大數(shù)據(jù)：看密西根大學(xué)如何化解數(shù)據(jù)科研中的倫理和不確定性問題-智醫(yī)療網(wǎng)近年來，大數(shù)據(jù)已然成為強(qiáng)大的工具，密西根大學(xué)緊隨這一科技大趨勢，努力學(xué)習(xí)并開展大數(shù)據(jù)研究。
大學(xué)研究院副院長Jack Hu在2015年一次聲明中表示，大數(shù)據(jù)，即通過大量分析表明趨勢和關(guān)聯(lián)的數(shù)據(jù)，正在“對各學(xué)科研究進(jìn)行大規(guī)模改革。”
密西根大學(xué)證實，該校在數(shù)據(jù)科學(xué)領(lǐng)域上的投資物有所值。學(xué)校在過去五年間對該項目（Data Science Initiative – DSI）資助了100萬美元，一些多學(xué)科和交叉學(xué)科領(lǐng)域的教研人員也參與到數(shù)據(jù)計算分析和管理研究中心的建設(shè)中。“我們的目標(biāo)是在校園點(diǎn)燃創(chuàng)新研究，并取得數(shù)據(jù)科學(xué)本身的進(jìn)步。”
Hu在2015年說道。大數(shù)據(jù)已成為醫(yī)學(xué)項目和疾病研究的核心，諸如巴拿馬文件泄密事件等國際貪腐丑聞的曝光和世界性的經(jīng)濟(jì)技術(shù)發(fā)展也離不開大數(shù)據(jù)。例如，田徑運(yùn)動相關(guān)的大量數(shù)據(jù)可以預(yù)測運(yùn)動員受傷情況；授課分析可以開發(fā)更好的教學(xué)模式；還有大量患者信息可以用于診斷預(yù)測并分析健康情況。
密西根大學(xué)數(shù)據(jù)研究中心作為DSI項目的一部分，自成立兩年間得到了快速發(fā)展，已成為多學(xué)科、跨學(xué)院的數(shù)據(jù)研究。DSI項目下的另兩個子項目分別是先進(jìn)研究算法（統(tǒng)計咨詢和技術(shù)服務(wù)）和計算分析研究。醫(yī)學(xué)和生物信息算法領(lǐng)域的教授Brian Athey稱，大數(shù)據(jù)的創(chuàng)新使用需求還在持續(xù)增長。
在大數(shù)據(jù)浪潮到來之前，密西根大學(xué)的研究人員就已經(jīng)利用大量數(shù)據(jù)分析并預(yù)測引發(fā)疾病的病因、加強(qiáng)計算機(jī)科學(xué)的研究。先進(jìn)研究算法負(fù)責(zé)人大學(xué)副校長Eric Michielssen說，要解決現(xiàn)實具體問題，首先需要‘海量’的數(shù)據(jù)，基于此他與Athey重申了大數(shù)據(jù)四個‘V’重要概念。
除了數(shù)據(jù)量（the volume of data）之外，研究人員還考慮到數(shù)據(jù)速度（velocity），即接收前所未有的大量數(shù)據(jù)的能力。接收的數(shù)據(jù)中還需要考慮到數(shù)據(jù)格式的多樣性（variety），數(shù)據(jù)格式不僅僅是常見的工作簿數(shù)據(jù)，最后一個‘v’是數(shù)據(jù)準(zhǔn)確性（veracity），即數(shù)據(jù)的不確定性和有效性。
Michielssen稱，高效的日常數(shù)據(jù)收集和匯總– 尤其社交網(wǎng)絡(luò)和商業(yè)交易產(chǎn)生的大量數(shù)據(jù)通過無線技術(shù)、傳感器和復(fù)雜的網(wǎng)絡(luò)系統(tǒng)快速傳播 – 這要求研究人員重新考慮如何利用數(shù)據(jù)惠及社會和科學(xué)發(fā)展，這就是大數(shù)據(jù)的創(chuàng)新應(yīng)用。
Michielssen說，“社會方方面面，各個領(lǐng)域的科研和教學(xué)都會受此影響，即大數(shù)據(jù)現(xiàn)象的影響。” 在Athey看來，數(shù)據(jù)科學(xué)的重要性在大學(xué)層面上– 尤其對擁有優(yōu)秀科研資源的大學(xué)而言 – 可以從該校的科研史上可見一斑，看看大學(xué)是否在機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、統(tǒng)計計算等學(xué)科發(fā)展方面已為今天的方法論做好研究準(zhǔn)備。
