数据驱动型经济中的隐私问题

如今，各大组织都在对人工智能和机器学习进行大量投资。 根据O'Reilly 的研究，85% 的受访组织正在评估 AI 或在生产中使用 AI。 其中超过一半的人认为他们的人工智能实践“成熟”。

人工智能用例遍布商业的各个方面，从 IT 到安全、从财务到营销。 分析大型数据集并发现其中的模式和关系的能力可以带来可带来竞争优势、新商业模式和更好的数字体验的见解。 这是我们踏上多用途应用分析平台之路的驱动力。 我们认为有必要提供比网络上前十大谈话者或最大带宽消费者更高价值的见解。 这些见解需要分析大量数据。

这里的关键是数据。 数据来自代码到客户的路径上的各种来源。 applications。 平台。 application服务。 基础设施。 设备。 所有这些都能够发出数据，并通过正确的解决方案将这些数据转化为商业价值。 

当然，在任何有关数据使用问题的讨论中，一个显而易见的问题就是隐私。

就我们对新冠肺炎疫情的持续应对而言，世界各国政府目前正在努力应对这一难题。 通过接触者追踪使用数据来平衡整个人群的健康福祉与个人隐私常常引起激烈的争论。

F5 全球人工智能主管 Shuman Ghosemajumder 在Dark Reading 上发表的一篇评论中探讨了这个棘手的话题。 在这篇文章中，他提出并回答了一个普遍适用于任何依赖数据的解决方案的问题：

技术如何才能以不从根本上违背我们对隐私的期望的方式提供帮助？

虽然舒曼专注于一个狭窄的用例——接触者追踪，但关于隐私的更广泛的问题是每个计划采用人工智能和数据驱动解决方案的组织都应该问的，更重要的是，回答的。