ビッグデータの倫理（ビッグデータのりんり、）は、単にデータ倫理（データりんり、）とも呼ばれ、データ、特に個人データの取り扱いに関する正・不正の概念を体系化し、擁護し、推奨することを指す。インターネットの黎明期以来、データの量と質は劇的に増加しており、指数関数的に増え続けている。ビッグデータとは、従来のデータ処理アプリケーションでは対応しきれないほど膨大かつ複雑なデータの総体を指す。高スループット・ゲノムシーケンシング、高解像度イメージング、電子カルテ、インターネットに接続された各種医療デバイスなど医療研究・ヘルスケア分野における革新により、近い将来エクサバイト規模に達するとされるデータの洪水が引き起こされている。データの量が増えるにつれてその影響の規模も大きくなるため、データ倫理はますます重要性を増している。
ビッグデータ倫理が情報倫理と異なる点は、情報倫理が主に知的財産の問題や図書館員・アーキビスト・情報専門家に関わる事柄に関心を持つのに対し、ビッグデータ倫理は、政府、大企業などの構造化データや非構造化データの収集者・流通者に関心を持つ点にある。ただし、人工知能や機械学習システムは定期的にビッグデータセットを使って構築されるため、データ倫理をめぐる議論は人工知能の倫理の議論と絡み合うことが多い。近年では、ビッグデータ倫理はや工学倫理など技術・科学倫理の他分野との関連でも研究されており、応用数学や工学の多くの分野でもますます大規模なデータが使用されるようになっている。
原則 データ倫理は以下の原則に関係する。
所有権個人は自分の個人データを所有する。 取引の透明性個人の個人データが使用される場合、その個人は集計データセットの生成に使用されるアルゴリズム設計への透明なアクセスが保証されるべきである。 同意個人や法人が個人データを使用したい場合、データの所有者から、どの個人データがいつ・誰に・どの目的で移転するかについて、明示的かつインフォームド・コンセントを得る必要がある。 プライバシーデータの取引が発生する場合、プライバシーを保護するためにあらゆる合理的な措置を講じる必要がある。 通貨価値個人は自分の個人データの使用から生じる金銭的取引と、その取引の規模を知る権利がある。 公開性集計データセットは自由に利用可能であるべきである。
所有権 データの所有権とは、デジタル・アイデンティティを構成する個人データに対する個人の管理権（共有の制限も含む）の行使能力など、財産に関する権利と義務を確定することである。所有権の問題は、誰かが個人に関する観察を記録するときに生じる。観察者と被観察者はともにそのデータへの請求権を主張する。また、観察者と被観察者が互いに対してどのような責任を持つかについても疑問が生じる。これらの問いは、インターネットが人々とその思考を観察する規模と体系化を拡大するにつれ、ますます重要になってきた。個人データの所有権の問題は、企業所有権と知的財産の問題とも関連している。
欧州連合（EU）では、一般データ保護規則により個人が自分の個人データを所有するという主張があるが、これは議論の余地がある。
取引の透明性 アルゴリズム設計にバイアスが組み込まれることで組織的な抑圧が生じる可能性が指摘されている。意図的か無意識かにかかわらず、こうした操作はデータのバイアス、アルゴリズムの設計、またはそれを展開する組織の目標から生じることが多い。アルゴリズム的バイアスの主な原因の一つは、アルゴリズムが既存の不平等を永続させる可能性のある歴史的データから学習することである。多くの場合、アルゴリズムは疎外されたコミュニティや過小代表のコミュニティ出身の個人に適用される際に精度が低下する。これの顕著な例としてパルスオキシメトリーがあり、これは十分なテストや情報が不足していたため、特定の人口集団に対して信頼性が低いことが示されている。また、多くのアルゴリズムはエンゲージメントや利益などの特定の指標を最大化するよう設計されており、倫理的な考慮が十分でない。たとえばFacebookやTwitterなどの企業は、嫌がらせ行為を行うユーザーへの匿名性を提供したり、エンゲージメントを高めるという理由から人種差別的なコンテンツをユーモアとして扱うことを許容したりしていると批判されている。これらの課題は、多くのアルゴリズムが独自仕様の理由から「ブラックボックス」として機能しており、その出力の根拠がユーザーには十分に理解されていないという事実によってさらに複雑になっている。この不透明さは、アルゴリズム的バイアスの特定と対処をより困難にしている。
ガバナンスの観点からは、ビッグデータ倫理は、アルゴリズムなどのビッグデータ技術を用いてどの種類の推論や予測を行うべきかを問う。
とは、予測分析を用いて将来の行動を評価する実践である。これは特定のグループや場所を標的にする能力を与えることで偏見や差別を助長する可能性があるため、倫理的な問題がある。たとえば、は特定のグループや地域を重点的に監視すべきとして強調するが、これによりそれらの地域では制裁が多くなり、制裁を受けた人々と同じプロファイルを持つ人々にはより厳しい監視が及ぶことになる。
