機器“學人”變壞

如何對你“殺熟”、“價格歧視”？

不是壞人變成機器，而是機器“學壞了”。看大資料如何預判你的預判？

性格隨和的員工薪酬比“帶刺兒”的員工低18%。這是美國康奈爾大學勞資關係學院的一項調查發現。

不僅如此，在不太遠的未來，HR中的薪酬專員將由大資料擔任，它不但可以評估出每位員工的業績，預測未來的發展空間，更重要的是，它還會預測你的行為，判斷你可以接受的最低工資要求，以實現個性化的動態定價。

可能有的人覺得，網際網路時代，一切都拿資料說話是不是太無情了。確實，大資料時代資料殺熟、價格歧視早就可以透過機器學習，每分鐘的定價都在變化，以最大程度的獲取利潤。

就比如1999年，可口可樂計劃推出一款能夠根據天氣情況改變價格的自動售貨機，經媒體披露後，被罵得體無完膚，可到了2013年，亞馬遜就透過動態定價，提高了25%的利潤率，2014年元旦，因為定價系統失靈了26分鐘，業務量立刻下跌了75%。

從某種程度上來說，大資料已經在擇優選擇利潤、效率最大化了。

至於價格歧視，在我們身邊就很常見，比如同樣在淘寶上輸入“衣服”，系統給男性展示的是男款服裝，給女性展示的是女款服裝，當然價格也可能會有所不同，系統給你展示的都是幾十塊的地攤貨，給別人展示的都是幾千塊的名牌，你可能就會很不開心。但是，大資料並不歧視你，大資料只是預測你的行為。

可以立法禁止“大資料殺熟”，但更為隱蔽的價格又如何禁止呢？前幾年就出過的一件“大資料歧視”事件，美聯航一班飛機超售票，在沒有乘客自願改簽的情況下，美聯航由電腦隨機選出四名乘客強制改簽，並將一名乘客強行拖下飛機。

很多人認為其中有種族歧視，因為這四個人中有三個亞裔，但機組人員很委屈，這是電腦“隨機”選出來的，在場人員並沒有干預結果。

但事實真是這樣嗎？“隨機”行為只有人類才有，只要是電腦產生的結果，一定是按某種規律取引數計算出來的。只不過，有些引數是人為設定的，有些引數是機器自主學習的，後者就是人工智慧。“隨機”出三個亞裔，唯一的解釋就是，電腦從歷史改簽資料學會了人類的某些行為模式。

如果要解讀資料，那解釋就是“亞裔服從性好，不會惹麻煩”，從某種程度來說也是一種“殺熟”。

所以，價格歧視難以禁止，未來還會有更多依賴機器學習的決策場景，我們或許該思考的是，“殺熟”的並不是機器人，而是藏在機器人背後的“生意人”。