TEDGlobal 2013
Alessandro Acquisti: What will a future without secrets look like?
Alessandro Acquisti: A magántitok jelentősége
Filmed:
Readability: 4.8
1,423,103 views
Az elmúlt tíz évben elmosódott a határvonal a nyilvános és személyes adatok között. Alessandro Acquisti ennek jelentéséről és jelentőségéről beszél. Gondolatébresztő, kicsit kijózanító előadásában kutatások eredményeit mutatja be -- többek közt azt, hogy milyen egyszerű egy fotó alapján személyes információkat lenyomozni.
Alessandro Acquisti - Privacy economist
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
Double-click the English transcript below to play the video.
00:12
I would like to tell you a story
0
641
2354
Szeretnék elmesélni egy történetet,
00:14
connecting the notorious privacy incident
1
2995
3176
amely összekapcsolja a közismert
00:18
involving Adam and Eve,
2
6171
2769
Ádám és Éva magánjogi esetet
00:20
and the remarkable shift in the boundaries
3
8940
3446
és az elmúlt tíz évben megfigyelhető
00:24
between public and private which has occurred
4
12386
2686
nyilvánosság és magánügy közötti
00:27
in the past 10 years.
5
15072
1770
határeltolódást.
00:28
You know the incident.
6
16842
1298
Ismerik a történetet.
00:30
Adam and Eve one day in the Garden of Eden
7
18140
3330
Ádám és Éva az Édenkertben egy nap rájöttek,
00:33
realize they are naked.
8
21470
1843
hogy meztelenek.
00:35
They freak out.
9
23313
1500
Kiborultak.
00:36
And the rest is history.
10
24813
2757
A többi már történelem.
00:39
Nowadays, Adam and Eve
11
27570
2188
Manapság Ádám és Éva
00:41
would probably act differently.
12
29758
2361
valószínűleg máshogy reagálna.
00:44
[@Adam Last nite was a blast! loved dat apple LOL]
13
32119
2268
@Adam: Király volt az este! Kösz az almát LOL
00:46
[@Eve yep.. babe, know what happened to my pants tho?]
14
34387
1873
@Eve: Jaja! Nem tudod hol a gatyám?
00:48
We do reveal so much more information
15
36260
2636
Sokkal több információt osztunk meg
00:50
about ourselves online than ever before,
16
38896
3334
magunkról online, mint valaha,
00:54
and so much information about us
17
42230
1704
és sokkal több információt
00:55
is being collected by organizations.
18
43934
2224
gyűjtenek rólunk különböző szervezetek.
00:58
Now there is much to gain and benefit
19
46158
3282
Namármost, rengeteget lehet nyerni
01:01
from this massive analysis of personal information,
20
49440
2446
egy ilyen hatalmas személyi adathalmaz
01:03
or big data,
21
51886
1946
elemzéséből,
01:05
but there are also complex tradeoffs that come
22
53832
2638
de bonyolult kompromisszumokat is kötünk ám azzal,
01:08
from giving away our privacy.
23
56470
3098
hogy lemondunk a magánjogainkról.
01:11
And my story is about these tradeoffs.
24
59568
4023
Az én történetem ezekről a kompromisszumokról szól.
01:15
We start with an observation which, in my mind,
25
63591
2584
Azzal a megállapítással kezdeném, ami számomra
01:18
has become clearer and clearer in the past few years,
26
66175
3327
egyre és egyre világosabbá vált az elmúlt pár évben,
01:21
that any personal information
27
69502
2097
mégpedig hogy a személyi adatok
01:23
can become sensitive information.
28
71599
2285
érzékeny adatokká válhatnak.
01:25
Back in the year 2000, about 100 billion photos
29
73884
4125
2000-ben 100 milliárd fotó készült
01:30
were shot worldwide,
30
78009
1912
szerte a világon,
01:31
but only a minuscule proportion of them
31
79921
3065
de csak elenyésző részük
01:34
were actually uploaded online.
32
82986
1883
került fel a netre.
01:36
In 2010, only on Facebook, in a single month,
33
84869
3361
2010-ben, csak a Facebookon, egyetlen hónap alatt
01:40
2.5 billion photos were uploaded,
34
88230
3270
2,5 milliárd fotót töltenek fel,
01:43
most of them identified.
35
91500
1882
melyek nagy része beazonosított.
01:45
In the same span of time,
36
93382
1880
Ez idő alatt
01:47
computers' ability to recognize people in photos
37
95262
4870
a számítógépek arcfelismerési képessége
01:52
improved by three orders of magnitude.
38
100132
3608
három nagyságrenddel megugrott.
