コンピュータ科学者のジェニファー・ゴルベックさんが、FaceBookで何かを「いいね！」したとき、それとは直接関係のない「あなたの性格」をつかまれてしまう事を、どうやってそんなことが可能なのか？という技術的な観点から解説し、この技術の応用が必ずしも好ましいとは限らないことを警告。自分の情報をコントロールする力をユーザーの手に戻すべきであると主張しています。

（所要時間：約10分）

この動画を大きい画面で見る

動画の内容 （全文書き起こし）

ウェブが最初の10年間 どんなだったか 覚えていますか？ 固定的なものでした ネットにつなげ サイトを見ることはできましたが 当時それは そのための部署を持つ組織や コンピュータに精通した個人が 立ち上げたものでした 2000年代初期にソーシャルメディアや ソーシャルネットワークが登場すると ウェブは大きく変容を遂げ 今や私たちの見る コンテンツの大部分が 一般的なユーザーによる YouTubeのビデオ、ブログ 製品のレビューやソーシャルメディアでの 投稿で占められています また人々が互いに やり取りをする場へと変化しています コメントしたり 情報を共有したりし ただ情報を見るだけではないのです

フェイスブックはこのような場として 唯一ではないものの最大です 数字を見れば分ります フェイスブックには 月間ユーザーが12億います つまり地球上のインターネット人口の半分がフェイスブックを利用しています 他のサイトと同様に ITのスキルが殆どなくても ネット上の人格を作ることができる そんなサイトであり 人々は個人的な情報を大量に 投稿してきたのです

その結果 何億という人々の 行動パターン 好みや人口統計データなどが 得られるのです こんなことは 過去には有りませんでした 私のようなコンピュータ科学者にとって これは意味深く 私は人々が共有した情報から 本人が公開しているとは思いもしない 多くの隠された特性を予測できるモデルを構築することができました 科学者はそれによって 人々のネット上での交流を 手助け出来るのですが そんなに利他的でない 応用もあります

問題はユーザーが この様な技術の存在やしくみを理解せず たとえ知っていたとしても コントロールする手段が無いことです 私が今日お話ししたいことは こういうことに対して我々が 何をできるか そして我々の手に いくらかコントロールを 取り返すアイデアについてです

これはTargetという会社のロゴ この哀れな妊婦のお腹に ロゴを意味もなく 貼りつけたのではありません 雑誌フォーブスに載った逸話を ご覧になったかもしれません Targetはこの15歳の少女が 親に妊娠を打ち明ける2週も前に 哺乳瓶、おむつ、 ベビーベッドの 広告とクーポン券を 送りつけたのです 父親は激怒しました Targetは 親さえ知らない 高校生の少女の妊娠を どうして知っていたのか？

判明したことは 彼らには 何十万という顧客の 購入履歴データがあり 彼らが言う所の 妊娠スコアというものを計算したのです 単に妊娠の判断だけでなく 予定日の推定さえするのです すぐそれと分かる購入品 例えばベビーベッドや 赤ちゃん服だけでなく いつもよりビタミン剤を 多めに買ったとか おむつを入れるのに必要であろう 大きな手さげカバンを 買ったということから 推測するのです それぞれの物は 購入したからと言って 何かがばれる訳ではなさそうですが そういった購入行動のパターンを 他の数千人の人々のデータと 照らし合わせることによって その意味が見えてきます

このようにして我々は ソーシャルメディアを通して 皆さんの事を分析しています 我々は数百万の人々の この様な ささいな行動パターンから 様々なことを見出そうとしているのです

私の研究所では仲間たちと 様々なことを正確に予測する 手法を開発しました 人々の政治的傾向 個性 性別 性的傾向 宗教 年令 知能 それに加え 知人をどの程度信頼し どれくらい深い関係か といったことです かなり上手くいきました 繰り返しますが 直接的でない 情報から結果が得られるのです

私が特に気に入っている事例は 米国科学アカデミー紀要に載った 今年の論文で グーグルで 検索すれば見つかるでしょう 4ページの論文で すぐに読めます ここでは フェイスブックで 何を「いいね！」したかという 情報だけを元に 先ほど挙げたような 個人の特性を 予測しています

