльності поштовх вперед.
01:31
And it may seem like artificial intelligence
25
91560
2096
І може здатися, що штучний інтелект —
01:33
is just the next thing after online ads.
26
93680
2856
це лише наступний рівень розвитку інтернет-реклами.
01:36
It's not.
27
96560
1216
Це не так.
01:37
It's a jump in category.
28
97800
2456
Це набагато більший стрибок.
01:40
It's a whole different world,
29
100280
2576
Це абсолютно інший світ,
01:42
and it has great potential.
30
102880
2616
де існують великі можливості.
01:45
It could accelerate our understanding of many areas of study and research.
31
105520
6920
Він може пришвидшити наші здобутки у багатьох дослідних сферах.
01:53
But to paraphrase a famous Hollywood philosopher,
32
113120
3496
Та перефразувавши відомого голлівудського філософа:
01:56
"With prodigious potential comes prodigious risk."
33
116640
3640
"З величезними можливостями приходить і великий ризик".
02:01
Now let's look at a basic fact of our digital lives, online ads.
34
121120
3936
Розгляньмо простий факт нашого цифрового життя — онлайн-рекламу.
02:05
Right? We kind of dismiss them.
35
125080
2896
Правильно? Ми вже до неї звикли.
Вона здається нав'язливою та неефективною.
02:08
They seem crude, ineffective.
36
128000
1976
02:10
We've all had the experience of being followed on the web
37
130000
4256
З усіма траплявся випадок, коли реклама того, що ми шукали або читали онлайн,
02:14
by an ad based on something we searched or read.
38
134280
2776
переслідує нас у мережі.
02:17
You know, you look up a pair of boots
39
137080
1856
Наприклад, ви переглядали онлайн пару черевиків,
02:18
and for a week, those boots are following you around everywhere you go.
40
138960
3376
і протягом тижня ці черевики слідують за вами, куди б ви не пішли.
02:22
Even after you succumb and buy them, they're still following you around.
41
142360
3656
Навіть після того, як ви здаєтеся і купуєте їх, вони все одно всюди.
02:26
We're kind of inured to that kind of basic, cheap manipulation.
42
146040
3016
Ми навіть звикли до такої простої та дешевої маніпуляції.
02:29
We roll our eyes and we think, "You know what? These things don't work."
43
149080
3400
Ми роздратовано закочуємо очі і думаємо: "Знаєте що? Це не працює".
02:33
Except, online,
44
153720
2096
Та в онлайн-просторі
02:35
the digital technologies are not just ads.
45
155840
3600
цифрові технології — це не лише реклама.
02:40
Now, to understand that, let's think of a physical world example.
46
160240
3120
Щоб зрозуміти це, давайте розберемо приклад з фізичного світу.
02:43
You know how, at the checkout counters at supermarkets, near the cashier,
47
163840
4656
Ви помічали, що біля кас у супермаркетах
02:48
there's candy and gum at the eye level of kids?
48
168520
3480
жуйки, цукерки зазвичай розкладені на рівні очей дитини?
02:52
That's designed to make them whine at their parents
49
172800
3496
Це спрямовано на те, щоб вони клянчили у батьків солодощі,
02:56
just as the parents are about to sort of check out.
50
176320
3080
коли всі покупки вже зроблено.
03:00
Now, that's a persuasion architecture.
51
180040
2640
Це архітектура переконання.
03:03
It's not nice, but it kind of works.
52
183160
3096
Вона підступна, але ефективна.
03:06
That's why you see it in every supermarket.
53
186280
2040
Тому ви й бачите таке у кожному супермаркеті.
03:08
Now, in the physical world,
54
188720
1696
У реальному світі
03:10
such persuasion architectures are kind of limited,
55
190440
2496
така архітектура переконання
03:12
because you can only put so many things by the cashier. Right?
56
192960
4816
обмежена кількістю товарів біля касира. Чи не так?
03:17
And the candy and gum, it's the same for everyone,
57
197800
4296
Солодощі, жуйки купують усі,
та частіше, звичайно,
03:22
even though it mostly works
58
202120
1456
03:23
only for people who have whiny little humans beside them.
59
203600
4040
ті, хто бере з собою маленьких плаксивих чоловічків.
03:29
In the physical world, we live with those limitations.
60
209160
3920
У реальному світі такі обмеження існують.
03:34
In the digital world, though,
61
214280
1936
Та у віртуальному світі
03:36
persuasion architectures can be built at the scale of billions
62
216240
4320
методи переконання можуть нараховувати мільярди,
03:41
and they can target, infer, understand
63
221840
3856
що можуть визначати, впливати, розуміти
03:45
and be deployed at individuals
64
225720
2896
та бути направленими на людину
03:48
one by one
65
228640
1216
один за одним
03:49
by figuring out your weaknesses,
66
229880
2136
з метою виявити ваші слабкості,
та можуть бути розіслані кожному на телефон,
03:52
and they can be sent to everyone's phone private screen,
67
232040
5616
03:57
so it's not visible to us.
68
237680
2256
чого ви навіть й не помітите.
03:59
And that's different.
69
239960
1256
Ось у чому різниця.
04:01
And that's just one of the basic things that artificial intelligence can do.
70
241240
3576
І це лише одна з речей, на яку здатний штучний інтелект.