01:55
What happens when you combine
39
103740
1882
Mi történik, ha összeadjuk
01:57
these technologies together:
40
105622
1501
e két technológiát:
01:59
increasing availability of facial data;
41
107123
2658
az egyre több rendelkezésre álló adatot,
02:01
improving facial recognizing ability by computers;
42
109781
3648
az egyre jobb arcfelismerő képességet,
02:05
but also cloud computing,
43
113429
2182
illetve a felhő alapú számítástechnikát,
02:07
which gives anyone in this theater
44
115611
1888
ami ezen a színtéren mindenkinek
02:09
the kind of computational power
45
117499
1560
olyan számítási erőt biztosít,
02:11
which a few years ago was only the domain
46
119059
1886
ami pár éve csak a hárombetűs intézmények
02:12
of three-letter agencies;
47
120945
1782
kiváltsága volt;
02:14
and ubiquitous computing,
48
122727
1378
és a mindent elárasztó technológiát,
02:16
which allows my phone, which is not a supercomputer,
49
124105
2892
amely által még a telefonom is,
ami nem egy szuperszámítógép,
ami nem egy szuperszámítógép,
02:18
to connect to the Internet
50
126997
1671
csatlakozni tud az internethez
02:20
and do there hundreds of thousands
51
128668
2334
és ott többezer arcbemérést
02:23
of face metrics in a few seconds?
52
131002
2639
tud elvégezni másodpercek alatt?
02:25
Well, we conjecture that the result
53
133641
2628
Nos, kitalálhatjuk, hogy ennek
02:28
of this combination of technologies
54
136269
2064
a kombinációnak az eredménye
02:30
will be a radical change in our very notions
55
138333
2888
radikálisan meg fogja változtatni,
hogy hogyan gondolkodunk
hogy hogyan gondolkodunk
02:33
of privacy and anonymity.
56
141221
2257
a magánjogokról és a névtelenségről.
02:35
To test that, we did an experiment
57
143478
1993
Elvégeztünk egy kísérletet ennek igazolására
02:37
on Carnegie Mellon University campus.
58
145471
2121
a Carnegie Mellon egyetemen.
02:39
We asked students who were walking by
59
147592
2099
Arra járó hallgatókat megkértünk,
02:41
to participate in a study,
60
149691
1779
hogy vegyenek részt egy felmérésben,
02:43
and we took a shot with a webcam,
61
151470
2562
lefotóztuk őket egy webkamerával,
02:46
and we asked them to fill out a survey on a laptop.
62
154032
2782
majd egy laptopon kitöltettünk velük egy kérdőívet.
02:48
While they were filling out the survey,
63
156814
1979
Miközben adták a válaszokat,
02:50
we uploaded their shot to a cloud-computing cluster,
64
158793
2797
feltöltöttük a fotóikat a felhőbe,
02:53
and we started using a facial recognizer
65
161590
1727
majd lefuttattunk egy arcfelismerőt,
02:55
to match that shot to a database
66
163317
2405
hogy megkeresse az adott fotót
02:57
of some hundreds of thousands of images
67
165722
2393
többszázezer kép között,
03:00
which we had downloaded from Facebook profiles.
68
168115
3596
amelyeket Facebook adatlapokról töltöttünk le.
03:03
By the time the subject reached the last page
69
171711
3259
Mire a válaszadó az utolsó oldalra ért
03:06
on the survey, the page had been dynamically updated
70
174970
3347
a kérdőíven, az oldal dinamikusan frissítődött,
03:10
with the 10 best matching photos
71
178317
2313
feldobva a 10 legjobb találatot
03:12
which the recognizer had found,
72
180630
2285
amire az arcfelismerő rábukkant,
03:14
and we asked the subjects to indicate
73
182915
1738
majd megkérdeztük a tesztalanyokat,
03:16
whether he or she found themselves in the photo.
74
184653
4120
hogy megtalálják-e magukat a fotón.
03:20
Do you see the subject?
75
188773
3699
Látják a tesztalanyt?
03:24
Well, the computer did, and in fact did so
76
192472
2845
Hát a számítógép látta, tulajdonképpen
03:27
for one out of three subjects.
77
195317
2149
három esetből egyben.
03:29
So essentially, we can start from an anonymous face,
78
197466
3184
Alapvetően tehát kiindulhatunk egy névtelen arcból,
03:32
offline or online, and we can use facial recognition
79
200650
3484
offline vagy online, és arcfelismeréssel
03:36
to give a name to that anonymous face
80
204134
2360
nevet tudunk rendelni ahhoz a képhez
03:38
thanks to social media data.
81
206494
2108
a közösségi oldalaknak köszönhetően.
03:40
But a few years back, we did something else.
82
208602
1872
Pár évvel ezelőtt azonban mással próbálkoztunk.
03:42
We started from social media data,
83
210474
1823
A közösségi oldalak adatait
03:44
we combined it statistically with data
84
212297
3051
statisztikailag összekapcsoltuk
03:47
from U.S. government social security,
85
215348
2102
az amerikai társadalombiztosítási rendszerrel,
03:49
and we ended up predicting social security numbers,
86
217450
3324
és így eljutottunk a TB-számokig,
03:52
which in the United States
87
220774
1512
amik Amerikában
03:54
are extremely sensitive information.
