谷歌智慧城市之困

640?wx_fmt=jpegwebp

来源:网易智能 

摘要:谷歌母公司Alphabet旗下创新城市部门Sidewalk Labs目前在信息隐私问题上陷入了困境。


他们失去了数据信托首席专家和顾问安·卡瓦吉安(Ann Cavoukian),该机构将批准和管理多伦多概念智能社区Quayside内部的信息收集。安大略省的前信息和隐私专员Cavoukian不同意当前的计划,因为其将赋予信托批准数据收集在源头上匿名化或“去识别”(de-identified)的权利。她说:“我在这方面经历了一段非常艰难的时期,我对此不能接受。”


Cavoukian的退出加大了人们对Sidewalk Labs和城市数据的怀疑,这些数据将在Quayside获取,这是一个计划中的智慧社区的第一部分,叫做“Sidewalk Toronto”。谷歌一直坚称,该社区将遵循“隐私设计”,这是Cavoukian在上世纪90年代中期首次出版的一个框架。这种方法确保在设计过程的每一个环节都考虑到隐私,以在公民权利和创造更智能、更高效和环境友好的生活空间所需要付出的之间取得平衡。


自去年被选为Quayside规划合作伙伴以来,谷歌一直在讨论如何采用该框架。该团队已经与包括Cavoukian在内的公众和技术专家举行了无数次会议以解释其想法,并确保在明年年初的“主创新和发展计划(Master Innovation and Development Plan)”中将所有人的关注点考虑在内。该计划实际上是最终的宣传或提议,并需要在任何建设工作动工之前得到多伦多市政府的批准。


当然,隐私问题一直是被讨论的话题。介于谷歌在广告业务方面的声誉以及他们对数据收集所传递出的模糊信息,一些多伦多人感到紧张。


640?wx_fmt=jpegwebp


尽管如此,进展在慢慢推进。上周,谷歌在Quayside发布了一些关于数据治理的初步建议。底线是:它希望通过其他人来处理这个问题。谷歌Sidewalk Labs部门建议成立一个独立的信托机构来负责监督该社区的所有数据收集。如果任何公司想要建立公民追踪硬件或服务(包括Sidewalk Labs在内),他们首先需要向信托机构递交一个名为“负责任的数据影响评估”(RDIA,Responsible Data Impact Assessment)的申请。一些申请可以“自我认证”,或者快速审批,而另一些申请需要仔细考虑。


谷歌方面表示,他们的申请都将遵循Cavoukian的隐私设计框架。但问题是,信托机构也有权利批准那些不会在源头上使数据匿名化的申请。在提案文件中,谷歌团队给出了一个涉及公共公园摄像机的理论案例。他们表示,这个申请不能自我认证,因为它涉及到个人信息。然而,它可以被批准,条件是视频片段只用于公园的改进,而且这些文件会在7天的滚动基础上被销毁,该公司还需要在摄像头附近竖立标志,并将其位置添加到公共注册中心。


这种回旋的余地与Cavoukian有关。她认为,所有的Quayside数据都应该在源头上被匿名化以维护公民的隐私。她说:你就可以打赌越来越多的数据将以个人身份的形式被收集起来,因为那是宝藏,这正是每个人都想要的。


上周,Cavoukian在多伦多的数字战略咨询小组会议上听到了这个决定。“Sidewalk Labs毫不含糊地告诉这群人,拟议中的公民数据信托将拥有广泛的权力,包括与个人数据“去识别”有关的决定,”Cavoukian在她的辞职信中写道。“Sidewalk Labs表示,将个人隐私数据匿名化将被‘鼓励’,但这一决定将由他们自己决定。”


对此,Sidewalk Labs则持不同的观点。该组织致力于保护隐私,并将遵循Cavoukian的框架。然而,它并不认为它应该负责在Quayside制定政策。该团队认为,一个独立的信托机构将会更好地做出这些决定——即使他们允许其他公司收集个人可识别的数据。


640?wx_fmt=jpegwebp


该公司在一份声明中表示:“在上周召开的滨水区多伦多数字战略咨询小组会议上,很明显,Sidewalk Labs将在近期有关Quayside的数据治理框架的讨论中发挥更有限的作用。Sidewalk Labs已经承诺通过设计来实现隐私原则。尽管这个问题已经解决了,但是否需要其他参与Quayside项目的公司被要求这么做,这一问题不太可能很快解决,而且可能超出了Sidewalk Labs的控制。”


因此,争论的焦点是,谷歌的团队是否应该促使信托机构在源头上将数据“去识别”。


在Cavoukian的信中,她说:“想想后果吧:如果个人信息数据在源头上没有被‘去识别’,我们将会创建另外一个个人信息的中央数据库(由谁控制?)。如果没有数据主体的同意,这可能会被使用,这些信息将暴露在黑客攻击和未经授权访问的风险中,我们都知道,现有的加密方法并不绝对可靠,并可能会被破解,这可能会使多伦多居民的个人数据泄露。为什么要冒这样的风险?”


