由于AI时代的数据资源属性，大量的用户数据是企业机构广告投放优化的关键，因而数据开放则意味着巨大的商业价值，巨头们在生态布局下，通过全链式数据通路可获得精准、完整的用户画像，而巨头们在数据的商业化上也更加容易。
对于AI技术的提供者而言，数据价值导向下使得数据搜集是非常必要的，在初期，人们会因为数据被第三方使用而感到不安，从而主张自身的隐私权，实际上，如果数据本身的应用并没有给用户造成困扰，并且为其带来便利的服务，那么此时会有部分用户乐于接受分享数据，因而对于数据价值的商业化应用上，AI技术的提供者应该持有更谨慎的态度。
在笔者看来，AI数据时代中，数据的商业化价值和用户的隐私权利之间需要达到一种动态均衡，即在法律范围的临界点内，数据搜集方与用户之间需要有一种连接机制，以确保在数据产生者的掌控下，有限度的使用数据的商业价值发掘，在隐私保护与AI技术的便利之间达成妥协。而对于当前隐私法、物权法等相关法律并没有对数据归属权益等明确立法的现状下，有限度的使用数据仍然需要依靠企业的意识自觉。
数据算法偏差下的“AI歧视”
在大数据时代，数据有着极底的储存成本，这也意味着在数据驱动的AI时代，一旦有数据生成便很难彻底消除，在数据储存成本的规模递减效应下，彻底删除数据的成本反而更高，因而，数据存在的时间更长，甚至超过创造数据者本身的寿命。而随着储存成本的进一步降低，在不久的将来个人数据可能会实现无限期的储存。
大数据的意义在于不必深究事物“规律性”的同时对于数据分析结论的直接应用，因而大数据常常被用于结果预测，而事实上，基于数据的预测结果也具有时效性，而时效性失效的结果则是基于数据分析的AI交互失真。
也就是说，如果采集的数据本身就具有某种倾向性，则由此训练而来的AI也自然带有这样的倾向性。一项来自于美国的调查研究证明了这一点，在一项基于数据分析的族群预测算法中，算法在预测族群时，通常会把那些身处有歧视历史地区的人预测为黑人，而事实上,并非如此。
又如在一则STEM（科学、技术、工程、数学）领域招聘广告投放中，广告商发现，则这广告很少投放给女性，而事实上广告商则希望这则广告是性别中立的。而在“双曲贴现”效应下数据的时效性问题导致数据“失准”，进一步引发“算法歧视”的问题。
双曲贴现又称为非理性折现，是行为经济学的一个概念，这个现象描述折现率并不是一个不变量，具体是指人们在对未来的收益评估其价值时，倾向于对较近的时期采用更低的折现率，对较远的时期采用更高的折现率。
比如，大多数人可能倾向于选择今天收益60元，而不是一年后拿到100元，因为今天这60元收入可能更有价值，而如果让人们选择一年后拿到60元或者两年后拿到100元，则大多数人会选择两年后拿到100元。即人们会因为收益时间上的差异从而做出不同的决策。
因而，在双曲贴现的情况下，人们短期决策行为所产生的数据将会导致数据本身失准，从而更加容易导致在数据偏差引发的算法偏差后，在应用层面的“算法歧视”。因此，对于数据型AI的使用者而言，在算法的应用层面上也需多一份谨慎和细心。
结尾：
无论是数据AI时代的个人隐私问题还是数据偏差下的“算法歧视”，都是大数据AI发展之路上不可避免的问题，对于人们来说，不论是数据采集端的隐私侵犯，还是AI应用层面的“算法歧视”都是有悖道德甚至法律的边缘试探。而对于如今尚处“幼年”中的AI技术而言，如何正确的引导、影响其发展，在符合人类价道德观念以及道德标准之下创造更大的价值，则是“AI造物主”们值得深思的问题。
科技自媒体刘志刚，订阅号：互联网江湖，微信号：13124791216，转载保留作者版权信息，违者必究。
