TEDGlobal 2013
Alessandro Acquisti: What will a future without secrets look like?
Alessandro Acquisti: Waarom privacy belangrijk is
Filmed:
Readability: 4.8
1,423,103 views
De grens tussen openbaar en privé vervaagde in het afgelopen decennium, zowel online als in het echte leven. Alessandro Acquisti legt uit wat dit betekent en waarom het belangrijk is. In deze tot nadenken stemmende toespraak, deelt hij details van recent en lopend onderzoek -- inclusief een project dat aantoont hoe gemakkelijk het is om een foto van een onbekende na te bootsen op basis van hun gevoelige, persoonlijke informatie.
Alessandro Acquisti - Privacy economist
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
Double-click the English transcript below to play the video.
00:12
I would like to tell you a story
0
641
2354
Ik wil jullie graag een verhaal vertellen
00:14
connecting the notorious privacy incident
1
2995
3176
dat het beruchte privacy-incident
00:18
involving Adam and Eve,
2
6171
2769
van Adam en Eva
00:20
and the remarkable shift in the boundaries
3
8940
3446
verbindt met de merkwaardige verschuiving
van de grenzen
van de grenzen
00:24
between public and private which has occurred
4
12386
2686
tussen openbaar en privé
00:27
in the past 10 years.
5
15072
1770
in de laatste 10 jaar.
00:28
You know the incident.
6
16842
1298
Je kent het voorval.
00:30
Adam and Eve one day in the Garden of Eden
7
18140
3330
Op een dag realiseren Adam en Eva zich
in het Hof van Eden
in het Hof van Eden
00:33
realize they are naked.
8
21470
1843
dat ze naakt zijn.
00:35
They freak out.
9
23313
1500
Ze schrikken zich rot ...
00:36
And the rest is history.
10
24813
2757
en de rest is geschiedenis.
00:39
Nowadays, Adam and Eve
11
27570
2188
Vandaag zouden Adam en Eva
00:41
would probably act differently.
12
29758
2361
waarschijnlijk anders reageren.
00:44
[@Adam Last nite was a blast! loved dat apple LOL]
13
32119
2268
[@Adam Gisteravond was geweldig!
heerlijk die appel LOL]
heerlijk die appel LOL]
00:46
[@Eve yep.. babe, know what happened to my pants tho?]
14
34387
1873
[@Eva yep.. schatje, maar weet je
waar mijn onderbroek is?]
waar mijn onderbroek is?]
00:48
We do reveal so much more information
15
36260
2636
We geven veel meer informatie
00:50
about ourselves online than ever before,
16
38896
3334
over onszelf prijs op het internet dan ooit tevoren,
00:54
and so much information about us
17
42230
1704
en er wordt heel veel informatie over ons
00:55
is being collected by organizations.
18
43934
2224
verzameld door organisaties.
00:58
Now there is much to gain and benefit
19
46158
3282
Er valt veel winst te halen
01:01
from this massive analysis of personal information,
20
49440
2446
uit deze gigantische analyse
van persoonlijke informatie,
van persoonlijke informatie,
01:03
or big data,
21
51886
1946
of grote hoeveelheden data,
01:05
but there are also complex tradeoffs that come
22
53832
2638
maar er komen ook complexe afwegingen kijken
01:08
from giving away our privacy.
23
56470
3098
bij het weggeven van onze privacy.
01:11
And my story is about these tradeoffs.
24
59568
4023
Mijn verhaal gaat over die afwegingen.
01:15
We start with an observation which, in my mind,
25
63591
2584
We beginnen met een vaststelling
die voor mij
die voor mij
01:18
has become clearer and clearer in the past few years,
26
66175
3327
steeds duidelijker werd in de afgelopen jaren:
01:21
that any personal information
27
69502
2097
alle persoonlijke informatie kan
01:23
can become sensitive information.
28
71599
2285
ook gevoelige informatie worden.
01:25
Back in the year 2000, about 100 billion photos
29
73884
4125
In het jaar 2000 werden ongeveer 100 miljard foto's
01:30
were shot worldwide,
30
78009
1912
genomen over de hele wereld,
01:31
but only a minuscule proportion of them
31
79921
3065
maar slechts een minuscuul deel daarvan
01:34
were actually uploaded online.
32
82986
1883
werd daadwerkelijk online gezet.
01:36
In 2010, only on Facebook, in a single month,
33
84869
3361
In 2010 werden alleen op Facebook al,
in één maand,
in één maand,
01:40
2.5 billion photos were uploaded,
34
88230
3270
2,5 miljard foto's geüpload,
01:43
most of them identified.
35
91500
1882
waarvan de meeste geïdentificeerd waren.
01:45
In the same span of time,
36
93382
1880
In dezelfde periode
01:47
computers' ability to recognize people in photos
37
95262
4870
werd het vermogen van computers
voor gezichtsherkenning
voor gezichtsherkenning
01:52
improved by three orders of magnitude.
38
100132
3608
drie ordes van grootte beter.