「コントロール・クリープ」という用語は、特定の目的のために生成されたデータが別の目的で転用されることを指す。この慣行は、航空会社の業界データが空港でのプロファイリングとセキュリティリスク管理に転用されている例にみられる。
プライバシー プライバシーは、非倫理的と見なされる可能性もあるデータ使用の制限として提示されてきた。たとえば、医療データの共有は疾患の原因や治療効果を解明し、個人のニーズに基づいたカスタマイズ分析を可能にする。これはビッグデータ倫理において重要な意義を持つ。なぜなら、多くの人がプライバシーを重視する一方で、データ共有のもたらす恩恵も非常に価値があり、プライバシーの概念と矛盾する場合があるからである。データ共有への消極的な姿勢は、データに対するコントロール感の喪失やデータの悪用への恐れに基づいている場合が多い。しかし、プライバシーを損なうことなくデータの価値を引き出すことは可能である。
政府によるビッグデータの監視は、電話、インターネット活動、位置情報などのデータを収集・保存することで個人のプライバシーを侵害する可能性がある。たとえば、NSAによるメタデータ収集はにおいて露見し、通信の内容が分析されない場合でもプライバシーが十分に保護されているかについて懸念を引き起こした。プライバシーの権利は、「国家安全保障」目的のためのデータ収集に政府に広範な権限を与える法的枠組みによって複雑化されることが多い。米国では、最高裁判所は「情報プライバシー」すなわち個人情報に対するコントロール権の一般的権利を認めていないが、立法者は特定の制定法によってこの問題を個別に取り上げてきた。公平性の観点からは、政府の監視とプライバシー侵害は疎外されたコミュニティを不均衡に傷つける傾向がある。歴史的に、公民権運動に関わる活動家は、破壊的要素と見なされたため政府の監視の標的とされることが多かった。COINTELPROなどのプログラムはこのパターンの典型であり、公民権指導者に対するスパイ活動を含んでいた。このパターンは今日も続いており、活動家や団体の継続的な監視の証拠がある。
さらに、同意なく取得されたデータに基づいて行動するために政府がアルゴリズムを使用することは、アルゴリズム的バイアスに関する重大な懸念を引き起こす。たとえば予測的警察活動ツールは、「リスクのある」地域や個人を予測するために歴史的な犯罪データを利用するが、これらのツールは少数民族コミュニティを不均衡に標的にすることが示されている。COMPAS (ソフトウェア)システムはその顕著な例であり、黒人被告は白人被告に比べて高リスクと誤分類される可能性が2倍高く、ヒスパニック系被告も同様に白人被告より高リスクに分類される可能性が高いことが示されている。疎外されたコミュニティはプライバシー侵害に対して異議を申し立てたり、非同意のデータ使用からデータを守ったりするためのリソースや教育が不足していることが多い。さらに、「萎縮効果」として知られる心理的負担があり、常に監視されているという意識は、すでに社会的な差別に直面しているコミュニティに不均衡な影響を与える。この効果は、抗議活動や法的支援の求めなど、合法だが「リスクがある」とみなされる活動への参加を抑制し、その自由をさらに制限し、既存の不平等を悪化させる可能性がある。
ジョナサン・H・キングやニール・M・リチャーズなどの学者は、プライバシーの従来の意味を再定義しており、プライバシーがまだ存在するかどうかを問う声もある。2014年のWake Forest Law Reviewの記事でキングとリチャーズは、デジタル時代のプライバシーは秘密性という観点ではなく、個人情報の使用を規制・統制する規制の観点から理解できると主張している。EUでは、忘れられる権利により、情報が不適切または時代遅れと判断された場合、個人の請求に応じてEU諸国がデータベースから個人データを削除または非リンク化することができる。アンドリュー・ホスキンスによれば、この法律はEU加盟国がデジタル時代においてプライバシーの喪失と個人データを管理する能力の低下について道徳的パニックに陥っていることを示している。米国では、市民には自発的に提出したデータを削除する権利がある。これは忘れられる権利とは大きく異なる。なぜなら、ビッグデータ技術やプラットフォームを使用して生成されるデータの多くは自発的に提出されるものではないからである。プライバシーの伝統的な概念が見直される中、EUと米国のプライバシー関連の異なる法的枠組みは、各国がビッグデータの文脈でこれらの懸念にどう取り組んでいるかを示している。
データの価値 テック企業が提供するサービスの価値と同企業の株式価値の差は、市民に提供される換算レートとデータの「市場価格」の差である。この計算には多くの科学的な問題がある：脱税企業の財務数値の信頼性、収益または利益のどちらが適切か、ユーザーの定義、データが価値を持つには多数の個人が必要であること、国によって異なる価格帯の可能性などである。これらの計算は粗雑ではあるが、データの金銭的価値をより具体的に把握することに役立つ。別のアプローチとしては、ブラックマーケットにおけるデータ取引レートを探る方法がある。RSAはこのアプローチを取った毎年のサイバーセキュリティ・ショッピングリストを発行している。