640?wx_fmt=jpegwebp


Cavoukian现在正在向政府单位施压,为了改变公司的想法,并在源头上强制取消身份识别。“你必须制定法律,”她说。Cavoukian并不是第一个放弃Quayside项目的隐私专家。萨迪亚?穆扎法尔(Saadia Muzaffar)是TechGirls Canada的创始人,她于本月早些时候离开了数字战略咨询小组。在一封辞职信中,她说,Waterfront Toronto“对不稳定的公众信任和社会许可缺乏领导能力”。她说,顾问小组“诚心诚意地”参加了会议,但“公然漠视居民对数据的担忧”。


这些分歧将增加多伦多人的担忧,谷歌Sidewalk Labs团队仍然有时间来解决这些问题,并制定一个让每个人都能接受的总体规划。不过,如果该公司持续让公众对其失去信任。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493810.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

形态学图像处理(二)

本文主要包括以下内容 二值形态学的经典应用, 细化和像素化, 以及凸壳灰度图像的形态学运算, 包括灰度腐蚀、灰度膨胀、灰度开和灰度闭本章的典型案例分析 在人脸局部图像中定位嘴的中心显微镜下图像的细菌计数利用顶帽变换(to…

机器学习实战学习笔记 一 k-近邻算法

k-近邻算法很简单,这里就不赘述了,主要看一下python实现这个算法的一些细节。下面是书中给出的算法的具体实现。 def clssify(inX,dataset,label,k):#计算距离datasetSize dataset.shape[0]diffMat tile(inX,(dataSize,1))-datasetsqdiffMat diffMat …

最全的大数据解决方案(多图)

来源:网络大数据未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网&…

Foreach语法

先看例子&#xff1a; Random rand new Random(47);float f[] new float[10];for(int i 0; i < 10; i){f[i] rand.nextFloat();}for(float x: f) {System.out.println(x);} foreach语法&#xff1a; for(float x: f) {System.out.println(x);}转载于:https://www.cnblog…

图像分割

图像分割是指将图像中具有特殊意义的不同区域划分开来&#xff0c; 这些区域互不相交&#xff0c;每个区域满足灰度、纹理、彩色等特征的某种相似性准则。图像分割是图像分析过程中最重要的步骤之一&#xff0c;分割出的区域可以作为后续特征提取的目标对象。 本文主要包括以下…

重磅:IBM 340亿美元收购红帽软件,开源生态或将迎来重大变化

来源&#xff1a;人工智能和大数据北京时间10月29日上午消息&#xff0c;据报道&#xff0c;IBM周日宣布&#xff0c;将以约340亿美元价格收购开源软件和技术主要供应商红帽公司&#xff08;Red Hat&#xff09;。根据两家公司的联合声明&#xff0c;IBM将支付现金&#xff0c;…

ACM/ICPC竞赛

第04篇 ACM/ICPC竞赛之STL--vector 在STL的<vector>头文件中定义了vector&#xff08;向量容器模板类&#xff09;&#xff0c;vector容器以连续数组的方式存储元素序列&#xff0c;可以将vector看作是以顺序结构实现的线性表。当我们在程序中需要使用动态数组时&#xf…

阈值分割与区域分割

本文主要包括以下内容 阈值分割技术基于区域的图像分割技术本章的典型案例 基于LoG和Canny算子的精确边缘检测基于Hough变换的直线检测图像的四叉树分解 阈值分割 我们曾在3.5节学习过灰度阈值变换的相关知识&#xff0c; 利用灰度阈值变换分割图像就称为阈值分割&#xf…

边缘计算芯片格局分析

来源&#xff1a;半导体行业观察 近日&#xff0c;华为和比特大陆纷纷发布了针对边缘计算的新芯片产品。华为的Ascend系列采用达芬奇架构&#xff0c;其中Ascend 310功耗8W算力8TOPS正是针对边缘计算市场。而之后比特大陆发布的BM1682和BM1880也是针对边缘计算市场&#xff0c;…

