TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Дженнифер Голбек: Загадка спиральной картошки фри: Почему лайки в соцсетях говорят больше, чем вы думаете
Filmed:
Readability: 4.5
2,366,837 views
Вам нравится спиральная картошка фри? Вы ставили ей лайк в «Фэйсбук»? Посмотрите этот доклад, чтобы узнать о поразительных вещах, которые «Фэйсбук» (и другие) могут угадать о вас на основе того, что вам нравится и чем вы делитесь. Учёный в области вычислительной техники, Дженнифер Голбек объясняет, как это стало возможным, почему некоторые приложения данной технологии не такие уж и милые и почему она считает, что управление информацией следует передать в руки её законных владельцев.
Jennifer Golbeck - Computer scientist
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
Double-click the English transcript below to play the video.
00:12
If you remember that first decade of the web,
0
738
1997
Если вы помните первое десятилетие
всемирной паутины,
всемирной паутины,
00:14
it was really a static place.
1
2735
2255
это было неподвижное пространство.
00:16
You could go online, you could look at pages,
2
4990
2245
Вы могли подключиться,
вы могли просматривать страницы,
вы могли просматривать страницы,
00:19
and they were put up either by organizations
3
7235
2513
которые создавались либо организациями,
00:21
who had teams to do it
4
9748
1521
у которых были специалисты,
00:23
or by individuals who were really tech-savvy
5
11269
2229
либо пользователями,
00:25
for the time.
6
13498
1737
технически подкованными
для того времени.
для того времени.
00:27
And with the rise of social media
7
15235
1575
С появлением социальных медиа
00:28
and social networks in the early 2000s,
8
16810
2399
и социальных сетей в начале 2000-х
00:31
the web was completely changed
9
19209
2149
паутина полностью изменилась
и стала местом,
и стала местом,
00:33
to a place where now the vast majority of content
10
21358
3608
где подавляющее большинство содержимого,
00:36
we interact with is put up by average users,
11
24966
3312
с которым мы взаимодействуем,
загружено обычными пользователями,
загружено обычными пользователями,
00:40
either in YouTube videos or blog posts
12
28278
2697
например, видео в YouTube,
записи в блогах,
записи в блогах,
00:42
or product reviews or social media postings.
13
30975
3315
обзоры товаров или записи в соцсетях.
00:46
And it's also become a much more interactive place,
14
34290
2347
Также она стала
куда более интерактивной:
куда более интерактивной:
00:48
where people are interacting with others,
15
36637
2637
люди взаимодействуют друг с другом,
00:51
they're commenting, they're sharing,
16
39274
1696
они комментируют, они делятся,
00:52
they're not just reading.
17
40970
1614
а не просто читают.
00:54
So Facebook is not the only place you can do this,
18
42584
1866
«Фэйсбук» — не единственное место,
где вы можете это делать,
где вы можете это делать,
00:56
but it's the biggest,
19
44450
1098
но самое крупное
00:57
and it serves to illustrate the numbers.
20
45548
1784
и оно даёт представление о цифрах.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
«Фэйсбуком» пользуются
1,2 миллиарда человек в месяц.
1,2 миллиарда человек в месяц.
01:02
So half the Earth's Internet population
22
50809
1930
Половина Интернет-населения Земли
01:04
is using Facebook.
23
52739
1653
использует «Фэйсбук».
01:06
They are a site, along with others,
24
54392
1932
Это сайт, который, как и многие другие,
01:08
that has allowed people to create an online persona
25
56324
3219
позволяет людям создавать онлайн образ
01:11
with very little technical skill,
26
59543
1782
почти без технических знаний,
01:13
and people responded by putting huge amounts
27
61325
2476
и люди пользуются этим, размещая онлайн
01:15
of personal data online.
28
63801
1983
огромные массивы персональных данных.
01:17
So the result is that we have behavioral,
29
65784
2543
В результате у нас есть поведенческие,
01:20
preference, demographic data
30
68327
1986
демографические данные,
данные о предпочтениях
данные о предпочтениях
01:22
for hundreds of millions of people,
31
70313
2101
для сотен миллионов людей,
01:24
which is unprecedented in history.