これは、個人データと引き換えに無料のテックサービスを受けることが消費者にとって割に合う暗黙の取引かどうかという経済的問いを提起する。個人データ取引モデルでは、企業がデータを販売するのではなく、所有者が自分の個人データを売却して利益を得る。
公開性 オープンデータの考え方は、データは自由に利用可能であるべきであり、著作権法などその使用を制限するような制約があるべきではないという主張を中心にしている。、多くの政府が透明性と説明責任のために公開データセットの公開に向けて動き始めていた。この運動は「オープンデータ活動家」によって勢いを得ており、市民がデータから意味を抽出し自らチェック・アンド・バランスを行えるよう政府にデータセットの公開を求めてきた。キングとリチャーズは、透明性へのこの要求には公開性と秘密保持の間の緊張が含まれていると主張している。
活動家や学者は、データ評価のこのオープンソース的モデルは自発的な参加に基づくため、公開データセットの利用可能性は社会に民主化効果をもたらし、すべての市民が参加できるようにすると主張している。一部の人々にとって、特定の種類のデータの利用可能性は権利であり、市民の主体性の本質的な部分と見なされている。
オープン・ナレッジ・ファウンデーション（OKF）は、政府が真にオープンであるために提供すべきと主張するデータセットの種類をリスト化している。OKFには「グローバル・オープンデータ・インデックス（GODI）」というツールがあり、政府の公開性を測定するためのクラウドソース型調査で、オープン定義に基づいている。GODIは、政府が公開データセットの質についてフィードバックを得るためのツールを目指している。
データを共有する意欲は人によって異なる。データを共有する意欲の決定要因についての予備的研究が行われている。たとえば、ベビーブーマーはミレニアル世代に比べてデータを共有する意欲が低いという指摘がある。
歴史的事例 スノーデン暴露 2013年のスノーデンによる暴露の余波は、データ収集とビッグデータ倫理のプライバシー原則に関する公的言説を大きく再形成した。この事例は、政府が以前に理解されていた以上にはるかに多くの民間人に関する情報を保有・管理しており、不利な立場にあるコミュニティに不均衡に影響する形で所有権の原則を侵害していたことを明らかにした。たとえばオキュパイ・ウォールストリートやブラック・ライブズ・マターなどの運動の活動家が標的にされることが多かった。この暴露は政府や組織に対し、個人のプライバシーをより良く保護しつつ国家安全保障の懸念にも対処するため、データ収集・保存の実践を見直すことを促した。この事例はまた、他国とその市民への広範なオンライン監視を明るみに出し、データ主権と所有権に関する重要な問いを提起した。これに対し、ブラジルやドイツなどの国々はこれらの慣行に抵抗する行動を取った。しかし、多くの途上国は技術的な独立性が不足していたか、監視している国々に依存しすぎていたため、こうした懸念に対処するにあたって不利な立場に置かれた。
ケンブリッジ・アナリティカ・スキャンダル ケンブリッジ・アナリティカ・スキャンダルは、ビッグデータの使用における重大な倫理的懸念を浮き彫りにした。約8,700万人のFacebookユーザーからデータが明示的な同意なく収集され、ターゲット型政治広告の表示に使用された。これは、個人が自分のデータがどのように悪用されているかを当初知らなかったという点で、ビッグデータ倫理の通貨原則に違反していた。このスキャンダルは、ある目的のために収集されたデータが、ユーザーの同意を経ることなく全く異なる用途に転用される可能性を明らかにし、データ使用における明示的かつインフォームド・コンセントの必要性を強調した。さらに、広告配信に使用されたアルゴリズムは不透明であり、取引の透明性と公開性の原則への挑戦となった。場合によっては政治広告が虚偽の情報を拡散し、しばしば不利な立場のグループを不均衡に標的にし、知識格差を広げた。デジタルリテラシーの低い疎外されたコミュニティや個人は、悪用を認識したり対策を講じたりすることができない可能性が高く、より多くのリソースやデジタルリテラシーを持つユーザーが自分のデータをより良く保護できる状況と対比されることで、既存の権力不均衡がさらに悪化した。
脚注
参考文献
Hoskins, A. (November 4, 2014). "Digital Memory Studies". www.memorystudies-frankfurt.com. Retrieved 2017-11-28.
Kitchin, R. The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences, (pp. 165–183). SAGE Publications. Kindle Edition.