04:04
Now, let's take an example.
71
244840
1336
Розгляньмо приклад.
04:06
Let's say you want to sell plane tickets to Vegas. Right?
72
246200
2696
Припустимо, що ви продаєте квитки на літак до Лас-Вегасу.
04:08
So in the old world, you could think of some demographics to target
73
248920
3496
Раніше ви б обирали цільову аудиторію
04:12
based on experience and what you can guess.
74
252440
2520
згідно з вашим досвідом та інтуіцією.
04:15
You might try to advertise to, oh,
75
255560
2816
Ви могли б націлити таку рекламу
04:18
men between the ages of 25 and 35,
76
258400
2496
на чоловіків віком від 25 до 35 років,
04:20
or people who have a high limit on their credit card,
77
260920
3936
людей з високим лімітом на кредитці
04:24
or retired couples. Right?
78
264880
1376
або літнім парам. Правильно?
04:26
That's what you would do in the past.
79
266280
1816
Так би ви робили раніше.
04:28
With big data and machine learning,
80
268120
2896
Зважаючи на великий об'єм даних та машине навчання,
04:31
that's not how it works anymore.
81
271040
1524
зараз все має інший вигляд.
04:33
So to imagine that,
82
273320
2176
Тільки уявіть,
04:35
think of all the data that Facebook has on you:
83
275520
3856
скільки інформації про вас має Facebook:
04:39
every status update you ever typed,
84
279400
2536
кожен оприлюднений статус,
04:41
every Messenger conversation,
85
281960
2016
кожне повідомлення у Messenger,
04:44
every place you logged in from,
86
284000
1880
кожне місце, звідки ви входили в систему,
04:48
all your photographs that you uploaded there.
87
288400
3176
всі ваші завантажені світлини.
04:51
If you start typing something and change your mind and delete it,
88
291600
3776
Якщо ви почали щось друкувати, а потім передумали і видалили запис,
04:55
Facebook keeps those and analyzes them, too.
89
295400
3200
Facebook зберігає і аналізує його.
04:59
Increasingly, it tries to match you with your offline data.
90
299160
3936
Він намагається систематизувати й ваші оффлайн-дані.
05:03
It also purchases a lot of data from data brokers.
91
303120
3176
Також він скуповує інформацію у спеціальних брокерів.
05:06
It could be everything from your financial records
92
306320
3416
Це може бути що завгодно — від фінансових звітів
05:09
to a good chunk of your browsing history.
93
309760
2120
до великої частини вашої історії переглядів.
05:12
Right? In the US, such data is routinely collected,
94
312360
5416
Уявляєте? У США постійно збирають, обробляють та продають
05:17
collated and sold.
95
317800
1960
подібні дані.
05:20
In Europe, they have tougher rules.
96
320320
2440
У Європі правила жорсткіші.
05:23
So what happens then is,
97
323680
2200
А ось що трапляється далі:
05:26
by churning through all that data, these machine-learning algorithms --
98
326920
4016
аналізуючи усю цю інформацію, алгоритми машинного навчання —
05:30
that's why they're called learning algorithms --
99
330960
2896
а називаються вони так, тому що
05:33
they learn to understand the characteristics of people
100
333880
4096
вони вчаться розпізнавати характеристики осіб,
05:38
who purchased tickets to Vegas before.
101
338000
2520
які раніше купили квитки до Лас-Вегасу.
05:41
When they learn this from existing data,
102
341760
3536
Після завершення навчання на базі зібраної інформації,
05:45
they also learn how to apply this to new people.
103
345320
3816
вони навчаться застосовувати її до нових осіб.
05:49
So if they're presented with a new person,
104
349160
3056
Тож коли машина зустрічається з новим користувачем,
05:52
they can classify whether that person is likely to buy a ticket to Vegas or not.
105
352240
4640
вона може визначити ймовірність того, купить він квиток чи ні.
05:57
Fine. You're thinking, an offer to buy tickets to Vegas.
106
357720
5456
Гаразд. Ви зараз думаєте — це ж лише пропозиція купити квиток до Лас-Вегасу.
06:03
I can ignore that.
107
363200
1456
Я її просто проігнорую.
06:04
But the problem isn't that.
108
364680
2216
Та проблема не у цьому.
06:06
The problem is,
109
366920
1576
А в тому,
06:08
we no longer really understand how these complex algorithms work.
110
368520
4136
що ми більше не розбираємося у складностях роботи цих алгоритмів.
06:12
We don't understand how they're doing this categorization.
111
372680
3456
Ми не розуміємо їх процесу категоризації.
06:16
It's giant matrices, thousands of rows and columns,
112
376160
4416
Вони складаються з величезних матриць, тисяч рядків та колонок,
06:20
maybe millions of rows and columns,
113
380600
1960
а може й мільйонів,
06:23
and not the programmers
114
383320
2640
і ні програмісти,
06:26
and not anybody who looks at it,
115
386760
1680
ні будь-хто з тих, хто їх розглядає,
06:29
even if you have all the data,
116
389440
1496
навіть якщо має всі дані,
06:30
understands anymore how exactly it's operating
117
390960
4616
більше не розуміє, як вони працюють,
06:35
any more than you'd know what I was thinking right now
118
395600
3776
маючи не більше знань, ніж, наприклад, ви про те, що я зараз думаю,
06:39
if you were shown a cross section of my brain.
