TEDGlobal 2013
Alessandro Acquisti: What will a future without secrets look like?
Alessandro Acquisti: Dlaczego prywatność ma znaczenie
Filmed:
Readability: 4.8
1,423,103 views
Granica pomiędzy sferą publiczną i prywatną rozmyła się w ostatnich 10 latach, zarówno w internecie, jak i realnym życiu. Alessandro Acquisti tłumaczy, co to oznacza i dlaczego ta granica jest istotna. W tym prowokującym do przemyśleń, nieco przerażającym przemówieniu, dzieli się szczegółami już przeprowadzonych i bieżących badań - między innymi projektu, który pokazał, jak łatwo jest znaleźć poufne dane osobiste na temat obcej osoby na podstawie jej zdjęcia.
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
Opowiem historię,
00:14
connecting the notorious privacy incident
1
2995
3176
związaną z głośnym przypadkiem
dotyczącym prywatności
dotyczącym prywatności
00:18
involving Adam and Eve,
2
6171
2769
z Adamem i Ewą w roli głównej,
00:20
and the remarkable shift in the boundaries
3
8940
3446
i znaczącym przesunięciem granicy
00:24
between public and private which has occurred
4
12386
2686
pomiędzy sferą publiczną i prywatną
00:27
in the past 10 years.
5
15072
1770
w ciągu ostatnich 10 lat.
00:28
You know the incident.
6
16842
1298
Znacie tę historię.
00:30
Adam and Eve one day in the Garden of Eden
7
18140
3330
Pewnego dnia w raju, Adam i Ewa
00:33
realize they are naked.
8
21470
1843
spostrzegli, że są nadzy.
00:35
They freak out.
9
23313
1500
Spanikowali.
00:36
And the rest is history.
10
24813
2757
Reszta jest historią.
00:39
Nowadays, Adam and Eve
11
27570
2188
Obecnie, Adam i Ewa
00:41
would probably act differently.
12
29758
2361
pewnie zachowaliby się inaczej.
00:44
[@Adam Last nite was a blast! loved dat apple LOL]
13
32119
2268
[@Adam Super ubaw wczoraj! jabłko ekstra LOL]
00:46
[@Eve yep.. babe, know what happened to my pants tho?]
14
34387
1873
[@Ewa no... kotku, wiesz co się stało z moimi spodniami?]
00:48
We do reveal so much more information
15
36260
2636
Ujawniamy w internecie znacznie więcej informacji
00:50
about ourselves online than ever before,
16
38896
3334
niż kiedyś,
00:54
and so much information about us
17
42230
1704
a organizacje zbierają o nas
00:55
is being collected by organizations.
18
43934
2224
coraz więcej danych.
00:58
Now there is much to gain and benefit
19
46158
3282
Można wiele skorzystać
01:01
from this massive analysis of personal information,
20
49440
2446
z masowej analizy informacji osobistych
01:03
or big data,
21
51886
1946
i dużej ilości danych,
01:05
but there are also complex tradeoffs that come
22
53832
2638
lecz oddawanie prywatności
01:08
from giving away our privacy.
23
56470
3098
odbywa się kosztem złożonych kompromisów.
01:11
And my story is about these tradeoffs.
24
59568
4023
O tym jest ta historia.
01:15
We start with an observation which, in my mind,
25
63591
2584
Zacznijmy od pewnej obserwacji, która dla mnie
01:18
has become clearer and clearer in the past few years,
26
66175
3327
stawała się coraz wyraźniejsza w ostatnich latach.
01:21
that any personal information
27
69502
2097
Każdy rodzaj danych osobowych
01:23
can become sensitive information.
28
71599
2285
może stać się informacją wrażliwą.
01:25
Back in the year 2000, about 100 billion photos
29
73884
4125
W roku 2000 wykonano na całym świecie
01:30
were shot worldwide,
30
78009
1912
około 100 miliardów zdjęć,
01:31
but only a minuscule proportion of them
31
79921
3065
ale tylko minimalny ich procent
01:34
were actually uploaded online.
32
82986
1883
znalazł się w Internecie.
01:36
In 2010, only on Facebook, in a single month,
33
84869
3361
W roku 2010 tylko na Facebooku, w ciągu miesiąca,
01:40
2.5 billion photos were uploaded,
34
88230
3270
umieszczono 2,5 miliarda zdjęć,
01:43
most of them identified.
35
91500
1882
w większości opisanych.