“密西根大學(xué)提供一個理想環(huán)境”，根據(jù)摩爾定律，隨時間計算能力提高同時成本降低，Athey說，“大科學(xué)和大數(shù)據(jù)正重塑社會和高等教育。”MIDAS行政總監(jiān)Kevin Smith博士稱，現(xiàn)在的數(shù)據(jù)科學(xué)家不必受過時的計算機(jī)規(guī)律的約束。相反，現(xiàn)代的數(shù)據(jù)管理需要MIDAS三層合作 –即一所大學(xué)作為學(xué)術(shù)中心、CSCAR咨詢等數(shù)據(jù)科學(xué)服務(wù)以及高性能計算平臺。“這是一個數(shù)據(jù)整合與有效應(yīng)用的全局思考，你可以對任何待解決的科學(xué)問題或商業(yè)問題進(jìn)行數(shù)據(jù)探索，通過分析、可視化，驗證你的做法是否正確。”
交通運(yùn)輸與科技
Michielssen說，在數(shù)據(jù)科學(xué)研究上，大學(xué)側(cè)重實際結(jié)果，因此必然更注重應(yīng)用而不是理論方法，尤其對政策、教育和基建方面的應(yīng)用更是如此。“從方法論上，我們把這種大數(shù)據(jù)在其他領(lǐng)域中的應(yīng)用當(dāng)作發(fā)展大數(shù)據(jù)的絕佳機(jī)會。”Smith補(bǔ)充道。例如，MIDAS的數(shù)據(jù)運(yùn)輸研究中心（Data-Driven Transportation Research）和數(shù)據(jù)密集性學(xué)習(xí)分析中心（Data-Intensive Learning Analytics）的研究人員利用大數(shù)據(jù)改善車輛使用模式、提高交通效率，并開發(fā)檢驗學(xué)習(xí)過程的新工具。
密西根大學(xué)交通研究院的副研究員Carol Flannagan說，他的團(tuán)隊利用大數(shù)據(jù)分析司機(jī)行為，仿真交通規(guī)則、交通系統(tǒng)下的司機(jī)行為。“交通數(shù)據(jù)變化快，對現(xiàn)辦法的創(chuàng)新應(yīng)用，甚至擴(kuò)展現(xiàn)辦法或研發(fā)新方法，在交通運(yùn)輸領(lǐng)域都大有用武之地。”
除了為交通分析提供大量數(shù)據(jù)外，F(xiàn)lannagan團(tuán)隊在車禍調(diào)研方面也取得了成果，已開發(fā)了躲避車禍的技術(shù)應(yīng)用。這些技術(shù)應(yīng)用可以轉(zhuǎn)化為乘車人保護(hù)措施，而不是避免車禍。
團(tuán)隊通過可視化工具和交通事故數(shù)據(jù)分析，提出了一系列車輛在車禍中抵御自身損害的措施，尤其在車輛設(shè)計、乘車人行為措施、道路設(shè)計等方面，為政策制定部門和基建設(shè)計單位提供新的可能性，通過優(yōu)化設(shè)計、制定更好的制度避免不必要的傷亡。
從安全的全局出發(fā)，做出預(yù)測、制定交規(guī)，這需要研究者、政府其他機(jī)構(gòu)共同努力。Flannagan說，一個阻礙就是數(shù)據(jù)共享性和數(shù)據(jù)快速訪問。他指出，“我們必須遵守數(shù)據(jù)分析中三思而后行的要求，只是，這個要求是極為苛刻的。”因為，大科學(xué)研究必定伴隨著大量挑戰(zhàn)，尤其對大數(shù)據(jù)需求還不斷變化的情況下更具挑戰(zhàn)。
社會科學(xué)與挑戰(zhàn)
2014年5月份，前總統(tǒng)奧巴馬公布了白宮官方報告，陳述了在數(shù)字時代個人信息安全、負(fù)責(zé)任的教育制度、以及公共來源的數(shù)據(jù)使用的重要性。“如果處理妥善，大數(shù)據(jù)將成為社會進(jìn)步的重要推動力量，讓我們國家長治久安、經(jīng)濟(jì)繁榮。”報告稱。此后，大數(shù)據(jù)在國家范圍內(nèi)的使用一直飽受爭議，最近圍繞著2016年總統(tǒng)選舉中的大數(shù)據(jù)應(yīng)用更是鬧得沸沸揚(yáng)揚(yáng)。起初，大數(shù)據(jù)被視為總統(tǒng)選舉結(jié)果的整體預(yù)測，盡管一些人認(rèn)為現(xiàn)任總統(tǒng)特朗普起初否認(rèn)大數(shù)據(jù)僅僅是為了掩蓋農(nóng)村的投票信息。
Michael Traugott教授就可以還原未受社交和新聞媒體影響的公眾意愿。Traugott教授團(tuán)隊聯(lián)合民意調(diào)查機(jī)構(gòu)（Gallup）和喬治城大學(xué)（Georgetown University）收集數(shù)據(jù)驗證2016年總統(tǒng)競選期間政治話題。利用計算機(jī)軟件檢索成千上萬投票者對選舉的關(guān)鍵話題，研究人員可以得出公眾對媒體宣傳后產(chǎn)生的主流觀點(diǎn)。