この論文では 高い知能と 関連性の高い 5つの「いいね！」の対象をリストしました その一つが カーリー・フライのページです (笑) カーリー・フライは 確かに美味しいですが カーリー・フライが 好きなこと自体が 平均以上の知性を 意味するのではありません では どうして対象物が 予測しようとする性質と無関係なのに これが知性と関連性の高い 指標となるのでしょう これを説き明かすために 背後にある ありとあらゆる 理論に着目すべきことが 分りました その一つが社会学で 「同類性」といわれるもので 人間は基本的に似た者同士が 集まるというものです 賢い人は賢い人達と 仲間になる傾向があり 若者は若者同士で集まるといったことで これは何百年もの前に 確立された理論です 情報がネットワークにより どう広がるかも よく分かっています 話題になるビデオや フェイスブックの「いいね！」 のような情報は まるで病気が伝染するように ソーシャルネットワークを通して 広がるのです

こういうことは長年研究され 良い予測モデルがあります こういったことを合わせて考えてみれば なぜあんな予測がなされるのか 分ってきます そこで仮説を示すとすれば― そのページを作った人か あるいは初期に「いいね！」をした一人が 知性の高い人だったのでしょう 彼らが気に入って そして その友達がこれを見て 類が友を呼び ― きっと彼には賢い友人が 多いのでしょう 仲間の輪は広がり 彼らも気に入り そこからさらに 賢い友達へと広まり ネットワークを通して たくさんの知性の高い人へと伝わっていき ついにはカーリー・フライへの 「いいね！」という行動が 商品の中身とは無関係に 「いいね！」と投票した人たちの 共通の特性が反映され 高い知性を表すことになったのです

とても複雑な関係ですね？ これを普通の方の前で 説明するのは難しいし そうしたからといって 普通の人はどうすべきか 分かりませんね? 何かを「いいね！」したとき それとは直接関係のない 性格をつかまれてしまうなんて どうして分かるでしょう？ ユーザーがデータの用途を コントロールできない そんな仕組みが多くあるのです そして私は実際に問題が起こっていることを知っています

私はユーザーにデータの使用方法の コントロールを与える 2つのやり方があると 思います というのもデータ利用は必ずしも ユーザの為になっていないからです 私がよく挙げる例は もし私が教授職に飽きて 会社を立ち上げ 皆さんの特性だとか チームワーク力とか 薬物使用癖やアルコール依存 などを予測します 推定方法は分かっています そして皆さんを雇用したがっている 人材派遣会社や大企業に レポートを売りつけるのです 我々はすぐにでもできます 明日にだってビジネスを始められるでしょう そして私が皆さんのデータを そのように使うのを 止めることはできません そのことが問題だと言っているのです

取り得る対策の一つは ポリシーや法律による方法です ある意味 これが最も効果的かもしれません しかし問題は我々は 働きかけることしかできないことです 政策決定のプロセスを見ていると 多くの議員が集まって 我々の話を聞いて 事情を理解し ユーザーが自分のデータの 用途を管理できるよう 米国の知的所有権法を 大幅に変えるというのは とても起こりそうな気がしません

ポリシーという道もあります つまりソーシャルメディア会社が “データは皆さんのものです 皆さんがすべて管理できます” と言うのです 問題は収入モデルにあります ソーシャルメディア会社は ユーザのデータを何らかの方法で 共有もしくは利用することで成り立っています 時々言われる事ですが フェイスブックにとって “ユーザは顧客ではなくて製品だと” だから このような会社が 大事な資産をユーザーに返すなどという 譲歩をするでしょうか？ 可能だとは思いますが 私は直ぐには起こりそうにないと思います

もう一つの道で より効果的であろうものは 科学を使うことです データから個人の特性を 導き出すメカニズムを 開発できるようにしてくれた 科学を研究すること それとごく似た 研究によって “これにはリスクがありますよ” といった警告を ユーザーに発するような 仕組みを開発できるでしょう フェイスブックで「いいね！」したり 個人情報を共有すると 皆さんが ドラッグをやっているかとか 職場で上手くいっているかどうかとか そういった事について予測される精度が 上がったのでした 警告の仕組みを導入すると 情報を公開する 友達に限定する まったく共有しないといった 人々の選択に影響するでしょう またはアップロードする情報を 暗号化するという手段も 考えられるでしょう これでフェイスブックの様なサイトや そこからデータを受ける 第三者のサービス会社には 無意味なデータとなり 一方で 本人が見て欲しいと思う人は 見ることができます これは知的な観点から 非常に面白い研究であり 科学者は喜んで取り組むでしょう その点で政策に訴える手段よりも 優れています