88
222286
2040
különlegesen érzékeny információk.
03:56
Do you see where I'm going with this?
89
224326
2093
Látjátok, hova akarok kilyukadni ezzel?
03:58
So if you combine the two studies together,
90
226419
2922
Tehát ha összefésülsz két kutatást,
04:01
then the question becomes,
91
229341
1512
akkor a kérdés így hangzik:
04:02
can you start from a face and,
92
230853
2720
lehet-e egy arcképből kiindulva
04:05
using facial recognition, find a name
93
233573
2311
arcfelismeréssel megtalálni a nevet
04:07
and publicly available information
94
235884
2669
és egyéb nyilvános adatokat
04:10
about that name and that person,
95
238553
1932
arról a névről és személyről,
04:12
and from that publicly available information
96
240485
2248
és a nyilvános adatokból
04:14
infer non-publicly available information,
97
242733
2042
kikövetkeztethetünk-e személyes adatokat,
04:16
much more sensitive ones
98
244775
1606
-- sokkal titkosabbakat --
04:18
which you link back to the face?
99
246381
1492
amik az archoz kapcsolódnak?
04:19
And the answer is, yes, we can, and we did.
100
247873
1916
A válasz igen, lehet, meg is tettük.
04:21
Of course, the accuracy keeps getting worse.
101
249789
2568
A pontosság természetesen romlik.
04:24
[27% of subjects' first 5 SSN digits identified (with 4 attempts)]
102
252357
944
[4 próbálkozásból 27%-os találati
arány a TB-szám első 5 jegyére]
arány a TB-szám első 5 jegyére]
04:25
But in fact, we even decided to develop an iPhone app
103
253301
3827
Egy iPhone appot is fejlesztettünk,
04:29
which uses the phone's internal camera
104
257128
2715
amely a telefon belső kamerájával
04:31
to take a shot of a subject
105
259843
1600
fotót készít az egyénről,
04:33
and then upload it to a cloud
106
261443
1487
majd feltölti a felhőbe
04:34
and then do what I just described to you in real time:
107
262930
2662
és pontosan azt csinálja valós időben,
amit most elmeséltem:
amit most elmeséltem:
04:37
looking for a match, finding public information,
108
265592
2088
képet egyeztet, nyilvános adatot keres,
04:39
trying to infer sensitive information,
109
267680
1730
próbál személyes adatot kideríteni,
04:41
and then sending back to the phone
110
269410
2591
majd visszaküldi a telefonnak,
04:44
so that it is overlaid on the face of the subject,
111
272001
3609
ahol a célszemély arcképe felett megjelenik mindez,
04:47
an example of augmented reality,
112
275610
1901
jó példaként,
04:49
probably a creepy example of augmented reality.
113
277511
2451
ijesztő példaként, a kiterjesztett valóságra.
04:51
In fact, we didn't develop the app to make it available,
114
279962
3339
Igazából nem azért csináltuk az appot,
hogy terjesszük,
hogy terjesszük,
04:55
just as a proof of concept.
115
283301
1922
csupán hogy igazoljuk vele a koncepciót.
04:57
In fact, take these technologies
116
285223
2313
Vegyük ezeket a technológiákat,
04:59
and push them to their logical extreme.
117
287536
1837
és képzeljük el ezeknek a végleteit.
05:01
Imagine a future in which strangers around you
118
289373
2719
Képzeld el a jövőt, ahol körülötted az idegenek
05:04
will look at you through their Google Glasses
119
292092
2311
rádnéznek a Google szemüvegen keresztül,
05:06
or, one day, their contact lenses,
120
294403
2307
vagy egy nap kontaktlencsén keresztül,
05:08
and use seven or eight data points about you
121
296710
4020
és hét vagy nyolc adatpontból
05:12
to infer anything else
122
300730
2582
bármi mást kitalálnak rólad,
05:15
which may be known about you.
123
303312
2603
amit csak tudni lehet.
05:17
What will this future without secrets look like?
124
305915
4794
Milyen lesz ez a titkok nélküli jövő?
05:22
And should we care?
125
310709
1964
Érdekel ez minket?
05:24
We may like to believe
126
312673
1891
Lehet, hogy szeretjük azt hinni,
05:26
that the future with so much wealth of data
127
314564
3040
hogy az adatbőség jövőjében
05:29
would be a future with no more biases,
128
317604
2514
nem lesznek előítéletek,
05:32
but in fact, having so much information
129
320118
3583
de ilyen mennyiségű információ
05:35
doesn't mean that we will make decisions
130
323701
2191
még nem jelenti azt, hogy a döntéseink
05:37
which are more objective.
