Christopher Wylie, en varsler av samme kaliber som Edward Snowden, har nylig r?pet noen av de digitale superkreftenes hemmeligheter. Wylie er aktuell med boken Mindf*ck: Inside Cambridge Analytica’s plot to break the world. Her forteller han om den m?rke innsiden av det digitale maskineriet Cambridge Analytica, som ved hjelp av mega-akt?ren Facebook manipulerte b?de det amerikanske presidentvalget og Brexit i Storbritannia i 2016. Selv det norske partiet H?yre var i kontakt med Cambridge Analytica, bekreftes det til NRK i en avisartikkel fra mars 2018 – dog takket H?yre nei til videre 澳门葡京手机版app下载 grunnet ?selskapets metoder var over grensen?. En essensiell forutsetning ved demokratiske valg er at velgerne skal st? fritt til ? velge mellom de tilgjengelige alternativene. For ? opprettholde denne grunnleggende retten eksisterer det ?konomiske og reklamemessige begrensninger som partiene og andre akt?rer m? forholde seg til. Selskaper som Cambridge Analytica representerer en d?delig trussel mot denne sentrale b?rebjelken av demokratiske samfunn – hvordan har de f?tt til det?
Gullbelagt data
Det viser seg at data, n?rmere sagt personlig informasjon, er n?kkelen for ? svinge demokratiske valg. De store selskapene inns? lenge f?r forbrukerne at data er det nye gullet, og vi har i ?revis gitt det bort for skitt og ingenting – til bytte mot gratis tilgang p? sosiale medier. Avtalen var forholdsvis grei og rett frem, vi fyller inn personlig informasjon om oss selv, deler v?re bilder og v?re GPS-koordinater. Til gjengjeld f?r vi en bedre og persontilpasset tjeneste som kjenner oss, og som kun viser relevante tilbud, nyheter, og annet som vi faktisk er interessert i. Dette er positive konsekvenser ved informasjonsdeling som vi tjenes med. N? har det derimot vist seg at dataen har blitt brukt til langt mer enn bare dette.
Maskin m?ter personlighet
N?r du er i besittelse av s? mye personlig informasjon, om s? mange mennesker som Facebook har, kan du nemlig f? en ganske n?yaktig representasjon av menneskets personlighet, temperament og f?lelsesliv. Informasjonen brukere deler med Facebook er allerede kategorisert og systematisert, perfekt for ? trene opp maskinl?ringsalgoritmer. Data er selve drivstoffet i maskinl?ring, og jo mer du har, jo bedre og mer n?yaktig vil algoritmene klare ? modellere og forutsi adferd. For eksempel viste en gruppe forskere ved institutt for psykologi ved Universitetet i Cambridge (2015) at algoritmers evne til ? kartlegge personlighetstrekk korrelerer tett med antall datapunkter den har – i dette tilfellet antall likes den kan hente fra en Facebook-profil. Med 10 likes kan algoritmen modellere adferd p? lignende niv? som en kollega, men med 300 likes l?rte algoritmen ? predikere adferd mer n?yaktig enn en ektefelle.
Psykometrisk kartlegging
Personlighetsmodellen som brukes i moderne psykologisk forskning heter femfaktormodellen og kartlegger personlighet ved 5 dimensjoner (OCEAN). Det er enkelt ? kartlegge noen p? femfaktormodellen, man trenger bare besvare 100-300 sp?rsm?l relatert til ens personlighet. Flere besvarte sp?rsm?l gir et mer n?yaktig bilde. Dette kan h?res banalt ut, men modellen har visst seg ? v?re sv?rt god til ? predikere politisk st?sted, musikkpreferanser, disposisjon for depresjon og mye mer. For eksempel vil en person med h?y sk?re i O, ?penhet for erfaringer, statistisk sett v?re mer politisk liberal, mens en h?y sk?re i C, planmessighet, statistisk sett vil v?re mer politisk konservativ. Wylie forklarer hvordan selskapet lagde applikasjoner som inkorporerte en variant av femfaktormodellen for ? skape en psykologisk modell av velgerne. Personlig informasjon hentet fra Facebook, skattelister, handlevaner og s? videre - kombinert med psykrometrisk kartlegging gjorde Cambridge Analytica i stand til ? kjenne ‘kundene’ sine bedre enn hva som tidligere har v?rt mulig, og dermed hva som skal til for ? svinge meningene deres, ved personifisert reklame eller et spesifikt sett av nyhetsartikler p? Facebook. En objektiv forside slik vi er kjent med fra tradisjonelle aviser eksisterer dermed ikke lenger.