32
72414
2026
что беспрецедентно в истории.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Как учёному
в области вычислительной техники,
в области вычислительной техники,
01:29
I've been able to build models
34
77000
1664
мне это дало возможность
построить модели,
построить модели,
01:30
that can predict all sorts of hidden attributes
35
78664
2322
которые могут предсказывать все виды
скрытых атрибутов для всех вас,
скрытых атрибутов для всех вас,
01:32
for all of you that you don't even know
36
80986
2284
информацию о которых вы раскрываете,
01:35
you're sharing information about.
37
83270
2202
даже не догадываясь об этом.
01:37
As scientists, we use that to help
38
85472
2382
Как учёные,
мы используем это, чтобы улучшить
мы используем это, чтобы улучшить
01:39
the way people interact online,
39
87854
2114
онлайн взаимодействие людей,
01:41
but there's less altruistic applications,
40
89968
2499
однако существуют менее
альтруистические приложения,
альтруистические приложения,
01:44
and there's a problem in that users don't really
41
92467
2381
и проблема в том, что пользователи
01:46
understand these techniques and how they work,
42
94848
2470
не понимают эти методики
и как они работают.
и как они работают.
01:49
and even if they did, they don't
have a lot of control over it.
have a lot of control over it.
43
97318
3128
И даже если бы понимали,
они не могут ими полностью управлять.
они не могут ими полностью управлять.
01:52
So what I want to talk to you about today
44
100446
1490
Сегодня я хочу поговорить с вами
01:53
is some of these things that we're able to do,
45
101936
2702
о некоторых из тех вещей,
что мы способны делать,
что мы способны делать,
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
и затем поделиться несколькими идеями
того, как мы могли бы
того, как мы могли бы
01:59
to move some control back into the hands of users.
47
107401
2769
передать управление частично
обратно в руки пользователей.
обратно в руки пользователей.
02:02
So this is Target, the company.
48
110170
1586
Это «Таргет», компания.
02:03
I didn't just put that logo
49
111756
1324
Я не просто так
разместила их логотип
разместила их логотип
02:05
on this poor, pregnant woman's belly.
50
113080
2170
на животе этой беременной женщины.
02:07
You may have seen this anecdote that was printed
51
115250
1840
Вы могли видеть эту забавную историю,
02:09
in Forbes magazine where Target
52
117090
2061
напечатанную в журнале «Форбс»,
когда «Таргет»
когда «Таргет»
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
отправил 15-летней девушке флаер
02:13
with advertisements and coupons
54
121512
1710
с рекламой и купонами
02:15
for baby bottles and diapers and cribs
55
123222
2554
бутылочек, подгузников
и детских кроваток
и детских кроваток
02:17
two weeks before she told her parents
56
125776
1684
за две недели до того,
как она сказала родителям
как она сказала родителям
02:19
that she was pregnant.
57
127460
1864
о своей беременности.
02:21
Yeah, the dad was really upset.
58
129324
2704
Да, папа был сильно расстроен.
02:24
He said, "How did Target figure out
59
132028
1716
Он сказал: «Как “Таргет” узнал,
02:25
that this high school girl was pregnant
60
133744
1824
что эта старшеклассница беременна
02:27
before she told her parents?"
61
135568
1960
до того, как она сказала родителям?»
02:29
It turns out that they have the purchase history
62
137528
2621
Оказывается, у них есть история покупок
02:32
for hundreds of thousands of customers
63
140149
2301
сотен тысяч потребителей,
и они рассчитывают
и они рассчитывают
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
так называемый индекс беременности,
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
который не просто показывает,
беременна женщина или нет,
беременна женщина или нет,
02:39
but what her due date is.
66
147512
1730
а когда ей предстоит рожать.
02:41
And they compute that
67
149242
1304
Они не вычисляют его,
02:42
not by looking at the obvious things,
68
150546
1768
глядя на очевидные вещи
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
типа покупки
детской кроватки или одежды.
детской кроватки или одежды.
02:46
but things like, she bought more vitamins
70
154826
2943
Они видят, что девушка купила витаминов
02:49
than she normally had,
71
157769
1717
больше, чем обычно,
02:51
or she bought a handbag
72
159486
1464
или купила сумку,
02:52
that's big enough to hold diapers.