01:45
In the same span of time,
36
93382
1880
W tym samym przedziale czasu
01:47
computers' ability to recognize people in photos
37
95262
4870
zdolność komputerów do rozpoznania fotografii ludzi
01:52
improved by three orders of magnitude.
38
100132
3608
poprawiła się o trzy rzędy wielkości.
01:55
What happens when you combine
39
103740
1882
Co się dzieje
01:57
these technologies together:
40
105622
1501
po połączeniu tych technologii:
01:59
increasing availability of facial data;
41
107123
2658
wzrasta dostępność do zdjęć twarzy,
02:01
improving facial recognizing ability by computers;
42
109781
3648
poprawia się zdolność komputerów do ich rozpoznania
02:05
but also cloud computing,
43
113429
2182
a chmury obliczeniowe,
02:07
which gives anyone in this theater
44
115611
1888
dają każdemu użytkownikowi
02:09
the kind of computational power
45
117499
1560
moc obliczeniową,
02:11
which a few years ago was only the domain
46
119059
1886
która jeszcze kilka lat temu
02:12
of three-letter agencies;
47
120945
1782
była domeną tylko trzyliterowych agencji,
02:14
and ubiquitous computing,
48
122727
1378
plus wszechobecne obliczenia,
02:16
which allows my phone, which is not a supercomputer,
49
124105
2892
pozwalające mojemu telefonowi, który nie jest superkomputerem,
02:18
to connect to the Internet
50
126997
1671
na połączenie z Internetem
02:20
and do there hundreds of thousands
51
128668
2334
i zebranie setek tysięcy danych
02:23
of face metrics in a few seconds?
52
131002
2639
o twarzach w ciągu sekund?
02:25
Well, we conjecture that the result
53
133641
2628
Podejrzewamy,
02:28
of this combination of technologies
54
136269
2064
że połączenie tych technologii
02:30
will be a radical change in our very notions
55
138333
2888
spowoduje znaczącą zmianę
02:33
of privacy and anonymity.
56
141221
2257
w postrzeganiu prywatności i anonimowości.
02:35
To test that, we did an experiment
57
143478
1993
By to sprawdzić, przeprowadziliśmy eksperyment
02:37
on Carnegie Mellon University campus.
58
145471
2121
na kampusie Carnegie Mellon University.
02:39
We asked students who were walking by
59
147592
2099
Poprosiliśmy przechodzących studentów
02:41
to participate in a study,
60
149691
1779
o udziału w badaniu.
02:43
and we took a shot with a webcam,
61
151470
2562
Zrobiliśmy im zdjęcia kamerą internetową,
02:46
and we asked them to fill out a survey on a laptop.
62
154032
2782
i poprosiliśmy o wypełnienie ankiety na laptopie.
02:48
While they were filling out the survey,
63
156814
1979
W międzyczasie
02:50
we uploaded their shot to a cloud-computing cluster,
64
158793
2797
przesłaliśmy ich zdjęcia na klaster chmur obliczeniowych
02:53
and we started using a facial recognizer
65
161590
1727
i przy użyciu rozpoznawania twarzy
02:55
to match that shot to a database
66
163317
2405
zaczęliśmy szukać dopasowań
02:57
of some hundreds of thousands of images
67
165722
2393
wśród setek tysięcy zdjęć
03:00
which we had downloaded from Facebook profiles.
68
168115
3596
ściągniętych z profili na Facebooku.
03:03
By the time the subject reached the last page
69
171711
3259
Zanim badany dotarł do ostatniej strony ankiety,
03:06
on the survey, the page had been dynamically updated
70
174970
3347
ona już zawierała
03:10
with the 10 best matching photos
71
178317
2313
10 najbardziej pasujących zdjęć,
03:12
which the recognizer had found,
72
180630
2285
które znalazł identyfikator.
03:14
and we asked the subjects to indicate
73
182915
1738
Poprosiliśmy badanych
03:16
whether he or she found themselves in the photo.
74
184653
4120
o stwierdzenie,czy odnaleźli się na tych zdjęciach.
03:20
Do you see the subject?
75
188773
3699
Widzicie badanego?
03:24
Well, the computer did, and in fact did so
76
192472
2845
Komputer go zobaczył,
03:27
for one out of three subjects.
77
195317
2149
i było tak dla jednej trzeciej badanych.
03:29
So essentially, we can start from an anonymous face,
78
197466
3184
A więc możemy zacząć od anonimowej twarzy,
03:32
offline or online, and we can use facial recognition
79
200650
3484
offline, czy online, użyć identyfikacji twarzy,
03:36
to give a name to that anonymous face
80
204134
2360
aby dzięki danym z mediów społecznościowych
03:38
thanks to social media data.