01:55
What happens when you combine
39
103740
1882
Wat gebeurt er zodra je de volgende
01:57
these technologies together:
40
105622
1501
technologieën combineert:
01:59
increasing availability of facial data;
41
107123
2658
grotere beschikbaarheid van gezichtsdata,
02:01
improving facial recognizing ability by computers;
42
109781
3648
verbeterde gezichtsherkenning,
02:05
but also cloud computing,
43
113429
2182
én cloud computing,
02:07
which gives anyone in this theater
44
115611
1888
wat iedereen in deze zaal
02:09
the kind of computational power
45
117499
1560
de rekenkracht geeft
02:11
which a few years ago was only the domain
46
119059
1886
waarover een paar jaar geleden
02:12
of three-letter agencies;
47
120945
1782
enkel agentschappen met drie letters beschikten,
02:14
and ubiquitous computing,
48
122727
1378
en alomtegenwoordig computergebruik,
02:16
which allows my phone, which is not a supercomputer,
49
124105
2892
wat mijn telefoon in staat stelt,
en dat is geen supercomputer,
en dat is geen supercomputer,
02:18
to connect to the Internet
50
126997
1671
om verbinding te maken met het internet
02:20
and do there hundreds of thousands
51
128668
2334
en daar honderdduizenden
02:23
of face metrics in a few seconds?
52
131002
2639
gezichtsberekeningen te maken
in een paar seconden?
in een paar seconden?
02:25
Well, we conjecture that the result
53
133641
2628
We vermoeden dat als gevolg
02:28
of this combination of technologies
54
136269
2064
van de combinatie van deze technologieën
02:30
will be a radical change in our very notions
55
138333
2888
onze opvattingen over privacy en anonimiteit
radicaal zullen veranderen
radicaal zullen veranderen
02:33
of privacy and anonymity.
56
141221
2257
onze opvattingen over privacy en anonimiteit
radicaal zullen veranderen
radicaal zullen veranderen
02:35
To test that, we did an experiment
57
143478
1993
Als test voerden we een experiment uit
02:37
on Carnegie Mellon University campus.
58
145471
2121
op de campus van Carnegie Mellon University.
02:39
We asked students who were walking by
59
147592
2099
We vroegen studenten
02:41
to participate in a study,
60
149691
1779
om deel te nemen aan een onderzoek,
02:43
and we took a shot with a webcam,
61
151470
2562
we namen hun foto met een webcam.
02:46
and we asked them to fill out a survey on a laptop.
62
154032
2782
Daarna moesten ze een vragenlijst invullen
op een laptop.
op een laptop.
02:48
While they were filling out the survey,
63
156814
1979
Terwijl zij de vragenlijst invulden,
02:50
we uploaded their shot to a cloud-computing cluster,
64
158793
2797
uploadden wij hun foto naar
een cloud computing wolk.
een cloud computing wolk.
02:53
and we started using a facial recognizer
65
161590
1727
We gebruikten een gezichtsherkenner
02:55
to match that shot to a database
66
163317
2405
om de foto te vergelijken
02:57
of some hundreds of thousands of images
67
165722
2393
met honderdduizenden foto's
03:00
which we had downloaded from Facebook profiles.
68
168115
3596
die we hadden gedownload van Facebookprofielen.
03:03
By the time the subject reached the last page
69
171711
3259
Toen de deelnemer de laatste pagina
03:06
on the survey, the page had been dynamically updated
70
174970
3347
van de vragenlijst bereikte,
was de pagina dynamisch geüpdatet
was de pagina dynamisch geüpdatet
03:10
with the 10 best matching photos
71
178317
2313
met de 10 best overeenstemmende foto's
03:12
which the recognizer had found,
72
180630
2285
die de gezichtsherkenner had gevonden.
03:14
and we asked the subjects to indicate
73
182915
1738
We vroegen de deelnemers
03:16
whether he or she found themselves in the photo.
74
184653
4120
of ze zichzelf herkenden in één van de foto's.
03:20
Do you see the subject?
75
188773
3699
Zie je de deelnemer?
03:24
Well, the computer did, and in fact did so
76
192472
2845
De computer in ieder geval wel, en die deed dat zelfs
03:27
for one out of three subjects.
77
195317
2149
in één op de drie gevallen.
03:29
So essentially, we can start from an anonymous face,
78
197466
3184
We kunnen dus gewoon beginnen
met een anoniem gezicht,
met een anoniem gezicht,
03:32
offline or online, and we can use facial recognition
79
200650
3484
offline of online, en gezichtsherkenning gebruiken
03:36
to give a name to that anonymous face
80
204134
2360
om een naam te plakken op dat anonieme gezicht
03:38
thanks to social media data.
81
206494
2108
dankzij gegevens van sociale media.
03:40
But a few years back, we did something else.
82
208602
1872
Een paar jaar geleden deden we iets anders.