73
160950
1711
в которую помещаются подгузники.
02:54
And by themselves, those purchases don't seem
74
162661
1910
Сами по себе эти покупки вроде бы
02:56
like they might reveal a lot,
75
164571
2469
и не говорят о многом,
02:59
but it's a pattern of behavior that,
76
167040
1978
однако существует поведенческий шаблон,
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
который можно применить в контексте
тысяч других людей,
тысяч других людей,
03:04
starts to actually reveal some insights.
78
172135
2757
и уже он начинает показывать кое-что.
03:06
So that's the kind of thing that we do
79
174892
1793
Так что же именно мы делаем,
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
когда предсказываем вещи
о вас в соцсетях.
о вас в соцсетях.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Мы ищем крошечные поведенческие шаблоны,
03:14
when you detect them among millions of people,
82
182048
2682
которые, если обнаружить их
среди миллионов людей,
среди миллионов людей,
03:16
lets us find out all kinds of things.
83
184730
2706
позволяют нам узнать буквально всё.
03:19
So in my lab and with colleagues,
84
187436
1747
В моей лаборатории мы с коллегами
03:21
we've developed mechanisms where we can
85
189183
1777
разработали механизмы,
которые позволяют нам
которые позволяют нам
03:22
quite accurately predict things
86
190960
1560
достаточно точно предсказывать
03:24
like your political preference,
87
192520
1725
ваши политические предпочтения,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
ваш индекс личности,
пол, сексуальную ориентацию,
пол, сексуальную ориентацию,
03:29
religion, age, intelligence,
89
197997
2873
религию, возраст, интеллект,
03:32
along with things like
90
200870
1394
а также
03:34
how much you trust the people you know
91
202264
1937
насколько вы доверяете людям,
которых вы знаете,
которых вы знаете,
03:36
and how strong those relationships are.
92
204201
1804
и насколько сильны эти взаимоотношения.
03:38
We can do all of this really well.
93
206005
1785
Мы можем делать всё это очень хорошо.
03:39
And again, it doesn't come from what you might
94
207790
2197
Ещё раз, это всё не возникает из данных,
03:41
think of as obvious information.
95
209987
2102
которые вы привыкли считать очевидными.
03:44
So my favorite example is from this study
96
212089
2281
Мой любимый пример можно найти в работе,
03:46
that was published this year
97
214370
1240
опубликованной в этом году
03:47
in the Proceedings of the National Academies.
98
215610
1795
в Известиях Национальных Академий.
03:49
If you Google this, you'll find it.
99
217405
1285
Если вы погуглите, то найдёте её.
03:50
It's four pages, easy to read.
100
218690
1872
Всего четыре страницы, легко читать.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Они исследовали
только лайки людей в «Фэйсбуке»,
только лайки людей в «Фэйсбуке»,
03:55
so just the things you like on Facebook,
102
223565
1920
только те вещи,
которые вам понравились в «Фэйсбуке»,
которые вам понравились в «Фэйсбуке»,
03:57
and used that to predict all these attributes,
103
225485
2138
и использовали эти данные для предсказания
всех перечисленных атрибутов,
всех перечисленных атрибутов,
03:59
along with some other ones.
104
227623
1645
а также некоторых других.
04:01
And in their paper they listed the five likes
105
229268
2961
В своей работе
они перечислили пять лайков,
они перечислили пять лайков,
04:04
that were most indicative of high intelligence.
106
232229
2787
которые больше всего служили признаком
высокого интеллекта.
высокого интеллекта.
04:07
And among those was liking a page
107
235016
2324
Одним из этих лайков была страница
04:09
for curly fries. (Laughter)
108
237340
1905
спирального картофеля фри. (Смех)
04:11
Curly fries are delicious,
109
239245
2093
Спиральный картофель фри прелестен,
04:13
but liking them does not necessarily mean
110
241338
2530
но если он вам нравится,
это ещё не означает
это ещё не означает
04:15
that you're smarter than the average person.
111
243868
2080
что вы умнее среднего.