131
325892
1706
tárgyilagosabbak lesznek.
05:39
In another experiment, we presented to our subjects
132
327598
2560
Egy másik kísérletben a tesztalanyok
05:42
information about a potential job candidate.
133
330158
2246
álláskeresőkről kaptak információkat.
05:44
We included in this information some references
134
332404
3178
Ennek részeként belekerültek
05:47
to some funny, absolutely legal,
135
335582
2646
vicces, teljesen törvényes,
05:50
but perhaps slightly embarrassing information
136
338228
2465
de lehet, hogy kicsit ciki dolgok,
05:52
that the subject had posted online.
137
340693
2020
amiket az alany online megosztott.
05:54
Now interestingly, among our subjects,
138
342713
2366
Érdekes módon a tesztalanyok között is volt olyan,
05:57
some had posted comparable information,
139
345079
3083
aki hasonló információkat osztott meg,
06:00
and some had not.
140
348162
2362
és olyan is, aki nem.
06:02
Which group do you think
141
350524
1949
Mit gondoltok, melyik csoport
06:04
was more likely to judge harshly our subject?
142
352473
4552
ítélte el jobban az alanyokat?
06:09
Paradoxically, it was the group
143
357025
1957
Ellentmondásosan hangozhat, de pont az,
06:10
who had posted similar information,
144
358982
1733
amelyik hasonló információkat osztott meg --
06:12
an example of moral dissonance.
145
360715
2942
jó példa a morális disszonanciára.
06:15
Now you may be thinking,
146
363657
1750
Most talán azt gondoljátok,
06:17
this does not apply to me,
147
365407
1702
hogy ez rám nem vonatkozik,
06:19
because I have nothing to hide.
148
367109
2162
mert nincs mit takargatnom.
06:21
But in fact, privacy is not about
149
369271
2482
De a magántitok nem arról szól,
06:23
having something negative to hide.
150
371753
3676
hogy valami negatív dolgot elrejtsünk.
06:27
Imagine that you are the H.R. director
151
375429
2354
Tegyük fel, hogy HR igazgató vagy
06:29
of a certain organization, and you receive résumés,
152
377783
2947
egy bizonyos cégnél, önéletrajzokat fogadsz,
06:32
and you decide to find more information about the candidates.
153
380730
2473
és elhatározod, hogy többet akarsz
tudni a jelentkezőkről.
tudni a jelentkezőkről.
06:35
Therefore, you Google their names
154
383203
2460
Rákeresel a nevükre,
06:37
and in a certain universe,
155
385663
2240
és egy bizonyos világban
06:39
you find this information.
156
387903
2008
rábukkansz erre az információra.
06:41
Or in a parallel universe, you find this information.
157
389911
4437
Egy párhuzamos világban pedig ezt találod.
06:46
Do you think that you would be equally likely
158
394348
2717
Gondolod, hogy ugyanolyan eséllyel
06:49
to call either candidate for an interview?
159
397065
2803
hívod be mindkét jelentkezőt interjúra?
06:51
If you think so, then you are not
160
399868
2282
Ha igen, akkor nem olyan vagy,
06:54
like the U.S. employers who are, in fact,
161
402150
2582
mint az amerikai munkáltatók, akiket
06:56
part of our experiment, meaning we did exactly that.
162
404732
3307
kísérletünk részeként pontosan így teszteltünk.
07:00
We created Facebook profiles, manipulating traits,
163
408039
3182
Facebook profilokat csináltunk
a jellemzők manipulálásával,
a jellemzők manipulálásával,
07:03
then we started sending out résumés to companies in the U.S.,
164
411221
2851
majd szétküldtük az önéletrajzokat
amerikai cégeknek,
amerikai cégeknek,
07:06
and we detected, we monitored,
165
414072
1908
figyeltük, követtük
07:07
whether they were searching for our candidates,
166
415980
2393
hogy rákeresnek-e a jelentkezőkre,
07:10
and whether they were acting on the information
167
418373
1832
és hogy befolyásolja-e a döntéseiket az információ,
07:12
they found on social media. And they were.
168
420205
1938
amit a közösségi oldalakon találtak. És igen.
07:14
Discrimination was happening through social media
169
422143
2101
A közösségi oldalakon keresztül diszkriminálták
07:16
for equally skilled candidates.
170
424244
3073
a hasonló képességű jelentkezőket.
07:19
Now marketers like us to believe
171
427317
4575
A marketingesek szeretnék elhitetni velünk,
07:23
that all information about us will always
172
431892
2269
hogy ez a sok rólunk szóló adat mindig
07:26
be used in a manner which is in our favor.
173
434161
3273
ránk nézve kedvezően lesz felhasználva.
07:29
But think again. Why should that be always the case?
174
437434
3715
De gondoljunk bele. Miért lenne ez mindig igaz?