03:42
We started from social media data,
83
210474
1823
We begonnen met data van sociale media,
03:44
we combined it statistically with data
84
212297
3051
en combineerden die met statistisch data
03:47
from U.S. government social security,
85
215348
2102
van de Amerikaanse overheid over sociale zekerheid,
03:49
and we ended up predicting social security numbers,
86
217450
3324
en uiteindelijk konden we sofinummers voorspellen,
03:52
which in the United States
87
220774
1512
wat in de Verenigde Staten
03:54
are extremely sensitive information.
88
222286
2040
extreem gevoelige informatie is.
03:56
Do you see where I'm going with this?
89
224326
2093
Volgen jullie mij?
03:58
So if you combine the two studies together,
90
226419
2922
Als je de twee onderzoeken samenvoegt,
04:01
then the question becomes,
91
229341
1512
dan wordt de vraag:
04:02
can you start from a face and,
92
230853
2720
kun je met een foto van een gezicht,
04:05
using facial recognition, find a name
93
233573
2311
met behulp van gezichtsherkenning een naam
04:07
and publicly available information
94
235884
2669
en openbaar beschikbare informatie
04:10
about that name and that person,
95
238553
1932
over die naam en die persoon vinden,
04:12
and from that publicly available information
96
240485
2248
en uit die openbare informatie
04:14
infer non-publicly available information,
97
242733
2042
afgeschermde informatie afleiden,
04:16
much more sensitive ones
98
244775
1606
veel gevoeligere informatie,
04:18
which you link back to the face?
99
246381
1492
die je weer koppelt aan het gezicht?
04:19
And the answer is, yes, we can, and we did.
100
247873
1916
Het antwoord is ja, dat kunnen we,
en dat hebben we ook gedaan.
en dat hebben we ook gedaan.
04:21
Of course, the accuracy keeps getting worse.
101
249789
2568
Natuurlijk neemt de nauwkeurigheid steeds meer af.
04:24
[27% of subjects' first 5 SSN digits identified (with 4 attempts)]
102
252357
944
[27% van de eerste 5 cijfers van de sofinummers van de deelnemers geïdentificeerd (met 4 pogingen)]
04:25
But in fact, we even decided to develop an iPhone app
103
253301
3827
We ontwikkelden zelfs een iPhone app
04:29
which uses the phone's internal camera
104
257128
2715
die gebruikmaakt van de camera van de telefoon
04:31
to take a shot of a subject
105
259843
1600
om een foto te nemen van een deelnemer,
04:33
and then upload it to a cloud
106
261443
1487
die uploadt naar een wolk,
04:34
and then do what I just described to you in real time:
107
262930
2662
en vervolgens doet wat ik jullie zojuist heb uitgelegd:
04:37
looking for a match, finding public information,
108
265592
2088
zoeken naar een overeenkomst,
openbare informatie opsporen,
openbare informatie opsporen,
04:39
trying to infer sensitive information,
109
267680
1730
gevoelige informatie afleiden,
04:41
and then sending back to the phone
110
269410
2591
en vervolgens terugsturen naar de telefoon,
04:44
so that it is overlaid on the face of the subject,
111
272001
3609
en bij het gezicht voegen.
04:47
an example of augmented reality,
112
275610
1901
Een voorbeeld van toegevoegde realiteit,
04:49
probably a creepy example of augmented reality.
113
277511
2451
een eng voorbeeld van toegevoegde realiteit.
04:51
In fact, we didn't develop the app to make it available,
114
279962
3339
We hebben deze app niet ontwikkeld
om ze beschikbaar te maken,
om ze beschikbaar te maken,
04:55
just as a proof of concept.
115
283301
1922
maar alleen om te bewijzen dat het kan.
04:57
In fact, take these technologies
116
285223
2313
Stel dat je deze technologieën neemt
04:59
and push them to their logical extreme.
117
287536
1837
en ze tot het uiterste drijft.
05:01
Imagine a future in which strangers around you
118
289373
2719
Stel je eens een toekomst voor waarin onbekenden
05:04
will look at you through their Google Glasses
119
292092
2311
je aankijken door hun Google-bril
05:06
or, one day, their contact lenses,
120
294403
2307
of, ooit, hun contactlenzen,
05:08
and use seven or eight data points about you
121
296710
4020
en zeven of acht datapunten van jou gebruiken
05:12
to infer anything else
122
300730
2582
om alles af te leiden
05:15
which may be known about you.
123
303312
2603
wat er bekend is over jou.
05:17
What will this future without secrets look like?
124
305915
4794
Hoe zal deze toekomst zonder geheimen eruit zien?
05:22
And should we care?
125
310709
1964
Moeten we ons daarover zorgen maken?
05:24
We may like to believe
126
312673
1891
We geloven misschien graag
05:26
that the future with so much wealth of data
127
314564
3040
dat de toekomst, met die overvloed aan data,
05:29
would be a future with no more biases,
128
317604
2514
een toekomst zonder vooroordelen zal zijn.
05:32
but in fact, having so much information
129
320118
3583
Beschikken over een grote hoeveelheid informatie,
05:35
doesn't mean that we will make decisions
130
323701
2191
betekent niet dat we beslissingen gaan nemen
05:37
which are more objective.