04:17
So how is it that one of the strongest indicators
112
245948
3207
Как же так вышло,
что одним из сильнейших
что одним из сильнейших
04:21
of your intelligence
113
249155
1570
индикаторов вашего интеллекта
04:22
is liking this page
114
250725
1447
является лайк этой страницы,
04:24
when the content is totally irrelevant
115
252172
2252
в то время как её содержимое
абсолютно не соответствует
абсолютно не соответствует
04:26
to the attribute that's being predicted?
116
254424
2527
предсказываемому атрибуту?
04:28
And it turns out that we have to look at
117
256951
1584
Оказывается, необходимо рассмотреть
04:30
a whole bunch of underlying theories
118
258535
1618
целый ряд основополагающих теорий,
04:32
to see why we're able to do this.
119
260153
2569
чтобы увидеть,
почему мы можем это сделать.
почему мы можем это сделать.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Одной из них является социологическая
теория под названием гемофильность,
теория под названием гемофильность,
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
которая гласит, что люди дружат
с людьми, похожими на них.
с людьми, похожими на них.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Если вы умны, то стремитесь
дружить с умными людьми,
дружить с умными людьми,
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
если вы юны, то стремитесь
дружить с молодыми людьми,
дружить с молодыми людьми,
04:45
and this is well established
124
273371
1627
и это хорошо установлено
04:46
for hundreds of years.
125
274998
1745
на протяжении столетий.
04:48
We also know a lot
126
276743
1232
Мы также много знаем о том,
04:49
about how information spreads through networks.
127
277975
2550
как информация
распространяется по сетям.
распространяется по сетям.
04:52
It turns out things like viral videos
128
280525
1754
Оказывается, что такие вещи,
как вирусные видео
как вирусные видео
04:54
or Facebook likes or other information
129
282279
2406
или лайки в Фэйсбук,
или другая информация,
или другая информация,
04:56
spreads in exactly the same way
130
284685
1888
распространяются в точности так же,
04:58
that diseases spread through social networks.
131
286573
2454
как болезни распространяются в соцсетях.
05:01
So this is something we've studied for a long time.
132
289027
1791
Мы изучали это
на протяжении длительного времени.
на протяжении длительного времени.
05:02
We have good models of it.
133
290818
1576
У нас есть хорошие модели.
05:04
And so you can put those things together
134
292394
2157
Вы можете соединить эти вещи
05:06
and start seeing why things like this happen.
135
294551
3088
и начать видеть,
почему происходят такие штуки.
почему происходят такие штуки.
05:09
So if I were to give you a hypothesis,
136
297639
1814
В качестве гипотезы я бы предложила вам,
05:11
it would be that a smart guy started this page,
137
299453
3227
что некто умный создал эту страницу,
05:14
or maybe one of the first people who liked it
138
302680
1939
или может быть один из тех,
кому она понравилась первой,
кому она понравилась первой,
05:16
would have scored high on that test.
139
304619
1736
имел высокий интеллект.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Она понравилась им,
их друзья увидели это,
их друзья увидели это,
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
из гемофильности мы знаем, что
у него, вероятно, умные друзья.
у него, вероятно, умные друзья.
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
Это распространилось на них,
некоторым из них понравилось,
некоторым из них понравилось,
05:26
and they had smart friends,
143
314821
1189
у них тоже умные друзья.
05:28
and so it spread to them,
144
316010
807
Это распространилось на них,
05:28
and so it propagated through the network
145
316817
1973
и распространялось по сети
05:30
to a host of smart people,
146
318790
2569
массе умных людей,
05:33
so that by the end, the action
147
321359
2056
в результате чего лайк
05:35
of liking the curly fries page
148
323415
2544
страницы со спиральным картофелем фри
05:37
is indicative of high intelligence,
149
325959
1615
является индикатором
высокого интеллекта,
высокого интеллекта,
05:39
not because of the content,
150
327574
1803
не из-за содержимого,
05:41
but because the actual action of liking
151
329377
2522
но из-за того, что это действие, лайк,
05:43
reflects back the common attributes
152
331899
1900
отражает общие атрибуты
05:45
of other people who have done it.