07:33
In a movie which came out a few years ago,
175
441149
2664
Pár évvel ezelőtt játszották
07:35
"Minority Report," a famous scene
176
443813
2553
a Különvéleményt, ahol az egyik híres jelenetben
07:38
had Tom Cruise walk in a mall
177
446366
2576
Tom Cruise egy plázában sétál,
07:40
and holographic personalized advertising
178
448942
3776
és személyreszabott hologram hirdetések
07:44
would appear around him.
179
452718
1835
jelennek meg körülötte.
07:46
Now, that movie is set in 2054,
180
454553
3227
Ez a film 2054-ben játszódik,
07:49
about 40 years from now,
181
457780
1642
nagyjából 40 év múlva,
07:51
and as exciting as that technology looks,
182
459422
2908
s bár izgalmasnak tűnik ez a technológia,
07:54
it already vastly underestimates
183
462330
2646
máris jóval alulbecsüli
07:56
the amount of information that organizations
184
464976
2140
azt az adatmennyiséget, amit a szervezetek
07:59
can gather about you, and how they can use it
185
467116
2483
gyűjtenek rólunk, és hogy azt hogyan használhatják
08:01
to influence you in a way that you will not even detect.
186
469599
3398
észrevehetetlen befolyásolásra.
08:04
So as an example, this is another experiment
187
472997
2103
Ismét álljon itt egy példa, egy másik kísérlet,
08:07
actually we are running, not yet completed.
188
475100
2273
ez még most is folyik, nincs még befejezve.
08:09
Imagine that an organization has access
189
477373
2319
Tegyük fel, hogy egy szervezet hozzáfér
08:11
to your list of Facebook friends,
190
479692
2056
a Facebook ismerőseink listájához
08:13
and through some kind of algorithm
191
481748
1772
és valamilyen módszerrel
08:15
they can detect the two friends that you like the most.
192
483520
3734
kitalálják, hogy melyik két barátodat
kedveled a legjobban.
kedveled a legjobban.
08:19
And then they create, in real time,
193
487254
2280
Valós időben generálnak
08:21
a facial composite of these two friends.
194
489534
2842
egy arcot a két ismerősödből.
08:24
Now studies prior to ours have shown that people
195
492376
3069
Korábbi kutatások igazolják, hogy az emberek
08:27
don't recognize any longer even themselves
196
495445
2885
nem ismerik fel saját magukat sem
08:30
in facial composites, but they react
197
498330
2462
összetett arcokon,
08:32
to those composites in a positive manner.
198
500792
2117
de pozitívan reagálnak az összemosott képekre.
08:34
So next time you are looking for a certain product,
199
502909
3415
Úgyhogy legközelebb, ha keresel egy terméket,
08:38
and there is an ad suggesting you to buy it,
200
506324
2559
és belefutsz egy reklámba,
08:40
it will not be just a standard spokesperson.
201
508883
2907
nem csak egy tipikus eladót látsz majd.
08:43
It will be one of your friends,
202
511790
2313
Hanem az egyik ismerősödet --
08:46
and you will not even know that this is happening.
203
514103
3303
és nem is fogod tudni, hogy mi folyik.
08:49
Now the problem is that
204
517406
2413
Az a gond,
08:51
the current policy mechanisms we have
205
519819
2519
hogy a jelenlegi szabályozás mellett
08:54
to protect ourselves from the abuses of personal information
206
522338
3438
a személyes adatokkal való
visszaélés ellen harcolni olyan,
visszaélés ellen harcolni olyan,
08:57
are like bringing a knife to a gunfight.
207
525776
2984
mint bicskával szállni be egy háborúba.
09:00
One of these mechanisms is transparency,
208
528760
2913
Az egyik ilyen módszer az átláthatóság,
09:03
telling people what you are going to do with their data.
209
531673
3200
tájékoztatni az embereket arról,
hogy mi történik az adataikkal.
hogy mi történik az adataikkal.
09:06
And in principle, that's a very good thing.
210
534873
2106
Elvileg ez nagyon jó dolog.
09:08
It's necessary, but it is not sufficient.
211
536979
3667
Szükséges, de nem elégséges.
09:12
Transparency can be misdirected.
212
540646
3698
Az átláthatóság félrevezető lehet.
09:16
You can tell people what you are going to do,
213
544344
2104
Megmondod az embereknek, hogy mit fogsz csinálni,
09:18
and then you still nudge them to disclose
214
546448
2232
de még egy kicsit ösztönzöd őket arra,
09:20
arbitrary amounts of personal information.
215
548680
2623
hogy további személyes adatokat adjanak ki.
09:23
So in yet another experiment, this one with students,
216
551303
2886
Egy újabb kísérletet hallgatókkal végeztünk,
09:26
we asked them to provide information
217
554189
3058
megkérdeztük őket
09:29
about their campus behavior,
218
557247
1813
a viselkedésükről az egyetemen,
09:31
including pretty sensitive questions, such as this one.