131
325892
1706
die objectiever zijn.
05:39
In another experiment, we presented to our subjects
132
327598
2560
In een ander experiment
legden we onze deelnemers
legden we onze deelnemers
05:42
information about a potential job candidate.
133
330158
2246
informatie voor over een sollicitant.
05:44
We included in this information some references
134
332404
3178
Deze informatie bevatte wat verwijzingen
05:47
to some funny, absolutely legal,
135
335582
2646
naar wat grappige, volledig juiste,
05:50
but perhaps slightly embarrassing information
136
338228
2465
maar wellicht lichtelijk gênante informatie
05:52
that the subject had posted online.
137
340693
2020
die de deelnemer online had gedeeld.
05:54
Now interestingly, among our subjects,
138
342713
2366
Het was interessant dat, van onze deelnemers,
05:57
some had posted comparable information,
139
345079
3083
sommigen vergelijkbare informatie hadden gedeeld,
06:00
and some had not.
140
348162
2362
en sommigen niet.
06:02
Which group do you think
141
350524
1949
Welke groep denk je,
06:04
was more likely to judge harshly our subject?
142
352473
4552
beoordeelde onze deelnemer strenger?
06:09
Paradoxically, it was the group
143
357025
1957
Paradoxaal genoeg was het de groep
06:10
who had posted similar information,
144
358982
1733
die vergelijkbare informatie had gedeeld,
06:12
an example of moral dissonance.
145
360715
2942
een voorbeeld van morele dissonantie.
06:15
Now you may be thinking,
146
363657
1750
Nu denk je misschien,
06:17
this does not apply to me,
147
365407
1702
dit gaat niet op voor mij,
06:19
because I have nothing to hide.
148
367109
2162
want ik heb niets te verbergen.
06:21
But in fact, privacy is not about
149
369271
2482
Maar privacy gaat niet echt over
06:23
having something negative to hide.
150
371753
3676
het verbergen van iets negatiefs.
06:27
Imagine that you are the H.R. director
151
375429
2354
Stel je eens voor dat jij de H.R. directeur bent
06:29
of a certain organization, and you receive résumés,
152
377783
2947
van een bepaalde organisatie, en je ontvangt cv's,
06:32
and you decide to find more information about the candidates.
153
380730
2473
en je besluit meer informatie te zoeken
over de kandidaten.
over de kandidaten.
06:35
Therefore, you Google their names
154
383203
2460
Om die reden google je hun namen,
06:37
and in a certain universe,
155
385663
2240
en in een bepaalde werkelijkheid
06:39
you find this information.
156
387903
2008
vind je déze informatie.
06:41
Or in a parallel universe, you find this information.
157
389911
4437
In een alternatieve werkelijkheid
vind je déze informatie.
vind je déze informatie.
06:46
Do you think that you would be equally likely
158
394348
2717
Denk je dat het je niet zou uitmaken
06:49
to call either candidate for an interview?
159
397065
2803
welke kandidaat je uitnodigt
voor een sollicitatiegesprek?
voor een sollicitatiegesprek?
06:51
If you think so, then you are not
160
399868
2282
Als je dat denkt, dan ben je niet
06:54
like the U.S. employers who are, in fact,
161
402150
2582
zoals Amerikaanse werkgevers,
06:56
part of our experiment, meaning we did exactly that.
162
404732
3307
die deel uitmaken van exact ditzelfde experiment.
07:00
We created Facebook profiles, manipulating traits,
163
408039
3182
We creëerden Facebookprofielen,
manipuleerden eigenschappen,
manipuleerden eigenschappen,
07:03
then we started sending out résumés to companies in the U.S.,
164
411221
2851
waarna we cv's begonnen te verzenden
naar bedrijven in de V.S.,
naar bedrijven in de V.S.,
07:06
and we detected, we monitored,
165
414072
1908
en we achterhaalden, we controleerden,
07:07
whether they were searching for our candidates,
166
415980
2393
of ze op zoek waren naar onze kandidaten,
07:10
and whether they were acting on the information
167
418373
1832
en of ze reageerden op de informatie
07:12
they found on social media. And they were.
168
420205
1938
die ze vonden in sociale media.
Dat deden ze.
Dat deden ze.
07:14
Discrimination was happening through social media
169
422143
2101
Ze discrimineerden op basis van sociale media
07:16
for equally skilled candidates.
170
424244
3073
bij even bekwame kandidaten.
07:19
Now marketers like us to believe
171
427317
4575
Marketeers doen ons graag geloven
07:23
that all information about us will always
172
431892
2269
dat alle informatie over ons
07:26
be used in a manner which is in our favor.
173
434161
3273
altijd in ons voordeel gebruikt zal worden.
07:29
But think again. Why should that be always the case?
174
437434
3715
Maar denk eens na:
waarom zou dat altijd het geval zijn?
waarom zou dat altijd het geval zijn?