公眾的主流觀點(diǎn)與9家主流報紙進(jìn)行內(nèi)容對比分析，與記者微博的內(nèi)容對比分析，另一個指標(biāo)是媒體報道對公眾情感的影響。Traugott說，“競選初期媒體對參選人的性格分析報道讓我驚訝不已，特朗普受到了不成比例的關(guān)注度。我們希望追蹤一些對候選人好感度不產(chǎn)生影響的媒體新聞以及公眾提及的話題。”Traugott利用數(shù)據(jù)判斷傳統(tǒng)的預(yù)設(shè)主題的報告方法是否在社交媒體環(huán)境下依然適用。
由于大數(shù)據(jù)可以影響政治，產(chǎn)生對抗性社會氛圍，華盛頓郵報呼吁：利用大數(shù)據(jù)代表各種可能性時，需要更深層的私人思考和技術(shù)政策。另外，由于數(shù)據(jù)收集階段就會存在內(nèi)在偏倚– 無論大小 – 都會對結(jié)果產(chǎn)生影響，導(dǎo)致危險或者負(fù)面的結(jié)果。
研究人員每天面對公眾對隱私性和保密性的擔(dān)憂，這是意料外的阻礙。數(shù)據(jù)傳遞、醫(yī)療記錄以及社交信息是需要保障信息安全的三大領(lǐng)域。Michielssen說，“研究人員用軟件在聯(lián)網(wǎng)環(huán)境中進(jìn)行研發(fā)，因此需要同時保障研究人員自身的信息安全。”Athey稱，人們對未知領(lǐng)域的態(tài)度既害怕又復(fù)雜，就像人們用大數(shù)據(jù)研究死亡的態(tài)度既恐懼又搖擺不定。
“大數(shù)據(jù)可以促進(jìn)社會進(jìn)步，或者直白的說，可以為不同社會團(tuán)體所利用。”Athey接著說，“那些知道方法、有計算能力、可以獲取數(shù)據(jù)的人相比一般人擁有特殊優(yōu)勢，可以做好事也可以做壞事。”他解釋道，‘數(shù)據(jù)文盲’就會處于不利地位。“如果你對數(shù)據(jù)科學(xué)缺乏知識，不會實踐，就有可能成為一個受害者。這就是我們生活的社會 – 谷歌和其他數(shù)據(jù)時代產(chǎn)物都不會消失。”Smith也注意到全球云數(shù)據(jù)倫理問題。“一個公司或許可以利用大數(shù)據(jù)獲取某種競爭優(yōu)勢，我想這就是我們的社會演變和進(jìn)化的過程。”
電子工程和計算機(jī)科學(xué)教授H.V. Jagadish開設(shè)了許多在線公開課程來檢驗數(shù)據(jù)科學(xué)的倫理問題。Jagadish教授的目的就是在線公開課程融入到數(shù)據(jù)科學(xué)培訓(xùn)的課程之中，希望可以教數(shù)據(jù)科學(xué)家們‘恰當(dāng)?shù)臄?shù)據(jù)科學(xué)。
Jagadish說，除了隱私性之外，數(shù)據(jù)科學(xué)還面臨其他的問題，比如算法的不精確、算法鑒別與偏倚。算法根據(jù)代入的數(shù)據(jù)會發(fā)生意外得出不需要的結(jié)果。然而，Jagadish也相信，盡管有諸多問題，人們會逐步控制、解決這些問題，最終達(dá)到數(shù)據(jù)科學(xué)規(guī)則方面的共識。“我們利用數(shù)據(jù)科學(xué)為我們自己做決策，或者利用多種來源的數(shù)據(jù)侵犯他人隱私，但我想說，雖不是所有人，但大多數(shù)人都愿意做有益的事情。我們所要做的就是充分探討并對正確的事情上取得共識。”
對未來數(shù)據(jù)的誤解
大數(shù)據(jù)可以預(yù)測社會變化或預(yù)測疾病發(fā)展。然而無奈的是，這門科學(xué)本身的發(fā)展卻是不可預(yù)測的。“因為這個學(xué)科發(fā)展太快，變化太快。”Michielssen說。分析工具的計算平臺的升級、分析技術(shù)的改進(jìn)、方法論的變化依然是主要創(chuàng)新領(lǐng)域。這些創(chuàng)新并沒有在最近的互聯(lián)網(wǎng)大數(shù)據(jù)浪潮之中停滯不前。“一個誤區(qū)可能是所有老科學(xué)將會過時，數(shù)據(jù)科學(xué)將會取代所有過去十年間研發(fā)改良的成熟科技。”Michielssen認(rèn)為這種觀點(diǎn)大錯特錯。“數(shù)據(jù)科學(xué)將強(qiáng)化現(xiàn)有技術(shù)，它是一個工具，只是科學(xué)家和工程師必備的重要工具，與其他工業(yè)分支一樣。但不會取代現(xiàn)有技術(shù)。”
天坦動態(tài)