TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Дженніфер Ґолбек: Загадка спіральної картоплі-фрі: Чому "вподобання" у соціальних мережах розповідають про вас більше, ніж ви собі гадаєте
Filmed:
Readability: 4.5
2,366,837 views
Вам смакує спіральна картопля-фрі? Ви вже вподобали її сторінку на Facebook? Подивіться цей ролик, щоб дізнатись, які цікаві речі Facebook (та інші) може дізнатися про вас на основі ваших вподобань і поширень, над якими ви не надто задумуєтесь. Дослідник у галузі комп'ютерних технологій Дженніфер Ґолбек розповідає, як це можливо, чому деякі технологічні розробки не такі вже й безневинні - і чому, на її думку, контроль над інформацією треба повернути в руки її законних власників.
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
Як ви, можливо, пам'ятаєте, перші
десять років глобальна мережа
десять років глобальна мережа
00:14
it was really a static place.
1
2735
2255
була доволі статичним місцем.
00:16
You could go online, you could look at pages,
2
4990
2245
Можна було зайти в Інтернет,
переглядати сайти,
переглядати сайти,
00:19
and they were put up either by organizations
3
7235
2513
що їх створювали або організації,
00:21
who had teams to do it
4
9748
1521
де для цього були окремі команди,
00:23
or by individuals who were really tech-savvy
5
11269
2229
або люди, справді технічно просунуті
00:25
for the time.
6
13498
1737
за тодішніми мірками.
00:27
And with the rise of social media
7
15235
1575
Та з розквітом соціальних медіа
00:28
and social networks in the early 2000s,
8
16810
2399
й соціальних мереж на початку двотисячних
00:31
the web was completely changed
9
19209
2149
Інтернет враз перетворився
00:33
to a place where now the vast majority of content
10
21358
3608
на місце, де переважну більшість контенту,
з котрим ми маємо справу, створюють
пересічні користувачі -
пересічні користувачі -
00:36
we interact with is put up by average users,
11
24966
3312
00:40
either in YouTube videos or blog posts
12
28278
2697
це відео на YouTube та дописи в блогах,
00:42
or product reviews or social media postings.
13
30975
3315
відгуки споживачів і дописи в соціальних медіа.
00:46
And it's also become a much more interactive place,
14
34290
2347
Заразом Інтернет став
значно інтерактивнішим місцем,
значно інтерактивнішим місцем,
00:48
where people are interacting with others,
15
36637
2637
де люди взаємодіють між собою,
00:51
they're commenting, they're sharing,
16
39274
1696
коментують і діляться,
00:52
they're not just reading.
17
40970
1614
а не лише читають.
00:54
So Facebook is not the only place you can do this,
18
42584
1866
Так, Facebook - не єдине місце,
де це можна робити,
де це можна робити,
00:56
but it's the biggest,
19
44450
1098
але воно найбільше,
00:57
and it serves to illustrate the numbers.
20
45548
1784
варто лишень поглянути на статистику.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Facebook має 1,2 мільярди
користувачів на місяць.
користувачів на місяць.
01:02
So half the Earth's Internet population
22
50809
1930
Тож половина жителів планети,
які мають доступ до Інтернету,
які мають доступ до Інтернету,
01:04
is using Facebook.
23
52739
1653
користуються Facebook.
01:06
They are a site, along with others,
24
54392
1932
Це один з сайтів,
01:08
that has allowed people to create an online persona
25
56324
3219
що дав змогу людям створити
собі онлайн-особистість,
собі онлайн-особистість,
01:11
with very little technical skill,
26
59543
1782
маючи мінімальні технічні навички,
01:13
and people responded by putting huge amounts
27
61325
2476
й люди зреагували, виклавши
величезні обсяги
величезні обсяги
01:15
of personal data online.
28
63801
1983
персональних даних онлайн.