119
399400
3960
якби дивилися на поперечний перетин мого мозку.
06:44
It's like we're not programming anymore,
120
404360
2576
Схоже на те, що ми більше не програмуємо,
06:46
we're growing intelligence that we don't truly understand.
121
406960
4400
а вирощуємо інтелект, який до кінця не розуміємо.
06:52
And these things only work if there's an enormous amount of data,
122
412520
3976
Вони працюють лише за наявності великих об'ємів даних,
06:56
so they also encourage deep surveillance on all of us
123
416520
5096
таким чином заохочуючи постійне спостереження за нами,
07:01
so that the machine learning algorithms can work.
124
421640
2336
для забезпечення роботи алгоритмів.
07:04
That's why Facebook wants to collect all the data it can about you.
125
424000
3176
Саме тому Facebook радий будь-якій інформації про нас.
07:07
The algorithms work better.
126
427200
1576
Так алгоритми краще працюють.
07:08
So let's push that Vegas example a bit.
127
428800
2696
Повернемося до прикладу з авіаквитком.
07:11
What if the system that we do not understand
128
431520
3680
Якби машина, принципів роботи якої ми не розуміємо,
07:16
was picking up that it's easier to sell Vegas tickets
129
436200
5136
розміркувала, що людей з біполярним розладом,
які стоять на порозі фази нападу, легше змусити купити квитки до Лас-Вегасу?
07:21
to people who are bipolar and about to enter the manic phase.
130
441360
3760
07:25
Such people tend to become overspenders, compulsive gamblers.
131
445640
4920
Такі люди схильні до надлишкових витрат і азартних ігор.
07:31
They could do this, and you'd have no clue that's what they were picking up on.
132
451280
4456
Машина могла б утнути таке, а ви б і гадки не мали, як вона до цього дійшла.
07:35
I gave this example to a bunch of computer scientists once
133
455760
3616
Колись я навела таку ситуацію як приклад декільком ІТ-спеціалістам,
07:39
and afterwards, one of them came up to me.
134
459400
2056
і опісля один з них підійшов до мене
07:41
He was troubled and he said, "That's why I couldn't publish it."
135
461480
3520
та схвильовано сказав: "Тому я й не зміг опублікуватися".
07:45
I was like, "Couldn't publish what?"
136
465600
1715
А я така: "Опублікувати що?"
07:47
He had tried to see whether you can indeed figure out the onset of mania
137
467800
5856
Він намагався довести, що за записами у соцмережах можна ідентифікувати
07:53
from social media posts before clinical symptoms,
138
473680
3216
розвиток маніакального синдрому до появи його клінічних симптомів,
07:56
and it had worked,
139
476920
1776
і його робота дала хороший результат,
07:58
and it had worked very well,
140
478720
2056
навіть занадто хороший,
08:00
and he had no idea how it worked or what it was picking up on.
141
480800
4880
а він і гадки не мав, як це спрацювало, та на які саме речі реагувала система.
08:06
Now, the problem isn't solved if he doesn't publish it,
142
486840
4416
Тож проблема не буде вирішена, доки його робота не буде опублікована,
08:11
because there are already companies
143
491280
1896
бо вже існують компанії,
08:13
that are developing this kind of technology,
144
493200
2536
що займаються розвитком таких технологій,
08:15
and a lot of the stuff is just off the shelf.
145
495760
2800
багато з яких уже працюють.
08:19
This is not very difficult anymore.
146
499240
2576
Це більше не становить труднощів.
08:21
Do you ever go on YouTube meaning to watch one video
147
501840
3456
Чи траплялося з вами таке, що ви заходите на YouTube
з наміром подивитися одне відео,
08:25
and an hour later you've watched 27?
148
505320
2360
а годиною пізніше ви переглянули 27?
08:28
You know how YouTube has this column on the right
149
508760
2496
Бачили на YouTube колонку справа,
08:31
that says, "Up next"
150
511280
2216
що озаглавлена "Наступне",
08:33
and it autoplays something?
151
513520
1816
а поряд "Автоматичне відтворення"?
08:35
It's an algorithm
152
515360
1216
Такий алгоритм
08:36
picking what it thinks that you might be interested in
153
516600
3616
підбирає те, у чому, на його думку, ви можете бути зацікавлені
08:40
and maybe not find on your own.
154
520240
1536
або власноруч не знайдете.
08:41
It's not a human editor.
155
521800
1256
Ця колонка редагується не людиною,
08:43
It's what algorithms do.
156
523080
1416
а алгоритмом.
08:44
It picks up on what you have watched and what people like you have watched,
157
524520
4736
Засновано на тому, що переглянули ви або схожі на вас користувачі,
08:49
and infers that that must be what you're interested in,
158
529280
4216
і робить висновок, що саме це має вас зацікавити,
саме таких відео ви б хотіли переглянути більше,
08:53
what you want more of,
159
533520
1255
08:54
and just shows you more.
160
534799
1336
і показує вам більше.
08:56
It sounds like a benign and useful feature,
161
536159
2201
Це здається корисною та безпечною функцією,
08:59
except when it isn't.
162
539280
1200
та насправді це не так.