81
206494
2108
nadać jej imię.
03:40
But a few years back, we did something else.
82
208602
1872
Kilka lat temu zrobiliśmy coś innego.
03:42
We started from social media data,
83
210474
1823
Zaczęliśmy od danych z portali społecznościowych,
03:44
we combined it statistically with data
84
212297
3051
które połączyliśmy zależnościami statystycznymi
03:47
from U.S. government social security,
85
215348
2102
z danymi z amerykańskiego rządowego systemu ubezpieczeń społecznych.
03:49
and we ended up predicting social security numbers,
86
217450
3324
Udało nam się przewidzieć numery ubezpieczeń społecznych,
03:52
which in the United States
87
220774
1512
które w USA
03:54
are extremely sensitive information.
88
222286
2040
są niezwykle wrażliwymi danymi.
03:56
Do you see where I'm going with this?
89
224326
2093
Rozumiecie, dokąd zmierzam?
03:58
So if you combine the two studies together,
90
226419
2922
Jeśli połączymy te dwa badania,
04:01
then the question becomes,
91
229341
1512
powstaje pytanie,
04:02
can you start from a face and,
92
230853
2720
czy można zacząć od twarzy,
04:05
using facial recognition, find a name
93
233573
2311
i używając identyfikatora twarzy,
04:07
and publicly available information
94
235884
2669
znaleźć imię i informacje publicznie dostępne
04:10
about that name and that person,
95
238553
1932
na temat danej osoby,
04:12
and from that publicly available information
96
240485
2248
a potem, używając tych informacji,
04:14
infer non-publicly available information,
97
242733
2042
dotrzeć do danych publicznie niedostępnych,
04:16
much more sensitive ones
98
244775
1606
które są
04:18
which you link back to the face?
99
246381
1492
znacznie bardziej wrażliwe?
04:19
And the answer is, yes, we can, and we did.
100
247873
1916
Odpowiedź brzmi: tak i to właśnie zrobiliśmy.
04:21
Of course, the accuracy keeps getting worse.
101
249789
2568
Oczywiście przy kolejnych dopasowaniach spada dokładność.
04:24
[27% of subjects' first 5 SSN digits identified (with 4 attempts)]
102
252357
944
[zidentyfikowano 5 pierwszych cyfr numeru ubezpieczenia w 27% (po 4 próbach)]
04:25
But in fact, we even decided to develop an iPhone app
103
253301
3827
Stworzyliśmy aplikację na iPhone'a,
04:29
which uses the phone's internal camera
104
257128
2715
która wykorzystuje wbudowaną kamerę
04:31
to take a shot of a subject
105
259843
1600
do zrobienia zdjęcia obiektu,
04:33
and then upload it to a cloud
106
261443
1487
a potem wysyła je do chmury
04:34
and then do what I just described to you in real time:
107
262930
2662
i robi opisywane rzeczy w czasie rzeczywistym:
04:37
looking for a match, finding public information,
108
265592
2088
dopasowuje, wyszukuje dane publiczne,
04:39
trying to infer sensitive information,
109
267680
1730
próbuje pozyskać poufne dane,
04:41
and then sending back to the phone
110
269410
2591
a potem przesyła je z powrotem
04:44
so that it is overlaid on the face of the subject,
111
272001
3609
i nakłada na twarz obiektu,
04:47
an example of augmented reality,
112
275610
1901
dając, pewnie trochę przerażający,
04:49
probably a creepy example of augmented reality.
113
277511
2451
przykład rzeczywistości rozszerzonej.
04:51
In fact, we didn't develop the app to make it available,
114
279962
3339
Ta aplikacja nie powstała do użytku publicznego,
04:55
just as a proof of concept.
115
283301
1922
tylko żeby udowodnić, że to możliwe.
04:57
In fact, take these technologies
116
285223
2313
Spójrzmy na te technologie
04:59
and push them to their logical extreme.
117
287536
1837
i wyobraźmy sobie ich ekstremalne zastosowania.
05:01
Imagine a future in which strangers around you
118
289373
2719
Wyobraźmy sobie przyszłość,
05:04
will look at you through their Google Glasses
119
292092
2311
w której obcy ludzie patrzą na nas przez Google Glass,
05:06
or, one day, their contact lenses,
120
294403
2307
a kiedyś, przez soczewki kontaktowe,
05:08
and use seven or eight data points about you
121
296710
4020
i używając siedmiu czy ośmiu informacji
05:12
to infer anything else
122
300730
2582
docierają do wszelkich innych
05:15
which may be known about you.