01:17
So the result is that we have behavioral,
29
65784
2543
Як наслідок, ми маємо інформацію
01:20
preference, demographic data
30
68327
1986
про поведінку, вподобання,
демографічні дані
демографічні дані
01:22
for hundreds of millions of people,
31
70313
2101
сотень мільйонів людей -
01:24
which is unprecedented in history.
32
72414
2026
вперше в історії людства.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Для мене, як фахівця у галузі
комп'ютерних технологій,
комп'ютерних технологій,
01:29
I've been able to build models
34
77000
1664
це значить, що тепер я можу
створювати моделі,
створювати моделі,
01:30
that can predict all sorts of hidden attributes
35
78664
2322
що прогнозуватимуть
всілякі приховані тенденції
всілякі приховані тенденції
01:32
for all of you that you don't even know
36
80986
2284
на основі інформації,
01:35
you're sharing information about.
37
83270
2202
яку ви поширюєте.
01:37
As scientists, we use that to help
38
85472
2382
Науковці використовують ці моделі,
01:39
the way people interact online,
39
87854
2114
щоб удосконалити нашу з вами
взаємодію в мережі,
взаємодію в мережі,
01:41
but there's less altruistic applications,
40
89968
2499
але не всі мають
такі альтруїстичні наміри,
такі альтруїстичні наміри,
01:44
and there's a problem in that users don't really
41
92467
2381
до того ж, є одна проблема -
користувачі не зовсім
користувачі не зовсім
01:46
understand these techniques and how they work,
42
94848
2470
розуміють, як працюють ці технології,
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
а навіть якби розуміли,
вони все одно не мають над ними контролю.
вони все одно не мають над ними контролю.
01:52
So what I want to talk to you about today
44
100446
1490
Отож, сьогодні поговоримо
01:53
is some of these things that we're able to do,
45
101936
2702
про те, що ми можемо
робити з цими даними,
робити з цими даними,
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
а потім поміркуємо, як
01:59
to move some control back into the hands of users.
47
107401
2769
повернути частковий контроль
у руки користувачів.
у руки користувачів.
02:02
So this is Target, the company.
48
110170
1586
Ось компанія Target.
02:03
I didn't just put that logo
49
111756
1324
Я розмістила її логотип
02:05
on this poor, pregnant woman's belly.
50
113080
2170
на животі цієї бідолашної
вагітної жінки не просто так.
вагітної жінки не просто так.
02:07
You may have seen this anecdote that was printed
51
115250
1840
Можливо, ви читали історію,
02:09
in Forbes magazine where Target
52
117090
2061
надруковану в журналі Forbes, про те,
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
що Target надіслала 15-річній дівчині
02:13
with advertisements and coupons
54
121512
1710
рекламу й купони на знижку
02:15
for baby bottles and diapers and cribs
55
123222
2554
на пляшечки, підгузники й дитячі ліжечка
02:17
two weeks before she told her parents
56
125776
1684
за два тижні до того, як та
02:19
that she was pregnant.
57
127460
1864
зізналася своїм батькам,
що вона вагітна.
що вона вагітна.
02:21
Yeah, the dad was really upset.
58
129324
2704
Так, батько дуже засмутився.
02:24
He said, "How did Target figure out
59
132028
1716
Він задумався: "А як Target дізнався,
02:25
that this high school girl was pregnant
60
133744
1824
що ця школярка вагітна, ще до того,
02:27
before she told her parents?"
61
135568
1960
як вона розповіла про це своїм батькам?"
02:29
It turns out that they have the purchase history
62
137528
2621
Як виявилось, компанія збирає
історію покупок
історію покупок
02:32
for hundreds of thousands of customers
63
140149
2301
сотень тисяч своїх клієнтів
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
і вираховує так званий
"показник вагітності" -
"показник вагітності" -
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
не тільки ймовірність,
вагітна жінка чи ні,
вагітна жінка чи ні,
02:39
but what her due date is.
66
147512
1730
а й те, коли саме їй народжувати.