153
333799
2468
других людей,
которые тоже совершили его.
которые тоже совершили его.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Довольно сложно, да?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Тяжело сесть и объяснить это
05:53
to an average user, and even if you do,
156
341363
2848
среднему пользователю,
и даже если это сделать,
и даже если это сделать,
05:56
what can the average user do about it?
157
344211
2188
что сможет сделать средний пользователь?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Как вы узнаете,
что вам понравилось что-то,
что вам понравилось что-то,
06:00
that indicates a trait for you
159
348447
1492
что указывает
на свойство вашей личности,
на свойство вашей личности,
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
которое совершенно не имеет отношения
к содержимому того, что вам понравилось?
к содержимому того, что вам понравилось?
06:05
There's a lot of power that users don't have
161
353484
2546
У пользователей почти нет возможности
06:08
to control how this data is used.
162
356030
2230
управлять использованием этих данных.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
Мне это видится
большой проблемой в будущем.
большой проблемой в будущем.
06:13
So I think there's a couple paths
164
361372
1977
Я думаю, есть пара решений,
06:15
that we want to look at
165
363349
1001
которые следует рассмотреть,
06:16
if we want to give users some control
166
364350
1910
если мы хотим дать пользователям
возможность частично управлять
возможность частично управлять
06:18
over how this data is used,
167
366260
1740
тем, как используются эти данные,
06:20
because it's not always going to be used
168
368000
1940
потому что не во всех случаях они будут
06:21
for their benefit.
169
369940
1381
использоваться для их выгоды.
06:23
An example I often give is that,
170
371321
1422
Я часто привожу такой пример:
06:24
if I ever get bored being a professor,
171
372743
1646
если мне когда-нибудь
надоест быть профессором,
надоест быть профессором,
06:26
I'm going to go start a company
172
374389
1653
я создам компанию,
06:28
that predicts all of these attributes
173
376042
1454
которая предсказывает все эти атрибуты
06:29
and things like how well you work in teams
174
377496
1602
и вещи типа того, насколько хорошо
вы работаете в командах,
вы работаете в командах,
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
являетесь ли вы
наркоманом или алкоголиком.
наркоманом или алкоголиком.
06:33
We know how to predict all that.
176
381769
1440
Мы знаем, как всё это предсказать.
06:35
And I'm going to sell reports
177
383209
1761
Я буду продавать отчёты
06:36
to H.R. companies and big businesses
178
384970
2100
компаниям по найму персонала
и большим корпорациям,
и большим корпорациям,
06:39
that want to hire you.
179
387070
2273
которые хотят вас нанять.
06:41
We totally can do that now.
180
389343
1177
Мы безусловно можем делать это сейчас.
06:42
I could start that business tomorrow,
181
390520
1788
Я могла бы начать этот бизнес завтра,
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
и у вас не было бы абсолютно
никакого контроля за мной
никакого контроля за мной
06:46
over me using your data like that.
183
394360
2138
в плане подобного
использования ваших данных.
использования ваших данных.
06:48
That seems to me to be a problem.
184
396498
2292
Для меня это выглядит как проблема.
06:50
So one of the paths we can go down
185
398790
1910
Одно из решений,
которое мы можем использовать,
которое мы можем использовать,
06:52
is the policy and law path.
186
400700
2032
это путь политики и закона.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
В некотором отношении, я думаю,
он был бы наиболее эффективным,
он был бы наиболее эффективным,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
но проблема в том, что мы
фактически должны сделать это.
фактически должны сделать это.
07:00
Observing our political process in action
189
408534
2780
Наблюдение за нашим
политическим процессом в действии
политическим процессом в действии
07:03
makes me think it's highly unlikely
190
411314
2379
заставляет меня думать,
что крайне маловероятно
что крайне маловероятно
07:05
that we're going to get a bunch of representatives
191
413693
1597
собрать вместе группу представителей
07:07
to sit down, learn about this,
192
415290
1986
для изучения данной проблемы
07:09
and then enact sweeping changes
193
417276
2106
и затем кардинально поменять
07:11
to intellectual property law in the U.S.
194
419382
2157
законы США
об интеллектуальной собственности,
об интеллектуальной собственности,
07:13
so users control their data.