07:33
In a movie which came out a few years ago,
175
441149
2664
'Minority Report', een film van een paar jaar
geleden, heeft een beroemde scène
geleden, heeft een beroemde scène
07:35
"Minority Report," a famous scene
176
443813
2553
'Minority Report', een film van een paar jaar
geleden, heeft een beroemde scène
geleden, heeft een beroemde scène
07:38
had Tom Cruise walk in a mall
177
446366
2576
waarin Tom Cruise in een winkelcentrum loopt
07:40
and holographic personalized advertising
178
448942
3776
en er holografische, gepersonaliseerde reclames
07:44
would appear around him.
179
452718
1835
om hem heen verschijnen.
07:46
Now, that movie is set in 2054,
180
454553
3227
Die film speelde zich af in 2054,
07:49
about 40 years from now,
181
457780
1642
binnen ongeveer 40 jaar dus,
07:51
and as exciting as that technology looks,
182
459422
2908
en hoe opwindend die technologie ook lijkt,
07:54
it already vastly underestimates
183
462330
2646
het onderschat al enorm
07:56
the amount of information that organizations
184
464976
2140
hoeveel informatie organisaties
07:59
can gather about you, and how they can use it
185
467116
2483
over jou te weten komen,
en hoe ze het kunnen gebruiken
en hoe ze het kunnen gebruiken
08:01
to influence you in a way that you will not even detect.
186
469599
3398
om je te beïnvloeden op zó'n manier,
dat je het niet eens doorhebt.
dat je het niet eens doorhebt.
08:04
So as an example, this is another experiment
187
472997
2103
Ter illustratie nog een lopend,
08:07
actually we are running, not yet completed.
188
475100
2273
nog niet voltooid experiment.
08:09
Imagine that an organization has access
189
477373
2319
Stel je een organisatie voor die toegang heeft
08:11
to your list of Facebook friends,
190
479692
2056
tot je vriendenlijst op Facebook.
08:13
and through some kind of algorithm
191
481748
1772
Met een bepaald algoritme
08:15
they can detect the two friends that you like the most.
192
483520
3734
kunnen ze achterhalen
wie je twee beste vrienden zijn.
wie je twee beste vrienden zijn.
08:19
And then they create, in real time,
193
487254
2280
Vervolgens creëren ze, in het echt,
08:21
a facial composite of these two friends.
194
489534
2842
een samenstelling van de gezichten van je vrienden.
08:24
Now studies prior to ours have shown that people
195
492376
3069
Eerder onderzoeken toonden aan dat mensen
08:27
don't recognize any longer even themselves
196
495445
2885
zichzelf dan niet meer herkennen
08:30
in facial composites, but they react
197
498330
2462
in de samenstelling, maar ze reageren er wel
08:32
to those composites in a positive manner.
198
500792
2117
op een positieve manier op.
08:34
So next time you are looking for a certain product,
199
502909
3415
Als je binnenkort op zoek bent
naar een bepaald product,
naar een bepaald product,
08:38
and there is an ad suggesting you to buy it,
200
506324
2559
en reclame ziet die je aanmoedigt om het te kopen,
08:40
it will not be just a standard spokesperson.
201
508883
2907
dan zal dat niet een gemiddelde woordvoerder zijn,
08:43
It will be one of your friends,
202
511790
2313
maar één van je vrienden,
08:46
and you will not even know that this is happening.
203
514103
3303
en je zal het niet eens doorhebben dat dat gebeurt.
08:49
Now the problem is that
204
517406
2413
Het probleem is dat
08:51
the current policy mechanisms we have
205
519819
2519
onze huidige beleidsmechanismen
08:54
to protect ourselves from the abuses of personal information
206
522338
3438
om onszelf te beschermen tegen
misbruik van persoonlijke informatie,
misbruik van persoonlijke informatie,
08:57
are like bringing a knife to a gunfight.
207
525776
2984
volstrekt nutteloos zijn.
09:00
One of these mechanisms is transparency,
208
528760
2913
Eén van deze mechanismen is transparantie:
09:03
telling people what you are going to do with their data.
209
531673
3200
aan mensen vertellen
wat je gaat doen met hun data.
wat je gaat doen met hun data.
09:06
And in principle, that's a very good thing.
210
534873
2106
In principe is dat iets heel goeds.
09:08
It's necessary, but it is not sufficient.
211
536979
3667
Het is noodzakelijk, maar het is niet voldoende.
09:12
Transparency can be misdirected.
212
540646
3698
Transparantie kan de verkeerde kant uitgaan.
09:16
You can tell people what you are going to do,
213
544344
2104
Je kunt mensen wel vertellen wat je gaat doen,
09:18
and then you still nudge them to disclose
214
546448
2232
en ze toch porren willekeurige hoeveelheden
persoonlijke informatie prijs te geven.
persoonlijke informatie prijs te geven.
09:20
arbitrary amounts of personal information.
215
548680
2623
en ze toch porren willekeurige hoeveelheden
persoonlijke informatie prijs te geven.
persoonlijke informatie prijs te geven.