02:41
And they compute that
67
149242
1304
Компанія вираховує його
02:42
not by looking at the obvious things,
68
150546
1768
не лише на основі очевидних факторів,
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
наприклад, чи купує жінка
колиску чи одяг для немовляти,
колиску чи одяг для немовляти,
02:46
but things like, she bought more vitamins
70
154826
2943
а стежить за тим, чи не купила
вона, бува, більше вітамінів,
вона, бува, більше вітамінів,
02:49
than she normally had,
71
157769
1717
ніж зазвичай,
02:51
or she bought a handbag
72
159486
1464
чи, може, придбала велику сумку,
02:52
that's big enough to hold diapers.
73
160950
1711
куди вмістяться підгузники.
02:54
And by themselves, those purchases don't seem
74
162661
1910
Самі по собі ці покупки
02:56
like they might reveal a lot,
75
164571
2469
не надто інформативні,
02:59
but it's a pattern of behavior that,
76
167040
1978
але якщо взяти
модель поведінки
модель поведінки
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
в масштабі тисяч людей,
03:04
starts to actually reveal some insights.
78
172135
2757
то вималюється певна картина.
03:06
So that's the kind of thing that we do
79
174892
1793
Ми займаємось чимось подібним,
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
коли складаємо прогнози на основі
вашої поведінки в соціальних мережах.
вашої поведінки в соціальних мережах.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Ми вишуковуємо непомітні
на перший погляд моделі поведінки,
на перший погляд моделі поведінки,
03:14
when you detect them among millions of people,
82
182048
2682
які розкажуть багато чого,
03:16
lets us find out all kinds of things.
83
184730
2706
якщо виявиться, що вони властиві
мільйонам людей.
мільйонам людей.
03:19
So in my lab and with colleagues,
84
187436
1747
Ми з колегами з нашої лабораторії
03:21
we've developed mechanisms where we can
85
189183
1777
розробили механізми, що
дають нам змогу
дають нам змогу
03:22
quite accurately predict things
86
190960
1560
доволі точно прогнозувати
03:24
like your political preference,
87
192520
1725
ваші політичні вподобання,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
особисті характеристики, стать,
сексуальну орієнтацію,
сексуальну орієнтацію,
03:29
religion, age, intelligence,
89
197997
2873
релігію, вік, рівень інтелекту,
03:32
along with things like
90
200870
1394
а також те,
03:34
how much you trust the people you know
91
202264
1937
наскільки ви довіряєте
своїм знайомим,
своїм знайомим,
03:36
and how strong those relationships are.
92
204201
1804
і чи міцні ваші взаємини.
03:38
We can do all of this really well.
93
206005
1785
Нам це вдається досить добре.
03:39
And again, it doesn't come from what you might
94
207790
2197
Знову ж таки, ми не потребуємо
03:41
think of as obvious information.
95
209987
2102
так званої очевидної інформації.
03:44
So my favorite example is from this study
96
212089
2281
Мій улюблений приклад -
із дослідження,
із дослідження,
03:46
that was published this year
97
214370
1240
описаного в цьогорічному випуску
03:47
in the Proceedings of the National Academies.
98
215610
1795
журналу Національної академії наук.
03:49
If you Google this, you'll find it.
99
217405
1285
Його можна знайти в Google.
03:50
It's four pages, easy to read.
100
218690
1872
Там всього чотири сторінки.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Автори дослідження проаналізували
03:55
so just the things you like on Facebook,
102
223565
1920
вподобання людей у Facebook
03:57
and used that to predict all these attributes,
103
225485
2138
і на основі цього спрогнозували
всі перелічені мною характеристики,
всі перелічені мною характеристики,
03:59
along with some other ones.
104
227623
1645
і навіть більше.
04:01
And in their paper they listed the five likes
105
229268
2961
І в своїй статті вони перерахували
п'ять вподобань,
п'ять вподобань,
04:04
that were most indicative of high intelligence.
106
232229
2787
що найпереконливіше свідчать
про високий рівень інтелекту.
про високий рівень інтелекту.