195
421539
2461
чтобы пользователи
управляли своими данными.
управляли своими данными.
07:16
We could go the policy route,
196
424000
1304
Мы могли бы пойти путём
норм использования данных,
норм использования данных,
07:17
where social media companies say,
197
425304
1479
когда компании-владельцы соцсетей
говорят:
говорят:
07:18
you know what? You own your data.
198
426783
1402
«Знаете что? Вы владеете своими данными.
07:20
You have total control over how it's used.
199
428185
2489
У вас полный контроль
за тем, как они используются».
за тем, как они используются».
07:22
The problem is that the revenue models
200
430674
1848
Проблема в том, что модели доходов
07:24
for most social media companies
201
432522
1724
большинства этих компаний
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
основываются на совместном использовании
или эксплуатации данных пользователей.
или эксплуатации данных пользователей.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Иногда в «Фэйсбук»
говорят, что пользователи
говорят, что пользователи
07:32
aren't the customer, they're the product.
204
440110
2528
не являются потребителем,
они являются товаром.
они являются товаром.
07:34
And so how do you get a company
205
442638
2714
Как вы заставите компанию
07:37
to cede control of their main asset
206
445352
2558
передать права на их основное имущество
07:39
back to the users?
207
447910
1249
обратно пользователям?
07:41
It's possible, but I don't think it's something
208
449159
1701
Это возможно, но я не думаю, что
07:42
that we're going to see change quickly.
209
450860
2320
мы увидим это изменение быстро.
07:45
So I think the other path
210
453180
1500
Я думаю, что другой способ,
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
который мы можем использовать
и который будет более эффективным,
и который будет более эффективным,
07:48
is one of more science.
212
456968
1508
это — больше науки.
07:50
It's doing science that allowed us to develop
213
458476
2510
Во-первых,
именно занятие наукой позволило нам
именно занятие наукой позволило нам
07:52
all these mechanisms for computing
214
460986
1750
создать все эти механизмы для расчёта
07:54
this personal data in the first place.
215
462736
2052
персональных данных.
07:56
And it's actually very similar research
216
464788
2106
Очень похожие исследования
07:58
that we'd have to do
217
466894
1438
необходимо провести
08:00
if we want to develop mechanisms
218
468332
2386
для разработки механизмов,
08:02
that can say to a user,
219
470718
1421
которые могут сказать пользователю:
08:04
"Here's the risk of that action you just took."
220
472139
2229
«Вот риск от действия, которое вы
только что предприняли».
только что предприняли».
08:06
By liking that Facebook page,
221
474368
2080
Поставив лайк этой странице «Фэйсбук»,
08:08
or by sharing this piece of personal information,
222
476448
2535
раскрыв этот кусочек
персональных данных,
персональных данных,
08:10
you've now improved my ability
223
478983
1502
вы улучшили мою возможность
08:12
to predict whether or not you're using drugs
224
480485
2086
предсказать, используете ли вы наркотики
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
или насколько хорошо вы ладите
с коллегами на рабочем месте.
с коллегами на рабочем месте.
08:17
And that, I think, can affect whether or not
226
485433
1848
Это, я полагаю, может повлиять на то,
08:19
people want to share something,
227
487281
1510
захотят ли пользователи делиться чем-то,
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
скрыть от публики
или вообще не размещать в сети.
или вообще не размещать в сети.
08:24
We can also look at things like
229
492030
1563
Мы также можем
посмотреть на такие вещи, как
посмотреть на такие вещи, как
08:25
allowing people to encrypt data that they upload,
230
493593
2728
предоставление пользователям возможности
шифрования загружаемых ими данных,
шифрования загружаемых ими данных,
08:28
so it's kind of invisible and worthless
231
496321
1855
чтобы они были, своего рода, невидимыми
и бесполезными
и бесполезными
08:30
to sites like Facebook
232
498176
1431
для сайтов типа «Фэйсбук»
08:31
or third party services that access it,
233
499607
2629
или сторонних служб,
которые имеют доступ к ним,
которые имеют доступ к ним,
08:34
but that select users who the person who posted it
234
502236
3247
но чтобы при этом избранные пользователи,
которых добавил человек,
которых добавил человек,
08:37
want to see it have access to see it.