09:01
So in 2016, I attended rallies of then-candidate Donald Trump
163
541640
6960
У 2016 році я відвідувала зустрічі у рамках
передвиборної кампанії Дональда Трампа
09:09
to study as a scholar the movement supporting him.
164
549840
3336
для дослідження масиву людей, які його підтримують.
09:13
I study social movements, so I was studying it, too.
165
553200
3456
Я вивчаю соціальні рухи, взялася і за цей.
09:16
And then I wanted to write something about one of his rallies,
166
556680
3336
А потім я хотіла написати про одну з цих зустрічей,
тому переглянула її декілька разів на YouTube.
09:20
so I watched it a few times on YouTube.
167
560040
1960
09:23
YouTube started recommending to me
168
563240
3096
YouTube почав надавати мені в рекомендації
09:26
and autoplaying to me white supremacist videos
169
566360
4256
і автопрогравати ролики про білий расизм
09:30
in increasing order of extremism.
170
570640
2656
із переходом до все більшого екстремізму.
09:33
If I watched one,
171
573320
1816
Якщо я дивилася одне,
09:35
it served up one even more extreme
172
575160
2976
то ресурс знаходив наступне — ще екстремальніше —
09:38
and autoplayed that one, too.
173
578160
1424
та автоматично відтворював і його.
09:40
If you watch Hillary Clinton or Bernie Sanders content,
174
580320
4536
Якщо ви переглядаєте відео про Гілларі Клінтон або Берні Сандерса,
09:44
YouTube recommends and autoplays conspiracy left,
175
584880
4696
вам рекомендують до перегляду відео про теорії змови лівих,
09:49
and it goes downhill from there.
176
589600
1760
і з кожним все гірше.
09:52
Well, you might be thinking, this is politics, but it's not.
177
592480
3056
Можна було б подумати, що справа у політиці.
09:55
This isn't about politics.
178
595560
1256
Та це не так.
09:56
This is just the algorithm figuring out human behavior.
179
596840
3096
Це лише алгоритм, що вираховує людську поведінку.
09:59
I once watched a video about vegetarianism on YouTube
180
599960
4776
Одного разу я переглянула ролик про вегетаріанство,
10:04
and YouTube recommended and autoplayed a video about being vegan.
181
604760
4936
а YouTube у свою чергу порекомендував
і автоматично відтворив відео про те, як стати веганом.
10:09
It's like you're never hardcore enough for YouTube.
182
609720
3016
Як ніби ви не дозволите собі переглянути якийсь треш.
10:12
(Laughter)
183
612760
1576
(Сміх)
10:14
So what's going on?
184
614360
1560
Що ж відбувається?
10:16
Now, YouTube's algorithm is proprietary,
185
616520
3536
Алгоритм YouTube запатентований,
10:20
but here's what I think is going on.
186
620080
2360
та ось що, на мою думку, відбувається.
10:23
The algorithm has figured out
187
623360
2096
Алгоритм усвідомив,
10:25
that if you can entice people
188
625480
3696
що якщо користувачів можна змусити вважати,
10:29
into thinking that you can show them something more hardcore,
189
629200
3736
що вони постійно отримуватимуть щось радикальніше,
10:32
they're more likely to stay on the site
190
632960
2416
зростає вірогідність того, що вони залишаться на сайті,
10:35
watching video after video going down that rabbit hole
191
635400
4416
переглядатимуть відео за відео,
що будуть супроводжуватися рекламою від Google,
10:39
while Google serves them ads.
192
639840
1680
провалюючись все глибше у кролячу нору.
10:43
Now, with nobody minding the ethics of the store,
193
643760
3120
Через відсутність комерційної етики
10:47
these sites can profile people
194
647720
4240
такі сайти можуть виявляти
10:53
who are Jew haters,
195
653680
1920
ненависників євреїв,
10:56
who think that Jews are parasites
196
656360
2480
людей, які вважають їх паразитами,
11:00
and who have such explicit anti-Semitic content,
197
660320
4920
дивляться відео з вираженою антисемітською позицією
11:06
and let you target them with ads.
198
666080
2000
і відкриті для впливу реклами.
11:09
They can also mobilize algorithms
199
669200
3536
Вони також можуть користуватися алгоритмами
11:12
to find for you look-alike audiences,
200
672760
3136
для пошуку користувачів зі схожими інтересами,
11:15
people who do not have such explicit anti-Semitic content on their profile
201
675920
5576
які хоч і не мають такого радикального та антисемітського контенту,
11:21
but who the algorithm detects may be susceptible to such messages,
202
681520
6176
але, за визначенням алгоритму,
можуть бути сприйнятливими до такого типу повідомлень,
11:27
and lets you target them with ads, too.
203
687720
1920
і направляти їм рекламу.
11:30
Now, this may sound like an implausible example,
204
690680
2736
Цей приклад може звучати неправдоподібно,
11:33
but this is real.
205
693440
1320
але це правда.
Результати дослідження, проведеного журналістською організацією ProPublica,
11:35
ProPublica investigated this
206
695480
2136
11:37
and found that you can indeed do this on Facebook,
207
697640
3616
виявили, що це працює на Facebook —
11:41
and Facebook helpfully offered up suggestions
208
701280
2416
він з радістю запропонував варіанти
11:43
on how to broaden that audience.