123
303312
2603
dostępnych o nas danych.
05:17
What will this future without secrets look like?
124
305915
4794
Jak będzie wyglądać przyszłość bez tajemnic?
05:22
And should we care?
125
310709
1964
I czy powinno nas to obchodzić?
05:24
We may like to believe
126
312673
1891
Możemy chcieć wierzyć,
05:26
that the future with so much wealth of data
127
314564
3040
że przyszłość z taką ilością dostępnych danych
05:29
would be a future with no more biases,
128
317604
2514
będzie pozbawiona zniekształceń,
05:32
but in fact, having so much information
129
320118
3583
ale w zasadzie
05:35
doesn't mean that we will make decisions
130
323701
2191
posiadanie tak wielu danych nie oznacza,
05:37
which are more objective.
131
325892
1706
że nasze decyzje będą bardziej obiektywne.
05:39
In another experiment, we presented to our subjects
132
327598
2560
W kolejnym eksperymencie dostarczyliśmy badanym
05:42
information about a potential job candidate.
133
330158
2246
dane o potencjalnym kandydacie do pracy.
05:44
We included in this information some references
134
332404
3178
Były tam wzmianki
05:47
to some funny, absolutely legal,
135
335582
2646
o pewnych zabawnych, całkowicie legalnych,
05:50
but perhaps slightly embarrassing information
136
338228
2465
ale trochę żenujących sprawach,
05:52
that the subject had posted online.
137
340693
2020
które kandydat umieścił w Internecie.
05:54
Now interestingly, among our subjects,
138
342713
2366
Co ciekawe,
05:57
some had posted comparable information,
139
345079
3083
niektórzy z naszych badanych
06:00
and some had not.
140
348162
2362
zamieszczali podobne informacje, a niektórzy nie.
06:02
Which group do you think
141
350524
1949
Jak myślicie,
06:04
was more likely to judge harshly our subject?
142
352473
4552
która grupa była bardziej surowa w ocenie?
06:09
Paradoxically, it was the group
143
357025
1957
Paradoksalnie, to ci,
06:10
who had posted similar information,
144
358982
1733
którzy umieszczali w sieci podobne informacje.
06:12
an example of moral dissonance.
145
360715
2942
To przykład dysonansu moralnego.
06:15
Now you may be thinking,
146
363657
1750
Możecie myśleć,
06:17
this does not apply to me,
147
365407
1702
że was to nie dotyczy,
06:19
because I have nothing to hide.
148
367109
2162
bo nie macie nic do ukrycia.
06:21
But in fact, privacy is not about
149
369271
2482
Ale faktycznie, w prywatności nie chodzi o to,
06:23
having something negative to hide.
150
371753
3676
że mamy coś negatywnego do ukrycia.
06:27
Imagine that you are the H.R. director
151
375429
2354
Wyobraźcie sobie, że jesteście dyrektorami personalnymi
06:29
of a certain organization, and you receive résumés,
152
377783
2947
w pewnej organizacji i dostajecie CV.
06:32
and you decide to find more information about the candidates.
153
380730
2473
Postanawiacie dowiedzieć się więcej o kandydatach.
06:35
Therefore, you Google their names
154
383203
2460
Szukacie ich w Google,
06:37
and in a certain universe,
155
385663
2240
i w jednym przypadku
06:39
you find this information.
156
387903
2008
znajdujecie określoną informację.
06:41
Or in a parallel universe, you find this information.
157
389911
4437
A drugim, inną informację.
06:46
Do you think that you would be equally likely
158
394348
2717
Sądzicie, że bylibyście tak samo skłonni
06:49
to call either candidate for an interview?
159
397065
2803
zaprosić każdego z kandydatów na rozmowę?
06:51
If you think so, then you are not
160
399868
2282
Jeśli tak, to nie jesteście podobni
06:54
like the U.S. employers who are, in fact,
161
402150
2582
do amerykańskich pracodawców,
06:56
part of our experiment, meaning we did exactly that.
162
404732
3307
którzy uczestniczyli w naszym badaniu.
07:00
We created Facebook profiles, manipulating traits,
163
408039
3182
Stworzyliśmy profile na Facebooku, manipulując cechami,
07:03
then we started sending out résumés to companies in the U.S.,
164
411221
2851
a potem porozsyłaliśmy CV do amerykańskich firm.