219
559060
2940
személyes kérdéseket feltéve, mint például ezt:
Puskáztál már valaha?
Puskáztál már valaha?
09:34
[Have you ever cheated in an exam?]
220
562000
621
személyes kérdéseket feltéve, mint például ezt:
Puskáztál már valaha?
Puskáztál már valaha?
09:34
Now to one group of subjects, we told them,
221
562621
2300
Az egyik csoportnak azt mondtuk,
09:36
"Only other students will see your answers."
222
564921
2841
hogy csak a többi hallgató fogja látni a válaszaikat.
09:39
To another group of subjects, we told them,
223
567762
1579
A másik csoportnak azt mondtuk,
09:41
"Students and faculty will see your answers."
224
569341
3561
hogy a többi hallgató és a tanszék is
látni fogja a válaszokat.
látni fogja a válaszokat.
09:44
Transparency. Notification. And sure enough, this worked,
225
572902
2591
Átláthatóság. Tájékoztatás. És ez bizony működött is,
09:47
in the sense that the first group of subjects
226
575493
1407
abban az értelemben, hogy az első csoport
09:48
were much more likely to disclose than the second.
227
576900
2568
sokkal hajlandóbb volt kiadni
az információt, mint a második.
az információt, mint a második.
09:51
It makes sense, right?
228
579468
1520
Logikus, nem?
09:52
But then we added the misdirection.
229
580988
1490
De ekkor egy kis megtévesztést csempésztünk bele.
09:54
We repeated the experiment with the same two groups,
230
582478
2760
Ugyanazzal a két csoporttal folytattuk a kísérletet,
09:57
this time adding a delay
231
585238
2427
immár egy kis késést iktatva aközé,
09:59
between the time we told subjects
232
587665
2935
amikor elmondtuk nekik,
10:02
how we would use their data
233
590600
2080
hogyan lesznek felhasználva az adataik,
10:04
and the time we actually started answering the questions.
234
592680
4388
és amikor elkezdtük megválaszolni a kérdéseket.
10:09
How long a delay do you think we had to add
235
597068
2561
Mit gondoltok, mekkora késleltetés kellett ahhoz,
10:11
in order to nullify the inhibitory effect
236
599629
4613
hogy teljesen elvesszen az a gátló hatás,
10:16
of knowing that faculty would see your answers?
237
604242
3411
amelyet a tanszék bevonásának tudata okozott?
10:19
Ten minutes?
238
607653
1780
Tíz perc?
10:21
Five minutes?
239
609433
1791
Öt perc?
10:23
One minute?
240
611224
1776
Egy perc?
10:25
How about 15 seconds?
241
613000
2049
Esetleg tizenöt másodperc?
10:27
Fifteen seconds were sufficient to have the two groups
242
615049
2668
Tizenöt másodperc elég volt ahhoz,
10:29
disclose the same amount of information,
243
617717
1568
hogy mindkét csoport hasonló
mennyiségű adatot osszon meg,
mennyiségű adatot osszon meg,
10:31
as if the second group now no longer cares
244
619285
2746
mintha a másodiknak nem számítana,
10:34
for faculty reading their answers.
245
622031
2656
hogy a tanszék látja-e a válaszaikat.
10:36
Now I have to admit that this talk so far
246
624687
3336
Belátom, ez az előadás eddig
10:40
may sound exceedingly gloomy,
247
628023
2480
egy kicsit lehangoló lehet,
10:42
but that is not my point.
248
630503
1721
de nem ez a lényeg.
10:44
In fact, I want to share with you the fact that
249
632224
2699
Sőt, azt szeretném elmondani nektek,
10:46
there are alternatives.
250
634923
1772
hogy vannak atlernatívák.
10:48
The way we are doing things now is not the only way
251
636695
2499
Ahogy most mennek a dolgok,
az nem az egyetlen megoldás,
az nem az egyetlen megoldás,
10:51
they can done, and certainly not the best way
252
639194
3037
és egész biztosan nem a legjobb
10:54
they can be done.
253
642231
2027
megoldás.
10:56
When someone tells you, "People don't care about privacy,"
254
644258
4171
Ha valaki azt mondja, "Senkit nem
érdekelnek a magánjogok",
érdekelnek a magánjogok",
11:00
consider whether the game has been designed
255
648429
2642
gondolj arra, hogy a játékszabályok
vannak úgy megírva,
vannak úgy megírva,
11:03
and rigged so that they cannot care about privacy,
256
651071
2724
hogy ne tudjanak foglalkozni a személyiségi jogokkal,
11:05
and coming to the realization that these manipulations occur
257
653795
3262
és ennek a befolyásolásnak a felismerése
11:09
is already halfway through the process
258
657057
1607
már önmagában fél siker afelé,
11:10
of being able to protect yourself.
