2008年末，從國(guó)外度完蜜月，回到位于美國(guó)佐治亞州亞特蘭大市的家中，凱文•約翰遜(Kevin Johnson)發(fā)現(xiàn)了兩件事：金融體系正在崩潰，信箱里有一封來(lái)自信用卡公司的信。
美國(guó)運(yùn)通(American Express)在信中告知他的信用額度從10800美元下調(diào)到了3800美元，理由是，約翰遜光顧的那些商店的?？?，都是該公司認(rèn)為還款記錄不佳的人。
約翰遜是一個(gè)媒體和互聯(lián)網(wǎng)企業(yè)家，并以此為傲。在約翰遜看來(lái)，只是基于和他在相同的商店里購(gòu)物的顧客的行為，就認(rèn)為他財(cái)力有限，這根本站不住腳。約翰遜表示，當(dāng)時(shí)他的FICO評(píng)分在760左右，絕對(duì)屬于信用良好的范疇。FICO評(píng)分是美國(guó)衡量消費(fèi)者信用度的標(biāo)準(zhǔn)指標(biāo)。
“那有點(diǎn)像一記警鐘，”約翰遜說(shuō)，“金融危機(jī)為公司創(chuàng)造了絕好的機(jī)會(huì)，采用一些狡猾的算法將本應(yīng)獲得貸款的人們拒之門外。”
約翰遜(他還是個(gè)非裔美國(guó)人)將信件公諸于眾，推動(dòng)了一場(chǎng)關(guān)于這種信用評(píng)測(cè)是否公允的辯論。最終運(yùn)通放棄了這種做法，并且2009年美國(guó)總統(tǒng)巴拉克•奧巴馬(Barack Obama)簽署通過(guò)的信用卡法案(Credit Card Act)也加入了一條要求進(jìn)一步研究這種做法的條款。
6年后，金融公司有了新選擇——海量數(shù)據(jù)分析技術(shù)，讓觀察購(gòu)物習(xí)慣的方法相形之下顯得非常原始。從社交媒體、數(shù)字?jǐn)?shù)據(jù)中間商和網(wǎng)絡(luò)記錄等渠道收集而來(lái)的海量信息，經(jīng)過(guò)算法分析，可用于評(píng)定個(gè)人信用度，或用于向他們定向投放產(chǎn)品廣告。
目前還不清楚主流銀行和信用卡公司在多大程度上使用這些算法，也不清楚這些算法的數(shù)據(jù)輸入、計(jì)算和計(jì)算結(jié)果情況如何。一方面，許多種數(shù)據(jù)驅(qū)動(dòng)算法因不透明和霸道而受到批評(píng);另一方面，將數(shù)字化信用評(píng)分運(yùn)用到金融領(lǐng)域又引出了這種做法是否公允的問(wèn)題。批評(píng)者稱，使用這些信息對(duì)借款人進(jìn)行預(yù)測(cè)可能會(huì)變成一種自我實(shí)現(xiàn)的預(yù)言，拒絕向那些與無(wú)法獲得信貸有關(guān)聯(lián)的人提供信貸，會(huì)固化富人與窮人之間的分界線。
“只要走錯(cuò)一步，你就可能陷入死亡漩渦，算法會(huì)擴(kuò)大一個(gè)不良數(shù)據(jù)點(diǎn)，引起連帶效應(yīng)，”馬里蘭大學(xué)(University of Maryland)法學(xué)教授弗蘭克•帕斯奎爾(Frank Pasquale)說(shuō)。他著有一本關(guān)于算法的書(shū)——《黑箱社會(huì)》(The Black Box Society)。
這種技術(shù)的支持者認(rèn)為，能夠根據(jù)潛在客戶有哪些朋友、雇主是誰(shuí)、乃至鍛煉習(xí)慣如何，得出對(duì)這些客戶的全面評(píng)價(jià)，最終將有助于讓那些難以在銀行開(kāi)戶或獲得公平貸款的人有能力獲得信貸。
“當(dāng)消費(fèi)者進(jìn)入一種導(dǎo)致他們的財(cái)務(wù)狀況稍微有些失控的支出模式時(shí)，他們還能否回到正軌、以及將如何回到正軌?這就是我們能從大數(shù)據(jù)世界獲得的數(shù)據(jù)，”Moven的總裁亞歷克斯•塞恩(Alex Sion)說(shuō)。Moven旨在為希望更好地掌握自己的消費(fèi)習(xí)慣的用戶提供借記賬戶。
支持者和反對(duì)者都同意，在貧富差距成為熱點(diǎn)政治問(wèn)題的背景下，新一代以數(shù)據(jù)為中心的信貸核發(fā)方式和算法評(píng)分會(huì)引發(fā)法律問(wèn)題。
“現(xiàn)在這還是一大塊灰色地帶，”曾幫助交友網(wǎng)站eHarmony開(kāi)發(fā)匹配引擎的科學(xué)家蓋倫•巴克沃爾特(Galen Buckwalter)說(shuō)。現(xiàn)在他為非傳統(tǒng)貸款機(jī)構(gòu)Payoff工作。“妖精已經(jīng)從瓶子里跑了出來(lái)，我們已無(wú)法回頭，不管是收回信息，還是告訴企業(yè)它們不能再分析點(diǎn)擊次數(shù)、甚至鍵入模式之類的東西，都是不可能的了。”
美國(guó)國(guó)家檔案館(National Archives)里放著一份1935年的大亞特蘭大(Greater Atlanta)地區(qū)地圖，上面有藍(lán)色、黃色和紅色三種顏色的區(qū)域。旁邊的手寫圖例寫著：“淺藍(lán)——最佳，深藍(lán)——尚可，黃色——顯然在惡化，紅色——危險(xiǎn)”。
這是美國(guó)歷史上那段黑暗時(shí)期的顯著標(biāo)志。當(dāng)時(shí)，對(duì)潛在借款者進(jìn)行分類的依據(jù)，不是他們的個(gè)人信用特征，而是他們所居住的區(qū)域。
“標(biāo)紅”區(qū)域通常比較貧困，居民以某個(gè)種族或民族的人為主。在亞特蘭大和施行種族隔離的美國(guó)南部其他城市，這種做法通常是為了阻止非裔美國(guó)人移居到白人為主的社區(qū)。
公平借貸法和平等信用機(jī)會(huì)法等一系列法規(guī)出臺(tái)后，標(biāo)紅區(qū)域的做法被法律禁止。但令人憂慮的是，在21世紀(jì)，標(biāo)紅區(qū)域或許不是用紙和墨水公開(kāi)寫出來(lái)的，而是依靠計(jì)算機(jī)和互聯(lián)網(wǎng)傳輸?shù)臄?shù)據(jù)完成的。
盡管美國(guó)法律禁止根據(jù)性別或種族等因素歧視借款者，但事實(shí)表明，通過(guò)解析Facebook和Twitter等社交網(wǎng)絡(luò)上的公開(kāi)信息，可以精確預(yù)測(cè)用戶的一切信息，從政治傾向、到族裔、再到性取向。