07:06
and we detected, we monitored,
165
414072
1908
Obserwowaliśmy
07:07
whether they were searching for our candidates,
166
415980
2393
czy szukają naszych kandydatów,
07:10
and whether they were acting on the information
167
418373
1832
i czy wykorzystują informacje,
07:12
they found on social media. And they were.
168
420205
1938
z portali społecznościowych. I wykorzystywali.
07:14
Discrimination was happening through social media
169
422143
2101
Dla tak samo wykwalifikowanych kandydatów
07:16
for equally skilled candidates.
170
424244
3073
media te powodowały dyskryminację.
07:19
Now marketers like us to believe
171
427317
4575
Marketingowcy chcą nas przekonać,
07:23
that all information about us will always
172
431892
2269
że każda informacja o nas
07:26
be used in a manner which is in our favor.
173
434161
3273
zawsze będzie wykorzystana na naszą korzyść.
07:29
But think again. Why should that be always the case?
174
437434
3715
Ale zastanówcie się. Dlaczego miałoby tak być?
07:33
In a movie which came out a few years ago,
175
441149
2664
W filmie sprzed kilku lat
07:35
"Minority Report," a famous scene
176
443813
2553
"Raport Mniejszości", w słynnej scenie
07:38
had Tom Cruise walk in a mall
177
446366
2576
Tom Cruise idzie przez centrum handlowe,
07:40
and holographic personalized advertising
178
448942
3776
a obok niego pojawia się
07:44
would appear around him.
179
452718
1835
hologram ze spersonalizowaną reklamą.
07:46
Now, that movie is set in 2054,
180
454553
3227
Akcja filmu dzieje się w 2054 roku,
07:49
about 40 years from now,
181
457780
1642
za jakieś 40 lat,
07:51
and as exciting as that technology looks,
182
459422
2908
i jakkolwiek ekscytująco wygląda ta technologia,
07:54
it already vastly underestimates
183
462330
2646
to już znacznie nie docenia
07:56
the amount of information that organizations
184
464976
2140
ilości informacji, które organizacje
07:59
can gather about you, and how they can use it
185
467116
2483
są w stanie o nas zebrać,
08:01
to influence you in a way that you will not even detect.
186
469599
3398
i jak niezauważalnie mogą na nas wpływać.
08:04
So as an example, this is another experiment
187
472997
2103
I kolejne badanie,
08:07
actually we are running, not yet completed.
188
475100
2273
jeszcze nie jest skończone.
08:09
Imagine that an organization has access
189
477373
2319
Wyobraźcie sobie, że organizacja ma dostęp
08:11
to your list of Facebook friends,
190
479692
2056
do listy waszych przyjaciół na Facebooku,
08:13
and through some kind of algorithm
191
481748
1772
i dzięki jakiemuś algorytmowi
08:15
they can detect the two friends that you like the most.
192
483520
3734
potrafi stwierdzić, których dwóch lubicie najbardziej.
08:19
And then they create, in real time,
193
487254
2280
Potrafi w czasie rzeczywistym
08:21
a facial composite of these two friends.
194
489534
2842
stworzyć połączenie twarzy tych osób.
08:24
Now studies prior to ours have shown that people
195
492376
3069
Poprzednie badania wskazują,
08:27
don't recognize any longer even themselves
196
495445
2885
że w przypadku kombinacji rysów twarzy,
08:30
in facial composites, but they react
197
498330
2462
ludzie nie rozpoznają nawet siebie,
08:32
to those composites in a positive manner.
198
500792
2117
ale reagują w pozytywny sposób.
08:34
So next time you are looking for a certain product,
199
502909
3415
Zatem następnym razem, poszukując jakiegoś produktu,
08:38
and there is an ad suggesting you to buy it,
200
506324
2559
zobaczycie reklamę, w której nie wystąpi
08:40
it will not be just a standard spokesperson.
201
508883
2907
zwykły aktor,
08:43
It will be one of your friends,
202
511790
2313
ale jeden z waszych przyjaciół,
08:46
and you will not even know that this is happening.
203
514103
3303
a wy nawet nie będziecie tego świadomi.
08:49
Now the problem is that
204
517406
2413
Problem w tym,
08:51
the current policy mechanisms we have
205
519819
2519
że obecne mechanizmy
08:54
to protect ourselves from the abuses of personal information
206
522338
3438
chroniące przed nadużyciami danych osobowych,
08:57
are like bringing a knife to a gunfight.
207
525776
2984
są jak przyniesienie noża na strzelaninę.
09:00
One of these mechanisms is transparency,
208
528760
2913
Jednym z nich jest przejrzystość,
09:03
telling people what you are going to do with their data.