09:23
So in yet another experiment, this one with students,
216
551303
2886
In nog een ander experiment, ditmaal met studenten,
09:26
we asked them to provide information
217
554189
3058
vroegen we om informatie te geven
09:29
about their campus behavior,
218
557247
1813
over hun gedrag op de campus,
09:31
including pretty sensitive questions, such as this one.
219
559060
2940
inclusief vrij gevoelige vragen, zoals de volgende.
09:34
[Have you ever cheated in an exam?]
220
562000
621
[Spiekte je ooit op een examen?]
09:34
Now to one group of subjects, we told them,
221
562621
2300
De ene groep vertelden we:
09:36
"Only other students will see your answers."
222
564921
2841
"Alleen medestudenten zullen
je antwoorden te zien krijgen."
je antwoorden te zien krijgen."
09:39
To another group of subjects, we told them,
223
567762
1579
Een andere groep vertelden we:
09:41
"Students and faculty will see your answers."
224
569341
3561
"Zowel studenten als de faculteit zullen
je antwoorden te zien krijgen."
je antwoorden te zien krijgen."
09:44
Transparency. Notification. And sure enough, this worked,
225
572902
2591
Transparantie. Bekendmaking.
En inderdaad, het werkte:
En inderdaad, het werkte:
09:47
in the sense that the first group of subjects
226
575493
1407
de eerste deelnemersgroep
09:48
were much more likely to disclose than the second.
227
576900
2568
gaf veel sneller informatie prijs.
09:51
It makes sense, right?
228
579468
1520
Dat is logisch, toch?
09:52
But then we added the misdirection.
229
580988
1490
Maar toen voegden we de misleiding toe.
09:54
We repeated the experiment with the same two groups,
230
582478
2760
We herhaalden het experiment
met dezelfde groepen,
met dezelfde groepen,
09:57
this time adding a delay
231
585238
2427
maar ditmaal met een vertraging
09:59
between the time we told subjects
232
587665
2935
tussen het moment dat we de deelnemers vertelden
10:02
how we would use their data
233
590600
2080
hoe we hun data zouden gebruiken
10:04
and the time we actually started answering the questions.
234
592680
4388
en het moment waarop we daadwerkelijk
de vragen afnamen.
de vragen afnamen.
10:09
How long a delay do you think we had to add
235
597068
2561
Hoeveel vertraging denk je dat er nodig was
10:11
in order to nullify the inhibitory effect
236
599629
4613
om het remmende effect teniet te doen
10:16
of knowing that faculty would see your answers?
237
604242
3411
van de kennis dat de faculteit je antwoorden
te zien krijgt?
te zien krijgt?
10:19
Ten minutes?
238
607653
1780
Tien minuten?
10:21
Five minutes?
239
609433
1791
Vijf minuten?
10:23
One minute?
240
611224
1776
Eén minuut?
10:25
How about 15 seconds?
241
613000
2049
Wat dacht je van 15 seconden?
10:27
Fifteen seconds were sufficient to have the two groups
242
615049
2668
Vijftien seconden was genoeg om de twee groepen
10:29
disclose the same amount of information,
243
617717
1568
evenveel informatie te laten onthullen,
10:31
as if the second group now no longer cares
244
619285
2746
alsof het de tweede groep niet meer uitmaakte
10:34
for faculty reading their answers.
245
622031
2656
dat de faculteit hun antwoorden te lezen zou krijgen.
10:36
Now I have to admit that this talk so far
246
624687
3336
Ik moet toegeven dat deze toespraak tot nu toe
10:40
may sound exceedingly gloomy,
247
628023
2480
misschien buitengewoon somber klinkt,
10:42
but that is not my point.
248
630503
1721
maar dat is niet mijn punt.
10:44
In fact, I want to share with you the fact that
249
632224
2699
Ik wil dat jullie weten dat er alternatieven zijn.
10:46
there are alternatives.
250
634923
1772
Ik wil dat jullie weten dat er alternatieven zijn.
10:48
The way we are doing things now is not the only way
251
636695
2499
De manier waarop we dingen nu doen,
is niet de enige mogelijke manier,
is niet de enige mogelijke manier,
10:51
they can done, and certainly not the best way
252
639194
3037
en zeker niet de beste manier
10:54
they can be done.
253
642231
2027
waarop het kan gedaan worden.
10:56
When someone tells you, "People don't care about privacy,"
254
644258
4171
Als iemand tegen je zegt:
"Mensen geven niet om privacy,"
"Mensen geven niet om privacy,"
11:00
consider whether the game has been designed
255
648429
2642
ga dan na of het spelletje dusdanig ontworpen
11:03
and rigged so that they cannot care about privacy,
256
651071
2724
en gemanipuleerd is,
dat ze niet om privacy kunnen geven.
dat ze niet om privacy kunnen geven.
11:05
and coming to the realization that these manipulations occur
257
653795
3262
Als je tot het besef komt dat
deze manipulaties gebeuren,
deze manipulaties gebeuren,
11:09
is already halfway through the process
258
657057
1607
ben je al halverwege het proces
11:10
of being able to protect yourself.