259
658664
2258
hogy megvédd magad.
11:12
When someone tells you that privacy is incompatible
260
660922
3710
Ha valaki azt mondja, hogy a magánjogok
11:16
with the benefits of big data,
261
664632
1849
és a nagy mennyiségű adat nem egyeztethető össze,
11:18
consider that in the last 20 years,
262
666481
2473
gondolj arra, hogy az elmúlt 20 évben
11:20
researchers have created technologies
263
668954
1917
a fejlesztők megteremtették a lehetőséget arra,
11:22
to allow virtually any electronic transactions
264
670871
3318
hogy szinte minden elektronikus tranzakció
11:26
to take place in a more privacy-preserving manner.
265
674189
3749
a személyiségi jogok megóvásával történhessen.
11:29
We can browse the Internet anonymously.
266
677938
2555
Lehet névtelenül internetezni.
11:32
We can send emails that can only be read
267
680493
2678
Tudunk olyan emaileket küldeni,
11:35
by the intended recipient, not even the NSA.
268
683171
3709
amit csak a címzett tud
elolvasni, és még az NSA sem.
elolvasni, és még az NSA sem.
11:38
We can have even privacy-preserving data mining.
269
686880
2997
Még az adatbányászat is történhet
magánjogok megsértése nélkül.
magánjogok megsértése nélkül.
11:41
In other words, we can have the benefits of big data
270
689877
3894
Másszóval kihasználhatjuk a tömeges adatokat úgy,
11:45
while protecting privacy.
271
693771
2132
hogy közben megóvjuk a személyiségi jogokat.
11:47
Of course, these technologies imply a shifting
272
695903
3791
Természetesen ezek a technológiák
11:51
of cost and revenues
273
699694
1546
költség és bevétel eltolódást jelentenek
11:53
between data holders and data subjects,
274
701240
2107
az adattulajdonosok és alanyok között,
11:55
which is why, perhaps, you don't hear more about them.
275
703347
3453
valószínűleg ezért nem hallunk róluk.
11:58
Which brings me back to the Garden of Eden.
276
706800
3706
Ezzel vissza is térnék az Édenkerthez.
12:02
There is a second privacy interpretation
277
710506
2780
Van egy másik magánjogi értelmezése
12:05
of the story of the Garden of Eden
278
713286
1809
az Édenkert-történetnek,
12:07
which doesn't have to do with the issue
279
715095
2096
amelynek nincs köze
12:09
of Adam and Eve feeling naked
280
717191
2225
Ádám és Éva meztelenségéhez
12:11
and feeling ashamed.
281
719416
2381
és szégyenérzetéhez.
12:13
You can find echoes of this interpretation
282
721797
2781
Ennek az értelmezésnek
a visszhangjai találhatóak meg
a visszhangjai találhatóak meg
12:16
in John Milton's "Paradise Lost."
283
724578
2782
John Milton Elveszett Paradicsomában.
12:19
In the garden, Adam and Eve are materially content.
284
727360
4197
Az Édenkertben Ádám és Éva
anyagi szempontból elégedett.
anyagi szempontból elégedett.
12:23
They're happy. They are satisfied.
285
731557
2104
Boldogak. Elégedettek.
12:25
However, they also lack knowledge
286
733661
2293
Viszont nincs tudásuk
12:27
and self-awareness.
287
735954
1640
és öntudatuk.
12:29
The moment they eat the aptly named
288
737594
3319
Amint megeszik a találóan elnevezett
12:32
fruit of knowledge,
289
740913
1293
tudás gyümölcsét,
12:34
that's when they discover themselves.
290
742206
2605
rögtön magukra eszmélnek.
12:36
They become aware. They achieve autonomy.
291
744811
4031
Tudatra ébrednek. Önállóak lesznek.
12:40
The price to pay, however, is leaving the garden.
292
748842
3126
Mindennek az ára azonban a kiűzetés.
12:43
So privacy, in a way, is both the means
293
751968
3881
A magánjogok bizonyos értelemben tehát
12:47
and the price to pay for freedom.
294
755849
2962
a szabadság módját és árát jelentik.
12:50
Again, marketers tell us
295
758811
2770
Ismétlem, a marketingesek meg akarnak győzni,
12:53
that big data and social media
296
761581
3019
hogy a tömegadat és a közösségi média
12:56
are not just a paradise of profit for them,
297
764600
2979
nem csak számukra profitparadicsom,
12:59
but a Garden of Eden for the rest of us.
298
767579
2457
hanem számunkra is Édenkert.
13:02
We get free content.
299
770036
1238
Ingyen tartalmakat kapunk.
13:03
We get to play Angry Birds. We get targeted apps.
300
771274
3123
Játszhatunk az Angry Birds-zel.