209
531673
3200
nakazująca informowanie ludzi, co zrobisz z ich danymi.
09:06
And in principle, that's a very good thing.
210
534873
2106
W teorii to dobra rzecz.
09:08
It's necessary, but it is not sufficient.
211
536979
3667
Potrzebna, ale niewystarczająca.
09:12
Transparency can be misdirected.
212
540646
3698
Przejrzystość można przeinaczyć.
09:16
You can tell people what you are going to do,
213
544344
2104
Możesz powiedzieć, co chcesz zrobić,
09:18
and then you still nudge them to disclose
214
546448
2232
a potem nadal przekonywać ich
09:20
arbitrary amounts of personal information.
215
548680
2623
do ujawnienia kolejnych prywatnych danych.
09:23
So in yet another experiment, this one with students,
216
551303
2886
W innym eksperymencie poproszono studentów
09:26
we asked them to provide information
217
554189
3058
o dostarczenie informacji
09:29
about their campus behavior,
218
557247
1813
na temat ich zachowań studenckich,
09:31
including pretty sensitive questions, such as this one.
219
559060
2940
między innymi dość wrażliwych kwestii, na przykład:
09:34
[Have you ever cheated in an exam?]
220
562000
621
["Czy kiedyś ściągałeś na egzaminie?"]
09:34
Now to one group of subjects, we told them,
221
562621
2300
Jednej grupie powiedzieliśmy:
09:36
"Only other students will see your answers."
222
564921
2841
"Tylko inni studenci zobaczą wasze odpowiedzi".
09:39
To another group of subjects, we told them,
223
567762
1579
Drugiej zaś:
09:41
"Students and faculty will see your answers."
224
569341
3561
"Wasze odpowiedzi zobaczą studenci i wykładowcy".
09:44
Transparency. Notification. And sure enough, this worked,
225
572902
2591
Przejrzystość. Powiadomienie. I zadziałało.
09:47
in the sense that the first group of subjects
226
575493
1407
Pierwsza grupa badanych
09:48
were much more likely to disclose than the second.
227
576900
2568
znacznie chętniej ujawniała informacje.
09:51
It makes sense, right?
228
579468
1520
Ma to sens, prawda?
09:52
But then we added the misdirection.
229
580988
1490
Potem odwróciliśmy kota ogonem.
09:54
We repeated the experiment with the same two groups,
230
582478
2760
Powtórzyliśmy eksperyment z tymi samymi grupami,
09:57
this time adding a delay
231
585238
2427
tym razem robiąc przerwę
09:59
between the time we told subjects
232
587665
2935
pomiędzy informacją,
10:02
how we would use their data
233
590600
2080
jak wykorzystamy dane,
10:04
and the time we actually started answering the questions.
234
592680
4388
a faktycznym czasem odpowiadania na pytania.
10:09
How long a delay do you think we had to add
235
597068
2561
Jak długa musiała być przerwa,
10:11
in order to nullify the inhibitory effect
236
599629
4613
by usunąć zahamowania
10:16
of knowing that faculty would see your answers?
237
604242
3411
powstałe z wiedzy o pokazaniu odpowiedzi wykładowcom?
10:19
Ten minutes?
238
607653
1780
Dziesięć minut?
10:21
Five minutes?
239
609433
1791
Pięć?
10:23
One minute?
240
611224
1776
Jedną minutę?
10:25
How about 15 seconds?
241
613000
2049
Może 15 sekund?
10:27
Fifteen seconds were sufficient to have the two groups
242
615049
2668
Wystarczyło 15 sekund,
10:29
disclose the same amount of information,
243
617717
1568
żeby obie grupy ujawniły tyle samo informacji,
10:31
as if the second group now no longer cares
244
619285
2746
tak jakby drugiej grupy już nie obchodziło,
10:34
for faculty reading their answers.
245
622031
2656
że wykładowcy zobaczą ich odpowiedzi.
10:36
Now I have to admit that this talk so far
246
624687
3336
Muszę przyznać, że na razie moje wystąpienie
10:40
may sound exceedingly gloomy,
247
628023
2480
brzmi strasznie przygnębiająco,
10:42
but that is not my point.
248
630503
1721
a nie o to mi chodzi.
10:44
In fact, I want to share with you the fact that
249
632224
2699
Naprawdę chcę powiedzieć,
10:46
there are alternatives.
250
634923
1772
że są inne rozwiązania.