259
658664
2258
om jezelf te beschermen.
11:12
When someone tells you that privacy is incompatible
260
660922
3710
Als iemand je vertelt dat privacy onverenigbaar is
11:16
with the benefits of big data,
261
664632
1849
met de voordelen van grote hoeveelheden data,
11:18
consider that in the last 20 years,
262
666481
2473
bedenk dan dat onderzoekers in de laatste 20 jaar
11:20
researchers have created technologies
263
668954
1917
technologieën hebben gecreëerd
11:22
to allow virtually any electronic transactions
264
670871
3318
die het mogelijk maken dat vrijwel
elke elektronische transactie
elke elektronische transactie
11:26
to take place in a more privacy-preserving manner.
265
674189
3749
gebeurt op een
privacybeschermende manier.
privacybeschermende manier.
11:29
We can browse the Internet anonymously.
266
677938
2555
We kunnen anoniem surfen op het internet.
11:32
We can send emails that can only be read
267
680493
2678
We kunnen e-mails versturen die alleen
gelezen kunnen worden
gelezen kunnen worden
11:35
by the intended recipient, not even the NSA.
268
683171
3709
door de bedoelde ontvanger, niet eens de NSA.
11:38
We can have even privacy-preserving data mining.
269
686880
2997
We kunnen zelfs op privacybeschermende wijze
doen aan datamining.
doen aan datamining.
11:41
In other words, we can have the benefits of big data
270
689877
3894
Met andere woorden, we kunnen profiteren
van grote hoeveelheden data,
van grote hoeveelheden data,
11:45
while protecting privacy.
271
693771
2132
terwijl we onze privacy beschermen.
11:47
Of course, these technologies imply a shifting
272
695903
3791
Deze technologieën betekenen wel
een verschuiving
een verschuiving
11:51
of cost and revenues
273
699694
1546
van kosten en opbrengsten
11:53
between data holders and data subjects,
274
701240
2107
tussen gegevenshouders en de betrokkenen,
11:55
which is why, perhaps, you don't hear more about them.
275
703347
3453
wat misschien de reden is dat
je niet erg veel over ze hoort.
je niet erg veel over ze hoort.
11:58
Which brings me back to the Garden of Eden.
276
706800
3706
Dat brengt me terug bij het Hof van Eden.
12:02
There is a second privacy interpretation
277
710506
2780
Er is nog een tweede interpretatie van de privacy
12:05
of the story of the Garden of Eden
278
713286
1809
in het verhaal van het Hof van Eden,
12:07
which doesn't have to do with the issue
279
715095
2096
en die heeft niets te maken met het feit dat
12:09
of Adam and Eve feeling naked
280
717191
2225
Adam en Eva zich naakt voelen
12:11
and feeling ashamed.
281
719416
2381
en zich schamen.
12:13
You can find echoes of this interpretation
282
721797
2781
Je kunt de naklank van deze interpretatie vinden
12:16
in John Milton's "Paradise Lost."
283
724578
2782
in John Milton's "Paradise Lost".
12:19
In the garden, Adam and Eve are materially content.
284
727360
4197
In de tuin worden Adam en Eva
voorzien in al hun behoeftes.
voorzien in al hun behoeftes.
12:23
They're happy. They are satisfied.
285
731557
2104
Ze zijn blij. Ze zijn tevreden.
12:25
However, they also lack knowledge
286
733661
2293
Maar het ontbreekt ze aan kennis
12:27
and self-awareness.
287
735954
1640
en zelfbewustzijn.
12:29
The moment they eat the aptly named
288
737594
3319
Pas op het moment dat ze
de zo treffend genoemde
de zo treffend genoemde
12:32
fruit of knowledge,
289
740913
1293
'vrucht van kennis' opeten,
12:34
that's when they discover themselves.
290
742206
2605
ontdekken ze zichzelf.
12:36
They become aware. They achieve autonomy.
291
744811
4031
Ze worden bewust. Ze worden autonoom.
12:40
The price to pay, however, is leaving the garden.
292
748842
3126
Daarvoor moeten ze echter wel de tuin verlaten.
12:43
So privacy, in a way, is both the means
293
751968
3881
Privacy is dus zowel het middel
12:47
and the price to pay for freedom.
294
755849
2962
als de prijs die we betalen voor vrijheid.
12:50
Again, marketers tell us
295
758811
2770
Nogmaals, marketeers vertellen ons
12:53
that big data and social media
296
761581
3019
dat grote hoeveelheden data en sociale media
12:56
are not just a paradise of profit for them,
297
764600
2979
niet alleen een winstparadijs voor hen is,
12:59
but a Garden of Eden for the rest of us.
298
767579
2457
maar ook een Hof van Eden voor de rest van ons.
13:02
We get free content.
299
770036
1238
We krijgen gratis content.
13:03
We get to play Angry Birds. We get targeted apps.
300
771274
3123
We kunnen Angry Birds spelen.
We krijgen doelgerichte apps.