04:07
And among those was liking a page
107
235016
2324
Серед них було вподобання
04:09
for curly fries. (Laughter)
108
237340
1905
сторінки спіральної
картоплі-фрі. (Сміх)
картоплі-фрі. (Сміх)
04:11
Curly fries are delicious,
109
239245
2093
Спіральна картопля-фрі
дуже смачна,
дуже смачна,
04:13
but liking them does not necessarily mean
110
241338
2530
але якщо ви вподобали
її сторінку, це не значить,
її сторінку, це не значить,
04:15
that you're smarter than the average person.
111
243868
2080
що ви розумніші за інших.
04:17
So how is it that one of the strongest indicators
112
245948
3207
Тож як так може бути, що
найпереконливішим показником
найпереконливішим показником
04:21
of your intelligence
113
249155
1570
рівня вашого інтелекту
04:22
is liking this page
114
250725
1447
є вподобання сторінки,
04:24
when the content is totally irrelevant
115
252172
2252
вміст якої не має аніякісінького
стосунку
стосунку
04:26
to the attribute that's being predicted?
116
254424
2527
до прогнозованої характеристики?
04:28
And it turns out that we have to look at
117
256951
1584
Виявляється, для того,
щоб зрозуміти це,
щоб зрозуміти це,
04:30
a whole bunch of underlying theories
118
258535
1618
треба взяти до уваги
04:32
to see why we're able to do this.
119
260153
2569
цілу низку теорій.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Однією з них є соціологічна теорія
під назвою гомофілія,
під назвою гомофілія,
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
згідно з якою, люди приятелюють
з тими, хто схожий на них.
з тими, хто схожий 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
Тобто якщо ви розумні, скоріш за все,
ви приятелюватимете з розумними людьми,
ви приятелюватимете з розумними 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
якщо молоді - дружитимете з молодими,
04:45
and this is well established
124
273371
1627
і так триває
04:46
for hundreds of years.
125
274998
1745
вже сотні років.
04:48
We also know a lot
126
276743
1232
Ми також чимало дізналися про те,
04:49
about how information spreads through networks.
127
277975
2550
як інформація поширюється мережею.
04:52
It turns out things like viral videos
128
280525
1754
Виявилось, що вірусні відео,
04:54
or Facebook likes or other information
129
282279
2406
вподобання на Facebook чи інша інформація
04:56
spreads in exactly the same way
130
284685
1888
поширюються точно так само,
04:58
that diseases spread through social networks.
131
286573
2454
як хвороби серед людей.
05:01
So this is something we've studied for a long time.
132
289027
1791
Ми це довгий час аналізували.
05:02
We have good models of it.
133
290818
1576
Розробили кілька моделей.
05:04
And so you can put those things together
134
292394
2157
Тому тепер можна скласти
всі чинники докупи
всі чинники докупи
05:06
and start seeing why things like this happen.
135
294551
3088
й зробити висновок, чому так є.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Якби ви запитали мене про це,
05:11
it would be that a smart guy started this page,
137
299453
3227
я б відповіла, що ту сторінку з картоплею
створив якийсь розумний хлопчина,
створив якийсь розумний хлопчина,
05:14
or maybe one of the first people who liked it
138
302680
1939
або той, хто вподобав її одним із перших,
05:16
would have scored high on that test.
139
304619
1736
має високий рівень інтелекту.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Його друзі побачили, що він
вподобав ту сторінку -
вподобав ту сторінку -
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
а теорія гомофілії каже нам,
що він має розумних приятелів -
що він має розумних приятелів -
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
і дехто з них і собі її вподобав.
05:26
and they had smart friends,
143
314821
1189
Ті люди теж мають
розумних друзів,
розумних друзів,
05:28
and so it spread to them,
144
316010
807
які також дізнались про ту сторінку,
05:28
and so it propagated through the network
145
316817
1973
і так інформація облетіла мережу,
05:30
to a host of smart people,
146
318790
2569
поширилась серед розумних людей,
05:33
so that by the end, the action
147
321359
2056
і, зрештою, сам факт уподобання
05:35
of liking the curly fries page
148
323415
2544
сторінки зі спіральною картоплею-фрі
05:37
is indicative of high intelligence,
149
325959
1615
став свідчити про
високий рівень інтелекту.