基于PCA的人脸特征抽取

我们将应用PCA技术来抽取人脸特征。一幅人脸照片往往由比较多的像素构成&#xff0c;如果以每个像素作为1维特征&#xff0c;将得到一个维数非常高的特征向量&#xff0c; 计算将十分困难&#xff1b;而且这些像素之间通常具有相关性。这样&#xff0c;利用PCA技术在降低维数的…

[置顶] 删除:大数据取舍之道读书笔记

1 对于人类而言&#xff0c;遗忘一直是常态&#xff0c;而记忆才是例外。然而&#xff0c;由于数字技术与全球网络的发展&#xff0c;这种平衡已经被打破了。如今&#xff0c;往事正像刺青一样刻在我们的数字皮肤上&#xff0c;遗忘已经变成了例外&#xff0c;而记忆却成了常态…

超市的100年发展史:好日子终结 亚马逊无人店是趋势

来源&#xff1a;网易智能 电商巨头亚马逊已经在旧金山、西雅图和芝加哥等地开设了多家无人便利店Amazon Go&#xff0c;它们向顾客展现了无缝购物体验这种未来购物模式&#xff0c;它依赖于高科技追踪技术&#xff0c;消费者只需将商品从货架上取下&#xff0c;并放入帆布手提…

图像识别初步

本文主要包括以下内容 模式与模式识别的基本概念过度拟合最小距离分类器基于相关的模板匹配本章的典型案例分析 基于最小距离分类器的鸾尾属植物分类基于相关技术的图像模式匹配 模式识别概述 模式识别(Pattern Recognition)是人类的一项基本智能&#xff0c;在日常生活中…

下一个人才大缺口:量子计算研究人员

来源&#xff1a;36Kr初创公司Zapata Computing的创始人兼首席执行官克里斯托弗萨瓦&#xff08;Christopher Savoie&#xff09;表示&#xff0c;他向三位专攻量子计算的外国科学家提供了就业机会&#xff0c;他在等他们的工作签证获得批准。但几个月过去了&#xff0c;这家位…

LIBCMTD.lib与libcpmtd冲突的解决方法。

error: 1>uafxcwd.lib(afxmem.obj) : error LNK2005: "void * __cdecl operator new(unsigned int)" (??2YAPAXIZ) 已经在 LIBCMTD.lib(new.obj) 中定义 1>uafxcwd.lib(afxmem.obj) : error LNK2005: "void __cdecl operator delete(void *)" (??…

基于PCA和SVM的人脸识别

svm推广到多类情况 一对多的最大响应策略(one against all) 假设有A 、B、C.. D四类样本需要划分。在抽取训练集的时候&#xff0c;分别按照如下4种方式划分。 A. 所对应的样本特征向量作为正集&#xff08;类标签为1), B、C、D所对应的样本特征向量作为负集&#xff08;类…

为何协作机器人能够兴起?“协作机器人-激烈的市场谁能杀出重围”

来源&#xff1a;机器人大讲堂作者&#xff1a;包文涛&#xff0c;哈尔滨工业大学机器人研究所工学硕士&#xff0c;在机器人和工业自动化领域有超过10年的专业经验。曾任职于ABB集团&#xff0c;先后在新加坡、美国、加拿大等地工作&#xff0c;在产品管理、技术方案、项目工程…

5款新颖的ReSharper插件

ReSharper是著名的代码生成工具。自ReSharper 8.0版本发布以来&#xff0c;新的扩展管理器、模板设置、分发安装等功能改革使得对插件的要求变高。接下来小编整理了5款新颖插件。 JetBox 当开发者工作在不同的机器设备时&#xff0c;这个插件可以利用DropBox同步ReSharper设置。…

机器学习实战之K近邻算法

k近邻算法概述 简单地说,K近邻算法采用测量不同特征值之间的距离方法进行分类。 优 点 :精度高、对异常值不敏感、无数据输入假定。 缺点:计算复杂度高、空间复杂度高。 适用数据范围:数值型和标称型。 它的工作原理是:存在一个样本数 据集合,也称作训练样本集,并且样本集…

神经网络的叛离:32年前从心理学与生理学分离的瞬间

来源&#xff1a;大数据文摘编译&#xff1a;Andy反向传播算法隶属于深度学习&#xff0c;它在解决模型优化问题的方面有着重要的地位。这一算法由被誉为深度学习之父的Geoffrey Hinton提出。1986年&#xff0c;他发表了名为Learning representations by back-propagating erro…