Hive Mind
Men hva i alle dager betyr alt dette? Det blir fort veldig abstrakt, teknisk og til dels svevende, la meg presentere en l?s metafor som kan gi en intuisjon om hvordan disse algoritmene overstyrer oss. Det er et engelsk uttrykk, hive mind, som brukes til ? beskrive desentralisert intelligens som en fiskestim, en bikube eller en maurtue. Desentralisert betyr at alle individene p? en eller annen m?te er involvert i overordnede avgj?relser som tas. Samtidig er de del av en helhet som er mer enn summen av individene – i den forstand at det ikke er et demokratisk valg der fiskene blir enige om ? sv?mme hit eller dit, det skjer synkront og samtidig. Det menneskelige samfunn er litt som dette, vi har store selskaper og institusjoner som egentlig bare er en mellom-menneskelige abstraksjoner (Sapiens, 2015), de eksisterer ikke ett faktisk sted, men som desentraliserte fragmenter i hvert av v?re sinn. Hold denne idéen i bakhodet, mens du inkorporerer idéen av ? ha en ‘finger p? vekta’; ? manipulere noe i en bestemt retning uten ? bli lagt merke til. Informasjonen vi mottar har blitt mediert via et filter, noen hatt en finger p? vekta, og gjort velgerne mer mottakelige til det resultatet som Cambridge Analytica styrte dem mot. Vi er alts? litt som en fisk i en stim, vi f?ler at det er oss selv som velger ? sv?mme den retningen vi gj?r, men egentlig er det noe i kulissene som trekker i tr?dene, ubevisst blir vi manipulert av algoritmer som er trent til ? kjenne oss bedre enn vi selv gj?r.
Psykohistorie (Isaac Asimov)
If?lge Wylie har man n? evnen til ? ta det enda et steg lenger. Psykohistorie, opprinnelig en forestilt og teoretisk vitenskap fra Isaac Asimovs Foundation-univers, er mer eller mindre blitt en virkelighet. Asimov definerer det som: ?En vitenskap som kombinerer historie, sosiologi og matematisk statistikk for ? gi generelle sp?dommer om fremtidige oppf?rsel for veldig store grupper mennesker?. Gitt at Cambridge Analytica var i besittelse av informasjon om titallsmillioner velgere, kunne de gj?re nettopp dette: simulere utfallet av ulike inputs (diskusjonstemaer i dette tilfellet) f?r det faktisk skjedde. Det betyr at de kunne teste hvilke saker, for eksempel immigrasjon, ?konomi og kj?nn; eller hvilke slagord, ‘make America great again!’, som ville harmonere med velgerne. Slike metoder har naturligvis alltid blitt brukt, det er slik det avledes statistikk om fremtidige valgresultater, men Cambridge Analytica viste oss hvordan man tar det til et helt nytt niv?. Det fungerer omtrent som et sv?rt intrikat dataspill, med utallige relasjoner og implikasjoner som kun en datamaskin kan beregne. Eksempel: Vi har identifisert en gruppe velgere som har h?y N, nevrotisisme, og som er kulturelt homogene. Deres adferd og respons kan simuleres med h?y n?yaktighet, s? tilpasses input basert p? hvilken retning en vil svinge, dersom en vil frembringe en innvandrerfiendtlig respons kunne en gi gruppen reklamer og artikler som overdriver oss-demdikotomien, helt uten at velgerne selv er bevisste over det. Det revolusjonerende er at dette gj?res billig, det er algoritmene som finner ut akkurat hvordan en melding skal justeres for ? harmonere best med et gitt individ, basert p? deres psykologiske sammensetning.
Sp?kelser i veggene
Det er n? allerede 3 ?r siden algoritmer hadde en avgj?rende finger med i 2010-tallets kanskje to viktigste demokratiske valg, Trump og Brexit – og dette er kun de tilfelle vi faktisk vet om. For alt vi vet er dette kun en br?kdel av den totale p?virkningskraften selskaper og akt?rer som dette har. Det virker obskurt og litt science-fiction-aktig, men vi m? venne oss til tanken at det n? eksisterer ‘sp?kelser’ i veggene rundt oss, som lytter og l?rer oss ? kjenne, bedre og bedre for hver dag som g?r. Disse algoritmene (sp?kelsene) er likevel ikke autonome, hva slags m?lsetting de har og delvis hvordan de skal operere avgj?res av mennesker og selskaper – vi m? strebe etter ? holde dem ansvarlig, for de essensielle premissene til demokratiske valg st?r n? p? spill.
.png?alt=listing)