високий рівень інтелекту.
05:39
not because of the content,
150
327574
1803
Але не через зміст цієї сторінки,
05:41
but because the actual action of liking
151
329377
2522
а через те, що сама дія -
вподобання -
вподобання -
05:43
reflects back the common attributes
152
331899
1900
свідчить про спільні характеристики
05:45
of other people who have done it.
153
333799
2468
людей, які цю дію здійснили.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Звучить досить складно, правда ж?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Не так легко сісти й пояснити це
05:53
to an average user, and even if you do,
156
341363
2848
пересічному користувачеві,
та й навіть, якщо вам вдасться пояснити,
та й навіть, якщо вам вдасться пояснити,
05:56
what can the average user do about it?
157
344211
2188
чим типовий користувач зможе
тут зарадити?
тут зарадити?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Звідки ви можете знати,
що те, що ви вподобали,
що те, що ви вподобали,
06:00
that indicates a trait for you
159
348447
1492
свідчить про якусь вашу рису,
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
яка не має жодного стосунку
до змісту вподобаної вами сторінки?
до змісту вподобаної вами сторінки?
06:05
There's a lot of power that users don't have
161
353484
2546
Користувачам не під силу повністю
06:08
to control how this data is used.
162
356030
2230
контролювати те, як
використовують ці дані.
використовують ці дані.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
І мені здається, що це
дедалі більша проблема.
дедалі більша проблема.
06:13
So I think there's a couple paths
164
361372
1977
Існує кілька способів,
06:15
that we want to look at
165
363349
1001
які варто розглянути,
06:16
if we want to give users some control
166
364350
1910
якщо ми хочемо дати користувачам
частковий контроль над тим,
частковий контроль над тим,
06:18
over how this data is used,
167
366260
1740
як використовують ці дані,
06:20
because it's not always going to be used
168
368000
1940
бо це не завжди йде
06:21
for their benefit.
169
369940
1381
їм на користь.
06:23
An example I often give is that,
170
371321
1422
Я часто кажу, що
06:24
if I ever get bored being a professor,
171
372743
1646
коли мені набридне викладати,
06:26
I'm going to go start a company
172
374389
1653
я засную компанію,
06:28
that predicts all of these attributes
173
376042
1454
що прогнозуватиме
різні характеристики,
різні характеристики,
06:29
and things like how well you work in teams
174
377496
1602
і те, чи ви, наприклад, вмієте
працювати в команді,
працювати в команді,
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
чи ви наркоман, чи, може, зловживаєте
алкоголем.
алкоголем.
06:33
We know how to predict all that.
176
381769
1440
Ми знаємо, як це все прогнозувати.
06:35
And I'm going to sell reports
177
383209
1761
І тоді я розсилатиму звіти
06:36
to H.R. companies and big businesses
178
384970
2100
у кадрові агенції та великі компанії,
06:39
that want to hire you.
179
387070
2273
що хочуть найняти вас на роботу.
06:41
We totally can do that now.
180
389343
1177
Тепер ми спокійно
можемо це робити.
можемо це робити.
06:42
I could start that business tomorrow,
181
390520
1788
Я можу взятися за це
хоч завтра,
хоч завтра,
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
а ви не матимете жодного контролю
06:46
over me using your data like that.
183
394360
2138
над тим, як я використовуватиму
ці дані.
ці дані.
06:48
That seems to me to be a problem.
184
396498
2292
Як на мене, це проблема.
06:50
So one of the paths we can go down
185
398790
1910
Отож, один із способів
їй зарадити -
їй зарадити -
06:52
is the policy and law path.