10:48
The way we are doing things now is not the only way
251
636695
2499
Sposób, w jaki działamy teraz,
10:51
they can done, and certainly not the best way
252
639194
3037
to nie jedyna możliwość,
10:54
they can be done.
253
642231
2027
a na pewno nie najlepsza.
10:56
When someone tells you, "People don't care about privacy,"
254
644258
4171
Kiedy ktoś wam mówi: "Ludzi nie obchodzi prywatność",
11:00
consider whether the game has been designed
255
648429
2642
zastanówcie się, czy nie zaprojektowano tego tak,
11:03
and rigged so that they cannot care about privacy,
256
651071
2724
by nie byli w stanie o tym pomyśleć.
11:05
and coming to the realization that these manipulations occur
257
653795
3262
Zrozumienie takiej manipulacji
11:09
is already halfway through the process
258
657057
1607
to połowa drogi
11:10
of being able to protect yourself.
259
658664
2258
do ochrony siebie.
11:12
When someone tells you that privacy is incompatible
260
660922
3710
Kiedy mówią wam, że prywatność nie idzie w parze
11:16
with the benefits of big data,
261
664632
1849
z korzyściami, które dają wielkie zbiory danych,
11:18
consider that in the last 20 years,
262
666481
2473
pomyślcie, że za 20 lat
11:20
researchers have created technologies
263
668954
1917
badacze stworzą technologie,
11:22
to allow virtually any electronic transactions
264
670871
3318
które pozwolą dokonywać transakcji elektronicznych
11:26
to take place in a more privacy-preserving manner.
265
674189
3749
w sposób bardziej chroniący prywatność.
11:29
We can browse the Internet anonymously.
266
677938
2555
Możemy anonimowo przeglądać internet.
11:32
We can send emails that can only be read
267
680493
2678
Możemy wysyłać e-maile, czytane przez adresata
11:35
by the intended recipient, not even the NSA.
268
683171
3709
a nie przez agencję bezpieczeństwa wewnętrznego.
11:38
We can have even privacy-preserving data mining.
269
686880
2997
Możemy nawet mieć chroniącą prywatność eksplorację danych.
11:41
In other words, we can have the benefits of big data
270
689877
3894
Innymi słowy, możemy mieć korzyści z wielkich zbiorów danych,
11:45
while protecting privacy.
271
693771
2132
chroniąc jednocześnie prywatność.
11:47
Of course, these technologies imply a shifting
272
695903
3791
Oczywiście, wprowadzenie tych technologii
11:51
of cost and revenues
273
699694
1546
oznacza przesunięcie kosztu i przychodu
11:53
between data holders and data subjects,
274
701240
2107
pomiędzy właścicielami danych i ich podmiotami
11:55
which is why, perhaps, you don't hear more about them.
275
703347
3453
i pewnie dlatego nie słyszy się o tym więcej.
11:58
Which brings me back to the Garden of Eden.
276
706800
3706
Wracam więc do raju.
12:02
There is a second privacy interpretation
277
710506
2780
Jest druga interpretacja tej historii,
12:05
of the story of the Garden of Eden
278
713286
1809
jeśli chodzi o prywatność.
12:07
which doesn't have to do with the issue
279
715095
2096
Nie chodzi o to,
12:09
of Adam and Eve feeling naked
280
717191
2225
że Adam i Ewa poczuli się nadzy
12:11
and feeling ashamed.
281
719416
2381
i zawstydzeni.
12:13
You can find echoes of this interpretation
282
721797
2781
Echo tej interpretacji mamy
12:16
in John Milton's "Paradise Lost."
283
724578
2782
w "Raju utraconym" Johna Miltona.
12:19
In the garden, Adam and Eve are materially content.
284
727360
4197
W ogrodzie Adam i Ewa są naprawdę zadowoleni.
12:23
They're happy. They are satisfied.
285
731557
2104
Szczęśliwi. Usatysfakcjonowani.
12:25
However, they also lack knowledge
286
733661
2293
Jednak brak im wiedzy
12:27
and self-awareness.
287
735954
1640
i samoświadomości.
12:29
The moment they eat the aptly named
288
737594
3319
Kiedy zjadają, trafnie nazwany,
12:32
fruit of knowledge,
289
740913
1293
owoc poznania,
12:34
that's when they discover themselves.
290
742206
2605
odkrywają samych siebie.
12:36
They become aware. They achieve autonomy.
291
744811
4031
Zyskują świadomość i niezależność.
12:40
The price to pay, however, is leaving the garden.
292
748842
3126
Ceną jest opuszczenie ogrodu.