209
703720
1600
розширення аудиторії.
11:46
BuzzFeed tried it for Google, and very quickly they found,
210
706720
3016
Медіа-компанія BuzzFeed виявила,
11:49
yep, you can do it on Google, too.
211
709760
1736
що для може бути застосовано і для Google.
11:51
And it wasn't even expensive.
212
711520
1696
Це навіть недорого.
11:53
The ProPublica reporter spent about 30 dollars
213
713240
4416
Репортер ProPublica витратив близько 30 доларів
11:57
to target this category.
214
717680
2240
для визначення цієї категорії.
12:02
So last year, Donald Trump's social media manager disclosed
215
722600
5296
Минулого року радник Дональда Трампа з питань соцмедіа підтвердив
12:07
that they were using Facebook dark posts to demobilize people,
216
727920
5336
використання "темних постів" на Facebook
для того, щоб не просто відмовити людей від голосування,
12:13
not to persuade them,
217
733280
1376
12:14
but to convince them not to vote at all.
218
734680
2800
а переконати їх взагалі не йти на вибори.
12:18
And to do that, they targeted specifically,
219
738520
3576
З цією метою вони націлено обирали певну аудиторію,
12:22
for example, African-American men in key cities like Philadelphia,
220
742120
3896
наприклад, чоловіків-афроамериканців у великих містах, таких як Філадельфія.
Я поділюся з вами тим, що він написав.
12:26
and I'm going to read exactly what he said.
221
746040
2456
12:28
I'm quoting.
222
748520
1216
Цитую:
12:29
They were using "nonpublic posts
223
749760
3016
"Вони використовували приватні пости,
12:32
whose viewership the campaign controls
224
752800
2176
чий перегляд контролюється компанією
12:35
so that only the people we want to see it see it.
225
755000
3776
і обмежений лише тими, кому ми хочемо їх показати.
12:38
We modeled this.
226
758800
1216
Ми зробили модель.
12:40
It will dramatically affect her ability to turn these people out."
227
760040
4720
Це буде мати неабиякий вплив на явку виборців".
12:45
What's in those dark posts?
228
765720
2280
Що ж у цих "темних постах"?
12:48
We have no idea.
229
768480
1656
Ми й гадки не маємо.
12:50
Facebook won't tell us.
230
770160
1200
Facebook не розкриває це.
12:52
So Facebook also algorithmically arranges the posts
231
772480
4376
За допомогою алгоритмів Facebook також пропонує пости,
12:56
that your friends put on Facebook, or the pages you follow.
232
776880
3736
опубліковані вашими друзями або сторінками, на які ви підписані.
13:00
It doesn't show you everything chronologically.
233
780640
2216
Він розкладає їх не у хронологічному порядку,
13:02
It puts the order in the way that the algorithm thinks will entice you
234
782880
4816
а так, щоб зацікавити вас
13:07
to stay on the site longer.
235
787720
1840
довше лишатися на сайті.
13:11
Now, so this has a lot of consequences.
236
791040
3376
Це несе за собою багато наслідків.
13:14
You may be thinking somebody is snubbing you on Facebook.
237
794440
3800
Ви можете подумати, що хтось на Facebook вас ігнорує.
13:18
The algorithm may never be showing your post to them.
238
798800
3256
Алгоритм же може ніколи не показувати ваші пости цій людині.
13:22
The algorithm is prioritizing some of them and burying the others.
239
802080
5960
Він ставить у пріоритет одних і відкидає інших.
13:29
Experiments show
240
809320
1296
За даними експериментів
13:30
that what the algorithm picks to show you can affect your emotions.
241
810640
4520
підібраний алгоритмом контент може впливати на ваші емоції.
13:36
But that's not all.
242
816600
1200
Та це ще не все.
13:38
It also affects political behavior.
243
818280
2360
Він також впливає на вашу політичну поведінку.
13:41
So in 2010, in the midterm elections,
244
821360
4656
У 2010 році на проміжних виборах
13:46
Facebook did an experiment on 61 million people in the US
245
826040
5896
Facebook провів експеримент над 61 мільйоном американців,
13:51
that was disclosed after the fact.
246
831960
1896
що був розкритий опісля.
13:53
So some people were shown, "Today is election day,"
247
833880
3416
Одним просто показували
13:57
the simpler one,
248
837320
1376
"Сьогодні день виборів",
13:58
and some people were shown the one with that tiny tweak
249
838720
3896
а іншим трохи видозмінений запис —
14:02
with those little thumbnails
250
842640
2096
додали іконки їхніх друзів,
14:04
of your friends who clicked on "I voted."
251
844760
2840
які вподобали надпис і сказали "Я проголосував".
14:09
This simple tweak.
252
849000
1400
Просто невеличка зміна.
14:11
OK? So the pictures were the only change,
253
851520
4296
Змінилася лише картинка.
14:15
and that post shown just once
254
855840
3256
І останній пост, що був показаний лише один раз,
14:19
turned out an additional 340,000 voters
255
859120
6056
заохотив до голосування 340,000 додаткових виборців
14:25
in that election,
256
865200
1696
на тих виборах,
14:26
according to this research
257
866920
1696
що підтверджується цим дослідженням
14:28
as confirmed by the voter rolls.
258
868640
2520
і списками виборців.