186
400700
2032
ухвалити правила й закони.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
На мою думку, цей спосіб -
найефективніший,
найефективніший,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
але проблема в тому,
що тут доведеться добре попрацювати.
що тут доведеться добре попрацювати.
07:00
Observing our political process in action
189
408534
2780
Коли я спостерігаю за
нашим політичним процесом,
нашим політичним процесом,
07:03
makes me think it's highly unlikely
190
411314
2379
то щораз менше впевнена в тому,
07:05
that we're going to get a bunch of representatives
191
413693
1597
що нам вдасться залучити
десяток депутатів,
десяток депутатів,
07:07
to sit down, learn about this,
192
415290
1986
змусити їх сісти й вивчити цю тему,
07:09
and then enact sweeping changes
193
417276
2106
а потім внести кардинальні зміни
07:11
to intellectual property law in the U.S.
194
419382
2157
в закони США про інтелектуальну власність,
07:13
so users control their data.
195
421539
2461
щоб користувачі могли
контролювати особисті дані.
контролювати особисті дані.
07:16
We could go the policy route,
196
424000
1304
Можна спробувати ухвалити
якісь правила,
якісь правила,
07:17
where social media companies say,
197
425304
1479
але соціальні медіа заявлять:
07:18
you know what? You own your data.
198
426783
1402
Знаєте що? Ваші дані належать вам самим.
07:20
You have total control over how it's used.
199
428185
2489
Те, як їх буде використано,
залежить від вас.
залежить від вас.
07:22
The problem is that the revenue models
200
430674
1848
Проблема в тому, що дохід
07:24
for most social media companies
201
432522
1724
більшості соціальних медіа
залежить від розповсюдження
залежить від розповсюдження
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
чи використання користувацьких
даних у певний спосіб.
даних у певний спосіб.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Про Facebook часом кажуть, що
07:32
aren't the customer, they're the product.
204
440110
2528
користувачі - це не клієнти,
це - продукт.
це - продукт.
07:34
And so how do you get a company
205
442638
2714
Тож як змусити компанію
07:37
to cede control of their main asset
206
445352
2558
повернути контроль над
своїм найбільшим капіталом
своїм найбільшим капіталом
07:39
back to the users?
207
447910
1249
назад користувачам?
07:41
It's possible, but I don't think it's something
208
449159
1701
Це можливо, але я не думаю,
07:42
that we're going to see change quickly.
209
450860
2320
що ці зміни
найближчим часом відбудуться.
найближчим часом відбудуться.
07:45
So I think the other path
210
453180
1500
Тому вартує скористатися
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
іншим, ефективнішим, способом -
07:48
is one of more science.
212
456968
1508
звернутися до науки.
07:50
It's doing science that allowed us to develop
213
458476
2510
Саме наука дала нам змогу
07:52
all these mechanisms for computing
214
460986
1750
створити механізми аналізу
07:54
this personal data in the first place.
215
462736
2052
особистих даних.
07:56
And it's actually very similar research
216
464788
2106
І треба провести практично
07:58
that we'd have to do
217
466894
1438
таке саме дослідження,
08:00
if we want to develop mechanisms
218
468332
2386
щоб розробити механізми,
08:02
that can say to a user,
219
470718
1421
які попереджатимуть користувача:
08:04
"Here's the risk of that action you just took."
220
472139
2229
"Ваші дії - ризиковані".
08:06
By liking that Facebook page,
221
474368
2080
Вподобавши ось цю сторінку на Facebook
08:08
or by sharing this piece of personal information,
222
476448
2535
або поділившись ось цією
особистою інформацією,
особистою інформацією,
08:10
you've now improved my ability
223
478983
1502
ви підвищили мої шанси
08:12
to predict whether or not you're using drugs
224
480485
2086
успішно спрогнозувати, вживаєте
ви наркотики чи ні,
ви наркотики чи ні,
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
і чи ладнаєте ви зі своїми колегами.