We krijgen doelgerichte apps.
13:06
But in fact, in a few years, organizations
301
774397
2897
Maar in feite zullen organisaties over een paar jaar
13:09
will know so much about us,
302
777294
1609
zoveel over ons weten,
13:10
they will be able to infer our desires
303
778903
2710
dat ze onze wensen zullen kunnen afleiden
13:13
before we even form them, and perhaps
304
781613
2204
nog voor we ze hebben gevormd, en misschien
13:15
buy products on our behalf
305
783817
2447
namens ons producten kopen,
13:18
before we even know we need them.
306
786264
2274
nog voordat we weten dat we ze nodig hebben.
13:20
Now there was one English author
307
788538
3237
Er was één Engelse auteur
13:23
who anticipated this kind of future
308
791775
3045
die anticipeerde op het soort toekomst
13:26
where we would trade away
309
794820
1405
waarin we onze autonomie en vrijheid
13:28
our autonomy and freedom for comfort.
310
796225
3548
zouden verhandelen voor comfort.
13:31
Even more so than George Orwell,
311
799773
2161
Meer nog dan George Orwell,
13:33
the author is, of course, Aldous Huxley.
312
801934
2761
want ik heb het natuurlijk over Aldous Huxley.
13:36
In "Brave New World," he imagines a society
313
804695
2854
In "Brave New World"
beeldt hij zich een maatschappij in
beeldt hij zich een maatschappij in
13:39
where technologies that we created
314
807549
2171
waarin technologieën die we oorspronkelijk
13:41
originally for freedom
315
809720
1859
creëerden voor vrijheid,
13:43
end up coercing us.
316
811579
2567
ons uiteindelijk gaan bedwingen.
13:46
However, in the book, he also offers us a way out
317
814146
4791
Hij biedt ons in het boek ook een uitweg
13:50
of that society, similar to the path
318
818937
3438
van die maatschappij, vergelijkbaar met het pad
13:54
that Adam and Eve had to follow to leave the garden.
319
822375
3955
dat Adam en Eva moesten volgen
om het Hof te verlaten.
om het Hof te verlaten.
13:58
In the words of the Savage,
320
826330
2147
In de woorden van de Savage,
14:00
regaining autonomy and freedom is possible,
321
828477
3069
het is mogelijk om autonomie en vrijheid
terug te krijgen,
terug te krijgen,
14:03
although the price to pay is steep.
322
831546
2679
maar daar hangt een duur prijskaartje aan.
14:06
So I do believe that one of the defining fights
323
834225
5715
Ik geloof dus dat één van de bepalende gevechten
14:11
of our times will be the fight
324
839940
2563
van onze tijd, het gevecht
14:14
for the control over personal information,
325
842503
2387
om de controle van persoonlijke informatie zal zijn,
14:16
the fight over whether big data will become a force
326
844890
3507
het gevecht dat bepaalt of
grote hoeveelheden data een kracht worden
grote hoeveelheden data een kracht worden
14:20
for freedom,
327
848397
1289
voor vrijheid,
14:21
rather than a force which will hiddenly manipulate us.
328
849686
4746
in plaats van een kracht die ons
ongemerkt manipuleert.
ongemerkt manipuleert.
14:26
Right now, many of us
329
854432
2593
Op dit moment weten velen van ons
14:29
do not even know that the fight is going on,
330
857025
2753
niet eens dat dit gevecht gaande is,
14:31
but it is, whether you like it or not.
331
859778
2672
maar dat is het wel, of je dat nou leuk vindt of niet.
14:34
And at the risk of playing the serpent,
332
862450
2804
Om te voorkomen dat wij de slang gaan spelen,
14:37
I will tell you that the tools for the fight
333
865254
2897
zal ik je vertellen dat de middelen voor dit gevecht
14:40
are here, the awareness of what is going on,
334
868151
3009
in je hoofd zitten,
het besef van wat er gaande is,
het besef van wat er gaande is,
14:43
and in your hands,
335
871160
1355
en in je handen,
14:44
just a few clicks away.
336
872515
3740
want het scheelt slechts een paar klikken.
14:48
Thank you.
337
876255
1482
Dankjewel.
14:49
(Applause)
338
877737
4477
(Applaus)
ABOUT THE SPEAKER
Alessandro Acquisti - Privacy economistWhat motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks.
Why you should listen
Online, we humans are paradoxical: We cherish privacy, but freely disclose our personal information in certain contexts. Privacy economics offers a powerful lens to understand this paradox, and the field has been spearheaded by Alessandro Acquisti and his colleagues' analyses of how we decide what to share online and what we get in return.
His team's surprising studies on facial recognition software showed that it can connect an anonymous human face to an online name -- and then to a Facebook account -- in about 3 seconds. Other work shows how easy it can be to find a US citizen's Social Security number using basic pattern matching on public data. Work like this earned him an invitation to testify before a US Senate committee on the impact technology has on civil liberties.
Read about his work in the New York Times »
Alessandro Acquisti | Speaker | TED.com