14:32
A fluke? No.
259
872920
1656
Щасливий збіг? Ні.
14:34
Because in 2012, they repeated the same experiment.
260
874600
5360
Бо у 2012 цей експеримент повторили.
14:40
And that time,
261
880840
1736
На цей раз
14:42
that civic message shown just once
262
882600
3296
подібне одноразове повідомлення
14:45
turned out an additional 270,000 voters.
263
885920
4440
привернуло ще 270,000 виборців.
14:51
For reference, the 2016 US presidential election
264
891160
5216
До речі, результат президентських виборів 2016 року
14:56
was decided by about 100,000 votes.
265
896400
3520
був вирішений завдяки 100,000 голосів.
15:01
Now, Facebook can also very easily infer what your politics are,
266
901360
4736
Facebook може з легкістю визначити ваші політичні вподобання,
навіть якщо ви ніколи не виражали їх відкрито онлайн.
15:06
even if you've never disclosed them on the site.
267
906120
2256
15:08
Right? These algorithms can do that quite easily.
268
908400
2520
У цих алгоритмів такі речі багато зусиль не забирають.
15:11
What if a platform with that kind of power
269
911960
3896
Що станеться, коли передвиборча платформа, маючи такі можливості,
15:15
decides to turn out supporters of one candidate over the other?
270
915880
5040
вирішить впливати на виборчу активність на користь свого кандидата?
15:21
How would we even know about it?
271
921680
2440
Як би ми про це дізналися?
15:25
Now, we started from someplace seemingly innocuous --
272
925560
4136
Отож, ми почали з дуже нейтральної, безпечної території —
15:29
online adds following us around --
273
929720
2216
онлайн-реклами, що слідкує за нами повсюди, —
15:31
and we've landed someplace else.
274
931960
1840
а дійшли до абсолютно іншого.
15:35
As a public and as citizens,
275
935480
2456
Кожен з нас і суспільство в цілому
15:37
we no longer know if we're seeing the same information
276
937960
3416
вже не впевнені, що бачимо таку ж інформацію,
15:41
or what anybody else is seeing,
277
941400
1480
як і решта.
15:43
and without a common basis of information,
278
943680
2576
Без спільної інформаційної бази
15:46
little by little,
279
946280
1616
крок за кроком
15:47
public debate is becoming impossible,
280
947920
3216
ми унеможливлюємо публічні дебати,
15:51
and we're just at the beginning stages of this.
281
951160
2976
а зараз — лише початок.
15:54
These algorithms can quite easily infer
282
954160
3456
Ці алгоритми можуть реагувати
15:57
things like your people's ethnicity,
283
957640
3256
на такі речі, як етнічна приналежність,
16:00
religious and political views, personality traits,
284
960920
2336
релігійні або політичні вподобання, риси характеру,
16:03
intelligence, happiness, use of addictive substances,
285
963280
3376
розумові здібності, емоційний стан, вживання наркотичних речовин,
16:06
parental separation, age and genders,
286
966680
3136
вік та стать, сімейну історію
16:09
just from Facebook likes.
287
969840
1960
лише завдяки вподобанням у Facebook.
16:13
These algorithms can identify protesters
288
973440
4056
Ці алгоритми можуть ідентифікувати протестувальників,
16:17
even if their faces are partially concealed.
289
977520
2760
навіть якщо їх обличчя частково закриті.
16:21
These algorithms may be able to detect people's sexual orientation
290
981720
6616
Вони можуть бути здатні визначити сексуальну орієнтацію користувача,
16:28
just from their dating profile pictures.
291
988360
3200
судячи з їх фото на сайті знайомств.
16:33
Now, these are probabilistic guesses,
292
993560
2616
Так, це здогадки на основі ймовірних припущень,
16:36
so they're not going to be 100 percent right,
293
996200
2896
тому вони не є стовідсотково правильними,
16:39
but I don't see the powerful resisting the temptation to use these technologies
294
999120
4896
та я не бачу, щоб через певний відсоток неправдивих результатів
попит на використання цієї технології значно зменшився, —
16:44
just because there are some false positives,
295
1004040
2176
16:46
which will of course create a whole other layer of problems.
296
1006240
3256
це лише додає певні нові проблеми.
16:49
Imagine what a state can do
297
1009520
2936
Уявіть, що здатна зробити держава,
16:52
with the immense amount of data it has on its citizens.
298
1012480
3560
маючи на озброєнні такі об'єми інформації про своїх громадян.
16:56
China is already using face detection technology
299
1016680
4776
В Китаї вже застосовується технологія розпізнавання обличчя
17:01
to identify and arrest people.
300
1021480
2880
задля ідентифікації та арешту людей.
17:05
And here's the tragedy:
301
1025280
2136
А ось у чому трагедія:
17:07
we're building this infrastructure of surveillance authoritarianism
302
1027440
5536
ми будуємо інфраструктуру авторитаризму, озброєного спостереженням,
17:13
merely to get people to click on ads.
303
1033000
2960
лише щоб змусити людей клікати на рекламу.
17:17
And this won't be Orwell's authoritarianism.
304
1037240
2576
Це не буде схожим на авторитарний устрій, як у Орвелла.
17:19
This isn't "1984."
305
1039839
1897
Це не "1984".