08:17
And that, I think, can affect whether or not
226
485433
1848
Це впливатиме на рішення людей -
08:19
people want to share something,
227
487281
1510
поділяться вони певною інформацією,
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
зроблять її доступною лише для якогось кола людей,
чи взагалі не публікуватимуть її в Інтернеті.
чи взагалі не публікуватимуть її в Інтернеті.
08:24
We can also look at things like
229
492030
1563
Можна також дати людям змогу
08:25
allowing people to encrypt data that they upload,
230
493593
2728
шифрувати дані, які вони
завантажують в Інтернет,
завантажують в Інтернет,
08:28
so it's kind of invisible and worthless
231
496321
1855
щоб ті були невидимими
й нічого не вартими
й нічого не вартими
08:30
to sites like Facebook
232
498176
1431
для сайтів на кшталт Facebook
08:31
or third party services that access it,
233
499607
2629
чи третіх сторін.
08:34
but that select users who the person who posted it
234
502236
3247
Доступ до цих даних мали б
08:37
want to see it have access to see it.
235
505483
2670
тільки обрані нами користувачі.
08:40
This is all super exciting research
236
508153
2166
Це дослідження страшенно цікаве
08:42
from an intellectual perspective,
237
510319
1620
для науковців, тому
08:43
and so scientists are going to be willing to do it.
238
511939
1859
вони охоче ним займуться.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Отож, піти цим шляхом простіше,
ніж ухвалювати закони.
ніж ухвалювати закони.
08:49
One of the problems that people bring up
240
517408
1725
Коли я говорю на цю тему,
08:51
when I talk about this is, they say,
241
519133
1595
то часто чую зауваження:
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
але якщо люди почнуть
захищати всі свої дані,
захищати всі свої дані,
08:55
all those methods that you've been developing
243
523374
2113
то методи, які ви розробляєте,
08:57
to predict their traits are going to fail.
244
525487
2653
щоб прогнозувати їхню поведінку,
перестануть працювати.
перестануть працювати.
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Так, перестануть, і це чудово,
09:03
because as a scientist,
246
531660
1786
бо як науковець
09:05
my goal is not to infer information about users,
247
533446
3688
я не хочу вивідувати інформацію
про користувачів.
про користувачів.
09:09
it's to improve the way people interact online.
248
537134
2767
Моя мета - поліпшити взаємодію
людей в Інтернеті.
людей в Інтернеті.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Для цього часом доводиться
вивідувати якусь інформацію про них,
вивідувати якусь інформацію про них,
09:15
but if users don't want me to use that data,
250
543119
3022
але якщо користувачі не хочуть,
щоб я скористалась їхніми даними,
щоб я скористалась їхніми даними,
09:18
I think they should have the right to do that.
251
546141
2038
то вони мусять мати на це право.
09:20
I want users to be informed and consenting
252
548179
2651
Я хочу, щоб люди знали,
які програми ми розробляємо,
які програми ми розробляємо,
09:22
users of the tools that we develop.
253
550830
2112
і давали на це свою згоду.
09:24
And so I think encouraging this kind of science
254
552942
2952
І тому гадаю, що підтримка
таких наукових розробок
таких наукових розробок
09:27
and supporting researchers
255
555894
1346
і дослідників, які хочуть
09:29
who want to cede some of that control back to users
256
557240
3023
повернути контроль користувачам,
09:32
and away from the social media companies
257
560263
2311
забравши його в соціальних медіа,
09:34
means that going forward, as these tools evolve
258
562574
2671
означає крок уперед.
09:37
and advance,
259
565245
1476
А розробка й вдосконалення
таких інструментів
таких інструментів
09:38
means that we're going to have an educated
260
566721
1414
означає, що користувачі
09:40
and empowered user base,
261
568135
1694
будуть обізнані й матимуть права.
09:41
and I think all of us can agree
262
569829
1100
І думаю, зі мною всі погодяться,
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
що над цим варто працювати.
09:45
Thank you.
264
573493
2184
Дякую.
09:47
(Applause)
265
575677
3080
(Оплески)
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