この話をすると皆さんに よく指摘されるのは 皆が情報を非公開に するようになったら 私たちの開発してきた 人の行動パターンの予測手法が使えなくなるのでは ということです その通りですが 私にとってそれは成功なのです なぜなら一科学者として 私の目標はユーザーの情報から 何かをあぶりだすことではなくて 人々のオンラインにおける交流を 改善することだからです そのために人々のデータから 推測をすることもありますが 皆さんがデータの利用を 望まないのであれば 皆さんにそう言う権利が あるべきだと思います 我々が開発するツールについて ユーザーは知らされ 同意の元で使われるべきだと思います

データを管理する力の一部を ソーシャルメディアから ユーザーに返すような 科学的研究を推し進め 研究者を支援することで このようなツールは進化し 進歩を遂げることになり ユーザーが知識と力を 持つようになるでしょう これが理想的な方法だと 同意して頂けるものと思ってます

どうも有り難うございました (拍手)

引用元：TED

2012年5月28日に放送された、NHK・クローズアップ現代「社会を変える“ビッグデータ”革命」を紹介します。

（所要時間：約26分）

動画の内容

スマートフォン、ICカードなど身近な電子機器から、私たちは膨大な情報を発信している。

インターネットで検索した内容、買い物をした商品や価格、駅の改札を通った移動、さらには病院で受けた検査結果まで、あらゆる情報がデジタル化され記録される時代。生まれるデータの量は、この数年で飛躍的に増え、“ビッグデータ”と呼ばれている。

解析不可能だったビッグデータを技術の発達で分析できるようになったことで、生活や社会が劇的に変わりつつある。

コンビニでは、購買行動をリアルタイムで捕捉しパターンを発見、利用者が買う商品を事前に予測する。カーナビを使って100万台の自動車の位置情報をつかむことで急ブレーキ地点を地図化、“未来の事故現場”を見つけて事前に事故対策をする。

アメリカでは医療分野でビッグデータを活用した“先読み”をする医療が加速している。一方で個人の情報が膨大に広がっていくことを懸念する声も。“ビッグデータ”時代の最前線を見ていく。

引用元：クローズアップ現代

アレサンドロ・アクイスティ氏が、人物の写真から、その人物に対するプライバシー情報を得ることがいかに簡単かを含む最新の研究を紹介しています。

（所要時間：約15分）

この動画を大きい画面で見る

2013年10月2日に放送された、NHK・クローズアップ現代「ムダの“見える化”で医療の質を上げろ」を紹介します。

（所要時間：約26分）

動画の内容

患者のカルテや診療報酬のレセプトなど、膨大なデータを分析することで、どういった治療をすれば最適な効果が上がるかという「費用対効果」が可視化され、これまでブラックボックスだった『医療のムダ』があぶり出されつつある。

いち早くデータ統合に踏み切った岐阜大学病院では、投薬量が減ることなどで、数億円余の医療費の削減に結びつけている。

さらに医療ビッグデータの先進国スウェーデンでは、高齢社会に備えて社会保障情報も統合。例えばリウマチでは「高い治療法を選択しても、患者が早期に社会復帰できれば安く済む」など、169の治療項目をビッグデータで解析して、改革が進められている。

ビックデータが医療現場をどう変えようとしているのか、最前線の現場から課題を探る。

引用元：クローズアップ現代

ジャーナリストのデビッド・マキャンドレス氏が、ビッグデータを我々人間が最も直感的に理解しやすい視覚的デザインに「可視化すること」がもたらすメリットを分かりやすく解説しています。

（所要時間：約18分）

この動画を大きい画面で見る

2013年3月3日に放送された、NHKスペシャル「“いのちの記録”を未来へ 震災ビッグデータ」を紹介します。

（所要時間：約58分）

動画の内容

1万8500人もの死者・行方不明者を出した東日本大震災。今、関係各機関が持つ膨大な災害情報＝「震災ビッグデータ」から震災の全貌を明らかにする動きが広がっている。

去年（※2012年）9月からNHKやグーグル日本法人、ツイッター社など8社・団体が、それぞれが有する膨大な災害関連情報を持ち寄り、解析を試みている。さらに、このビッグデータを利用して「新たな防災ツール」を構築しようと、産官学を越えてさまざまなプロジェクトも立ち上がっている。

番組では、あの日人々が何を求め、どう行動したのか、残された映像などからだけでは分からなかった東日本大震災の全貌を「ビッグデータ」から解き明かす。

被災地の数十万人の行動の軌跡、車載カーナビに残された車の走行記録、震災１週間でつぶやかれた1億8千万のツイートなど、さまざまなビッグデータから、あのとき大震災と向き合った１人１人の命を見つめていく。

引用元：NHKスペシャル