17:21
Now, if authoritarianism is using overt fear to terrorize us,
306
1041760
4576
Якщо авторитаризм буде використовувати неприкритий страх для нашого залякування,
17:26
we'll all be scared, but we'll know it,
307
1046359
2897
ми всі будемо налякані, та ми будемо це усвідомлювати,
17:29
we'll hate it and we'll resist it.
308
1049280
2200
ненавидіти і опиратися.
17:32
But if the people in power are using these algorithms
309
1052880
4416
А якщо можновладці використовують ці алгоритми
17:37
to quietly watch us,
310
1057319
3377
для негласного спостереження за нами,
17:40
to judge us and to nudge us,
311
1060720
2080
засудження та підштовхування до певних дій,
17:43
to predict and identify the troublemakers and the rebels,
312
1063720
4176
для передбачення та ідентифікації незгодних та заколотників,
17:47
to deploy persuasion architectures at scale
313
1067920
3896
розгортання масштабованих механізмів переконання
17:51
and to manipulate individuals one by one
314
1071840
4136
і маніпуляції кожним індивідуально
17:56
using their personal, individual weaknesses and vulnerabilities,
315
1076000
5440
за допомогою наших власних слабкостей та вразливих місць,
18:02
and if they're doing it at scale
316
1082720
2200
а якщо це відбувається широкомасштабно
18:06
through our private screens
317
1086080
1736
через екрани наших приватних девайсів,
18:07
so that we don't even know
318
1087840
1656
так, що ми навіть не усвідомлюємо,
18:09
what our fellow citizens and neighbors are seeing,
319
1089520
2760
що бачать наші співгромадяни та сусіди,
18:13
that authoritarianism will envelop us like a spider's web
320
1093560
4816
тоді цей авторитарний устрій схопить нас, як павутина,
18:18
and we may not even know we're in it.
321
1098400
2480
а ми цього навіть не підозрюватимемо.
18:22
So Facebook's market capitalization
322
1102440
2936
Ринкова вартість Facebook
18:25
is approaching half a trillion dollars.
323
1105400
3296
наближається до половини трильйона доларів.
18:28
It's because it works great as a persuasion architecture.
324
1108720
3120
Завдяки тому, що він має досконалу систему переконань.
18:33
But the structure of that architecture
325
1113760
2816
Та структура цієї системи не видозмінюється,
18:36
is the same whether you're selling shoes
326
1116600
3216
коли ви перестаєте продавати взуття
18:39
or whether you're selling politics.
327
1119840
2496
і починаєте продавати політику.
18:42
The algorithms do not know the difference.
328
1122360
3120
Алгоритми не бачать різниці.
18:46
The same algorithms set loose upon us
329
1126240
3296
Ці алгоритми безконтрольно атакують нас,
18:49
to make us more pliable for ads
330
1129560
3176
змушуючи легше клікати на рекламу,
18:52
are also organizing our political, personal and social information flows,
331
1132760
6736
а також організовуючи наші політичні, приватні та соціальні потоки інформації
18:59
and that's what's got to change.
332
1139520
1840
— саме це потребує змін.
19:02
Now, don't get me wrong,
333
1142240
2296
Не сприймайте мене неправильно.
19:04
we use digital platforms because they provide us with great value.
334
1144560
3680
Ми користуємося цифровими платформами, бо вони грають для нас важливу роль.
19:09
I use Facebook to keep in touch with friends and family around the world.
335
1149120
3560
Я користуюсь Facebook для спілкування з друзями та рідними по всьому світу.
19:14
I've written about how crucial social media is for social movements.
336
1154000
5776
Я писала про життєву важливість соцмереж для суспільних рухів.
19:19
I have studied how these technologies can be used
337
1159800
3016
Я вивчала шляхи застосування таких технологій
19:22
to circumvent censorship around the world.
338
1162840
2480
для обходження цензури по всьому світу.
19:27
But it's not that the people who run, you know, Facebook or Google
339
1167280
6416
Справа не у тому, що керівники Facebook чи Google
19:33
are maliciously and deliberately trying
340
1173720
2696
намагаються зі зловісним наміром
19:36
to make the country or the world more polarized
341
1176440
4456
розділити країну та світ
19:40
and encourage extremism.
342
1180920
1680
та заохочують екстремізм.
19:43
I read the many well-intentioned statements
343
1183440
3976
Я читаю багато заяв, зроблених цими людьми,
19:47
that these people put out.
344
1187440
3320
що пояснюють деякі речі благими намірами.
19:51
But it's not the intent or the statements people in technology make that matter,
345
1191600
6056
Та мають значення не їхні заяви або наміри,
19:57
it's the structures and business models they're building.
346
1197680
3560
а структури та бізнес-моделі, які вони будують.
20:02
And that's the core of the problem.
347
1202360
2096
Саме у цьому суть проблеми.
20:04
Either Facebook is a giant con of half a trillion dollars
348
1204480
4720
Або Facebook є величезним шахраєм вартістю півтрильйона доларів
20:10
and ads don't work on the site,
349
1210200
1896
і реклама на сайті не працює,
20:12
it doesn't work as a persuasion architecture,
350
1212120
2696
і він не оперує як архітектура переконання,
20:14
or its power of influence is of great concern.