Személyreszabott appokhoz jutunk.
Személyreszabott appokhoz jutunk.
13:06
But in fact, in a few years, organizations
301
774397
2897
De éveken belül a szervezetek
13:09
will know so much about us,
302
777294
1609
annyi mindent fognak tudni rólunk,
13:10
they will be able to infer our desires
303
778903
2710
hogy kitalálják a vágyainkat
13:13
before we even form them, and perhaps
304
781613
2204
még mielőtt azok bennünk megszületnének,
13:15
buy products on our behalf
305
783817
2447
és talán még vásárolnak is a nevünkben,
13:18
before we even know we need them.
306
786264
2274
még mielőtt nekünk bármire szükségünk lenne.
13:20
Now there was one English author
307
788538
3237
Volt egy angol író,
13:23
who anticipated this kind of future
308
791775
3045
aki előre látta ezt a fajta jövőt,
13:26
where we would trade away
309
794820
1405
ahol eladjuk
13:28
our autonomy and freedom for comfort.
310
796225
3548
a függetlenségünket és
szabadságunkat a kényelemért.
szabadságunkat a kényelemért.
13:31
Even more so than George Orwell,
311
799773
2161
Még George Orwellen is túlmutatva --
13:33
the author is, of course, Aldous Huxley.
312
801934
2761
az író, természetesen, Aldous Huxley.
13:36
In "Brave New World," he imagines a society
313
804695
2854
A Szép Új Világban egy olyan társadalmat ír le,
13:39
where technologies that we created
314
807549
2171
amelyben a technológiák,
13:41
originally for freedom
315
809720
1859
melyek eredetileg a szabadságot szolgálták,
13:43
end up coercing us.
316
811579
2567
végül kényszerré válnak.
13:46
However, in the book, he also offers us a way out
317
814146
4791
Könyvében azonban egy kiutat is kínál
13:50
of that society, similar to the path
318
818937
3438
ebből a társadalomból, hasonlóan ahhoz,
13:54
that Adam and Eve had to follow to leave the garden.
319
822375
3955
ahogy Ádám és Éva elhagyta a Kertet.
13:58
In the words of the Savage,
320
826330
2147
A Vadember szavaival élve,
14:00
regaining autonomy and freedom is possible,
321
828477
3069
az önállóság és szabadság visszaszerzése lehetséges,
14:03
although the price to pay is steep.
322
831546
2679
de hatalmas ára van.
14:06
So I do believe that one of the defining fights
323
834225
5715
Azt hiszem, korunk egyik meghatározó harca
14:11
of our times will be the fight
324
839940
2563
az a csata lesz,
14:14
for the control over personal information,
325
842503
2387
amelyet a személyiségi jogok
feletti hatalomért vívunk,
feletti hatalomért vívunk,
14:16
the fight over whether big data will become a force
326
844890
3507
amely eldönti, hogy a tömeges adatok
14:20
for freedom,
327
848397
1289
a szabadság
14:21
rather than a force which will hiddenly manipulate us.
328
849686
4746
vagy a rejtett manipuláció eszközei lesznek.
14:26
Right now, many of us
329
854432
2593
Jelenleg sokan
14:29
do not even know that the fight is going on,
330
857025
2753
nem is tudják, hogy folyik ez a harc,
14:31
but it is, whether you like it or not.
331
859778
2672
de folyik, ha tetszik, ha nem.
14:34
And at the risk of playing the serpent,
332
862450
2804
Lehet, hogy én leszek a kígyó,
14:37
I will tell you that the tools for the fight
333
865254
2897
de elmondom, hogy a harc eszközei
14:40
are here, the awareness of what is going on,
334
868151
3009
itt vannak: annak felismerése,
hogy mi megy a háttérben,
hogy mi megy a háttérben,
14:43
and in your hands,
335
871160
1355
a ti kezetekben van,
14:44
just a few clicks away.
336
872515
3740
csupán pár kattintásra.
14:48
Thank you.
337
876255
1482
Köszönöm.
14:49
(Applause)
338
877737
4477
(Taps)
ABOUT THE SPEAKER
Alessandro Acquisti - Privacy economistWhat motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks.
Why you should listen
Online, we humans are paradoxical: We cherish privacy, but freely disclose our personal information in certain contexts. Privacy economics offers a powerful lens to understand this paradox, and the field has been spearheaded by Alessandro Acquisti and his colleagues' analyses of how we decide what to share online and what we get in return.
His team's surprising studies on facial recognition software showed that it can connect an anonymous human face to an online name -- and then to a Facebook account -- in about 3 seconds. Other work shows how easy it can be to find a US citizen's Social Security number using basic pattern matching on public data. Work like this earned him an invitation to testify before a US Senate committee on the impact technology has on civil liberties.
Read about his work in the New York Times »
Alessandro Acquisti | Speaker | TED.com