12:43
So privacy, in a way, is both the means
293
751968
3881
Prywatność zatem,
12:47
and the price to pay for freedom.
294
755849
2962
jest zarówno drogą do wolności, jak i jej kosztem.
12:50
Again, marketers tell us
295
758811
2770
Marketingowcy mówią nam,
12:53
that big data and social media
296
761581
3019
że wielkie zbiory danych i media społecznościowe
12:56
are not just a paradise of profit for them,
297
764600
2979
to nie tylko raj korzyści dla nich,
12:59
but a Garden of Eden for the rest of us.
298
767579
2457
ale i dla nas.
13:02
We get free content.
299
770036
1238
Dostajemy darmowe udogodnienia:
13:03
We get to play Angry Birds. We get targeted apps.
300
771274
3123
Angry Birds czy spersonalizowane aplikacje.
13:06
But in fact, in a few years, organizations
301
774397
2897
Tak naprawdę, za kilka lat
13:09
will know so much about us,
302
777294
1609
organizacje będą wiedziały o nas tak wiele,
13:10
they will be able to infer our desires
303
778903
2710
że będą znać nasze potrzeby,
13:13
before we even form them, and perhaps
304
781613
2204
zanim my je odkryjemy,
13:15
buy products on our behalf
305
783817
2447
kupować w naszym imieniu produkty,
13:18
before we even know we need them.
306
786264
2274
zanim zorientujemy się, że ich potrzebujemy.
13:20
Now there was one English author
307
788538
3237
Był pewien angielski pisarz,
13:23
who anticipated this kind of future
308
791775
3045
który przewidział taką przyszłość,
13:26
where we would trade away
309
794820
1405
w której oddawalibyśmy
13:28
our autonomy and freedom for comfort.
310
796225
3548
naszą niezależność i wolność za wygodę.
13:31
Even more so than George Orwell,
311
799773
2161
Bardziej niż George Orwell
13:33
the author is, of course, Aldous Huxley.
312
801934
2761
był nim Aldous Huxley.
13:36
In "Brave New World," he imagines a society
313
804695
2854
W "Nowym wspaniałym świecie" opisuje społeczeństwo,
13:39
where technologies that we created
314
807549
2171
w którym nacisk wywierają technologie,
13:41
originally for freedom
315
809720
1859
pierwotnie stworzone
13:43
end up coercing us.
316
811579
2567
dla wolności.
13:46
However, in the book, he also offers us a way out
317
814146
4791
Jednak proponuje także
13:50
of that society, similar to the path
318
818937
3438
sposób ucieczki z tego społeczeństwa,
13:54
that Adam and Eve had to follow to leave the garden.
319
822375
3955
podobny do opuszczenia raju przez Adama i Ewę.
13:58
In the words of the Savage,
320
826330
2147
Savage twierdzi,
14:00
regaining autonomy and freedom is possible,
321
828477
3069
że odzyskanie niezależności i wolności jest możliwe,
14:03
although the price to pay is steep.
322
831546
2679
jakkolwiek cena jest wygórowana.
14:06
So I do believe that one of the defining fights
323
834225
5715
Wierzę zatem, że jedną z decydujących wojen
14:11
of our times will be the fight
324
839940
2563
naszych czasów,
14:14
for the control over personal information,
325
842503
2387
będzie walka o kontrolę nad danymi osobowymi.
14:16
the fight over whether big data will become a force
326
844890
3507
Walka o to, czy wielkie zbiory danych
14:20
for freedom,
327
848397
1289
staną po stronie wolności,
14:21
rather than a force which will hiddenly manipulate us.
328
849686
4746
a nie posłużą tajnym manipulacjom.
14:26
Right now, many of us
329
854432
2593
Obecnie większość z nas
14:29
do not even know that the fight is going on,
330
857025
2753
nawet nie wie, że ta walka trwa,
14:31
but it is, whether you like it or not.
331
859778
2672
ale tak jest czy nam się to podoba, czy nie.
14:34
And at the risk of playing the serpent,
332
862450
2804
Ryzykując, że odegram rolę biblijnego węża
14:37
I will tell you that the tools for the fight
333
865254
2897
powiem, że narzędzia tej walki
14:40
are here, the awareness of what is going on,
334
868151
3009
są dostępne, a świadomość tej sytuacji
14:43
and in your hands,
335
871160
1355
jest w waszych rękach,
14:44
just a few clicks away.
336
872515
3740
w odległości kilku kliknięć.
14:48
Thank you.
337
876255
1482
Dziękuję.
14:49
(Applause)
338
877737
4477
(Oklaski)
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