351
1214840
4120
або сила його впливу є причиною для серйозного хвилювання.
20:20
It's either one or the other.
352
1220560
1776
Або одне, або інше.
20:22
It's similar for Google, too.
353
1222360
1600
З Google ситуація схожа.
20:24
So what can we do?
354
1224880
2456
Що ми можемо зробити?
20:27
This needs to change.
355
1227360
1936
Це потребує змін.
20:29
Now, I can't offer a simple recipe,
356
1229320
2576
Ні, я не можу запропонувати простий рецепт,
20:31
because we need to restructure
357
1231920
2256
тому що нам слід перебудувати
20:34
the whole way our digital technology operates.
358
1234200
3016
структуру нашого світу цифрових технологій.
20:37
Everything from the way technology is developed
359
1237240
4096
Весь шлях, починаючи з їх розробки
20:41
to the way the incentives, economic and otherwise,
360
1241360
3856
до того, як стимули, економічні чи будь-які інші,
20:45
are built into the system.
361
1245240
2280
вбудовуються в систему.
20:48
We have to face and try to deal with
362
1248480
3456
Ми маємо усвідомити та почати боротися
20:51
the lack of transparency created by the proprietary algorithms,
363
1251960
4656
з недостатньою прозорістю, що породжується запатентованими алгоритмами,
20:56
the structural challenge of machine learning's opacity,
364
1256640
3816
зі структурними проблемами, що зумовлюються
неясністю принципів роботи машинного навчання,
21:00
all this indiscriminate data that's being collected about us.
365
1260480
3400
з усією цією інформацією, що безладно збирається про нас.
21:05
We have a big task in front of us.
366
1265000
2520
Перед нами стоїть серйозне завдання.
21:08
We have to mobilize our technology,
367
1268160
2680
Нам треба мобілізувати наш технічний досвід,
21:11
our creativity
368
1271760
1576
наші творчі здібності,
21:13
and yes, our politics
369
1273360
1880
навіть наші політичні переконання,
21:16
so that we can build artificial intelligence
370
1276240
2656
для побудови штучного інтелекту,
21:18
that supports us in our human goals
371
1278920
3120
що буде супроводжувати здійснення наших людських цілей,
21:22
but that is also constrained by our human values.
372
1282800
3920
але також буде стримуватися нашими людськими цінностями.
21:27
And I understand this won't be easy.
373
1287600
2160
Я розумію, що це буде непросто.
21:30
We might not even easily agree on what those terms mean.
374
1290360
3600
Ми навіть можемо мати різні погляди на значення цих речей.
21:34
But if we take seriously
375
1294920
2400
Та якщо ми усвідомимо необхідність осмислення
21:38
how these systems that we depend on for so much operate,
376
1298240
5976
принципів роботи цих життєво важливих для нас систем,
21:44
I don't see how we can postpone this conversation anymore.
377
1304240
4120
ми не зможемо більше відкладати цей діалог.
21:49
These structures
378
1309200
2536
Ці структури відповідають
21:51
are organizing how we function
379
1311760
4096
за нашу діяльність,
21:55
and they're controlling
380
1315880
2296
контролюючи те,
21:58
what we can and we cannot do.
381
1318200
2616
що ми в змозі та не в змозі робити.
22:00
And many of these ad-financed platforms,
382
1320840
2456
І багато з цих платформ, спонсованих рекламою,
22:03
they boast that they're free.
383
1323320
1576
заявляють, що є безкоштовними.
22:04
In this context, it means that we are the product that's being sold.
384
1324920
4560
З такої точки зору зрозуміло, що ми і є тим продуктом, що продається.
22:10
We need a digital economy
385
1330840
2736
Нам потрібна цифрова економіка,
22:13
where our data and our attention
386
1333600
3496
де наші дані та наша увага не стають об'єктом продажу
22:17
is not for sale to the highest-bidding authoritarian or demagogue.
387
1337120
5080
для диктатора або демагога, який заплатить найбільшу суму.
22:23
(Applause)
388
1343160
3800
(Оплески)
22:30
So to go back to that Hollywood paraphrase,
389
1350480
3256
Повертаючись до перефразування голлівудського філософа,
22:33
we do want the prodigious potential
390
1353760
3736
ми і справді хочемо розширення можливостей
22:37
of artificial intelligence and digital technology to blossom,
391
1357520
3200
штучного інтелекту та цифрових технологій,
22:41
but for that, we must face this prodigious menace,
392
1361400
4936
та при цьому ми також маємо бути готові до великої загрози,
22:46
open-eyed and now.
393
1366360
1936
вже зараз, з широко відкритими очима.
22:48
Thank you.
394
1368320
1216
Дякую.
22:49
(Applause)
395
1369560
4640
(Оплески)
Про цей сайт

Цей сайт познайомить вас з відеороликами YouTube, корисними для вивчення англійської мови. Ви побачите уроки англійської мови, які проводять першокласні викладачі з усього світу. Двічі клацніть на англійських субтитрах, що відображаються на кожній сторінці відео, щоб відтворити відео з цієї сторінки. Субтитри прокручуються синхронно з відтворенням відео. Якщо у вас є коментарі або побажання, будь ласка, зв'яжіться з нами за допомогою цієї контактної форми.

https://forms.gle/WvT1wiN1qDtmnspy7