235
505483
2670
разместивший информацию,
могли её видеть.
могли её видеть.
08:40
This is all super exciting research
236
508153
2166
Это очень увлекательное исследование
08:42
from an intellectual perspective,
237
510319
1620
с интеллектуальной точки зрения,
08:43
and so scientists are going to be willing to do it.
238
511939
1859
поэтому учёные
захотят выполнить его.
захотят выполнить его.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Это даёт нам преимущество
над стороной закона.
над стороной закона.
08:49
One of the problems that people bring up
240
517408
1725
Одна из проблем,
о которой люди заявляют,
о которой люди заявляют,
08:51
when I talk about this is, they say,
241
519133
1595
когда я рассказываю об этом —
они говорят:
они говорят:
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
«Если люди начнут
прятать все эти данные,
прятать все эти данные,
08:55
all those methods that you've been developing
243
523374
2113
все эти методы,
которые вы разрабатываете
которые вы разрабатываете
08:57
to predict their traits are going to fail.
244
525487
2653
для предсказания их черт характера,
не будут работать».
не будут работать».
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Я отвечаю: «Совершенно верно,
и для меня — это успех».
и для меня — это успех».
09:03
because as a scientist,
246
531660
1786
Поскольку, как у учёного, моей целью
09:05
my goal is not to infer information about users,
247
533446
3688
не является
строить догадки о пользователях,
строить догадки о пользователях,
09:09
it's to improve the way people interact online.
248
537134
2767
а является улучшение того,
как люди взаимодействуют онлайн.
как люди взаимодействуют онлайн.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Иногда это включает в себя
построение догадок о них,
построение догадок о них,
09:15
but if users don't want me to use that data,
250
543119
3022
но если пользователи не хотят,
чтобы я использовала эти данные,
чтобы я использовала эти данные,
09:18
I think they should have the right to do that.
251
546141
2038
я думаю, у них должно быть
право отказать мне.
право отказать мне.
09:20
I want users to be informed and consenting
252
548179
2651
Я хочу, чтобы пользователи
знали и были согласны
знали и были согласны
09:22
users of the tools that we develop.
253
550830
2112
на использование инструментов,
которые мы разрабатываем.
которые мы разрабатываем.
09:24
And so I think encouraging this kind of science
254
552942
2952
Я думаю, что поощрение этого типа науки
09:27
and supporting researchers
255
555894
1346
и поддержка исследователей,
09:29
who want to cede some of that control back to users
256
557240
3023
которые хотят передать часть управления
обратно пользователям
обратно пользователям
09:32
and away from the social media companies
257
560263
2311
от компаний-владельцев соцсетей,
09:34
means that going forward, as these tools evolve
258
562574
2671
означает, что в будущем,
по мере развития
по мере развития
09:37
and advance,
259
565245
1476
и усложнения этих инструментов,
09:38
means that we're going to have an educated
260
566721
1414
у нас будут образованные
09:40
and empowered user base,
261
568135
1694
и правомочные пользователи.
09:41
and I think all of us can agree
262
569829
1100
И я думаю, что все мы согласимся,
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
что это идеальный путь в будущее.
09:45
Thank you.
264
573493
2184
Спасибо.
09:47
(Applause)
265
575677
3080
(Аплодисменты)
ABOUT THE SPEAKER
Jennifer Golbeck - Computer scientistAs the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions.
Why you should listen
Jennifer Golbeck is an associate professor in the College of Information Studies at the University of Maryland, where she also moonlights in the department of computer science. Her work invariably focuses on how to enhance and improve the way that people interact with their own information online. "I approach this from a computer science perspective and my general research hits social networks, trust, web science, artificial intelligence, and human-computer interaction," she writes.
Author of the 2013 book, Analyzing the Social Web, Golbeck likes nothing more than to immerse herself in the inner workings of the Internet tools so many millions of people use daily, to understand the implications of our choices and actions. Recently, she has also been working to bring human-computer interaction ideas to the world of security and privacy systems.
Jennifer Golbeck | Speaker | TED.com