|
|
|
|
| 從2012年開始，Big Data話題便一直延燒至今，對於某些產業來說，Big Data的應用或許是一個新商機的曙光，但對於情資單位來說，資訊被廣泛蒐集的情況下，資安疑慮令人頭痛，Big Data是什麼？對於產業又該如何被應用？ |
|
| |
量、速度、精準度的平衡
台大資工系副教授洪士灝指出，Big Data的Big不是普通的修飾詞，並不是隨便一個資料庫就可以稱為Big Data，它是需要很大的量，以IBM近期開放給全球研究人員共享的安全情報Big Data為例，就高達700兆位元組（Terabyte）。但是到底需要多大的資料量才稱得上是Big Data，洪士灝表示，基準是浮動的，在每個領域也不盡相同，簡單來說，當資料數量大到能應付該領域的應用需求，那我們就可以宣稱該領域的Big Data已成熟完備，但一般來說，越多的資料對於應用越有幫助，例如預測結果會比較準確，但資料量越大，處理的時間便會更多，而且所需的成本越大。因此，Big Data的應用與準確度往往受到成本和處理時間的限制，必須在資料量、速度、精準度、成本這些因素上取得平衡，Big Data應用才能發揮最佳效果。
跨領域人才的整合
洪士灝也強調，Big Data需要三大類人才跨領域的整合，分別是(1)各領域知識專家、(2)資料科學家、(3)開發系統和應用程式的人才。之所以需要各領域的知識專家是因為，如果要處理特定領域的問題，該領域的專業知識必不可少，因此各領域專家的協助是很重要的。而資料科學則是對於資訊學科和數學、統計學科知識的整合，有了資料科學的人才，才有能力對資料進行分析，將龐大、零散的資訊，整理成結構性資料、建立資料模型，以利檢索。有了知識庫、資料的分析方法，最終還需要有能快速處理資料的平台，才能將Big Data的應用實現，因而就需要擁有開發系統和應用程式能力的專家來配合。
技術要求
由於資料量的龐大，洪士灝指出，Big Data的處理平台，通常必須運用「分散式運算技術」，以提高運算量和儲存量。即由多台電腦組成叢集、裝置分散式檔案系統，讓每台電腦提供運算能量，並利用網路進行不同電腦間的資料交換，因此網路的速度和穩定性很重要。
此外，雲端儲存的需求增加，儲存技術也必須同時朝快速讀寫的方向發展。使用可以多次擦寫、高速、省電的固態硬碟（Solid State Disk，SSD）代替傳統硬碟作為儲存裝置，甚至新型態的儲存媒體的研發，是持續快速發展中的方向。
那理想的Big Data平台究竟是什麼樣子呢？洪士灝認為，IBM近年積極研發的華生（Watson）電腦系統，其實就是最好的例子之一，華生電腦背後擁有一個龐大的資料庫，當它聽到一個問題，能瞬間將問題與龐大的資料進行比對，從中整理出資訊，給出需要的答案。2011年華生電腦甚至在益智節目「危險邊緣」（Jeopardy！）中擊敗人類選手，贏得100萬美元。洪士灝直言，Big Data結合近年人工智慧領域中機器學習（Machine Learning）的發展，是在近年來雲端普及致蒐集資料方便，加上系統運算快速演進下的發展趨勢。
Big Data於各產業的應用
近年來各家電廠商都極力開發智慧電視產品，Smart TV，是利用電視螢幕的影音輸出結合電腦及網路功能，也因導入作業系統像是Android及ios，智慧電視也可以和攜帶裝置互通，例如看電視看到一半必須離開去做家務，卻又不想錯過正精彩的節目，這時可以將節目內容轉移到攜帶式裝置上便可繼續觀看，解決了地點的限制；反之，攜帶式裝置上的內容也可轉移到電視進行觀看與操作。軟體開發商可以設計各種APP，讓電視操作也能依照個人的需求來使用，從另一個層面來看，廠商透過這些APP進而蒐集到使用者觀看電視的習慣與喜好，未來的Smart TV可能會發展成依據不同的家庭成員提供更適合的節目供選擇。
但黃士嘉表示，大多數廠商發展Smart TV都著重在電視平台上的軟體功能，卻都忘了電視的好朋友─遙控器的智慧化，或許一般人覺得遙控器沒什麼，但對於最常坐在電視前的族群─老年人來說，簡單易操作的數位遙控器才是最方便他們的產品。
越來越符合人性的智慧車（Smart Car）發展與應用也漸漸和科技領域的業者合作，在安全需求意識高漲的現今，輔助駕駛的系統功能愈來愈多元，像是衛星導航、防碰撞的感測器、行車記錄器、倒車攝影等，都是利用攝影和感測器的結合，大多數的設備也已經成為標配。黃士嘉預測，未來智慧車的發展，便是能夠透過全車360。攝影機記錄街道上的標的物，例如大樓、店面，蒐集大量路面資訊後該怎麼應用呢？當開車時忽然需要找文具店，只要輸入「文具店」指令，車載系統便會透過BigData的分析技術，依據過去蒐集到的大量路面資料，快速找出最近的文具店並規劃好前往路線，當然目前的導航也做得到，只是得一步一步操作，而未來的智慧車導航則可能是直接顯示在擋風玻璃上，不需要移開視線用手操作，既智慧又安全。不只科技業需要Big Data技術，零售業、製造業、服務業…等甚至是新創產業，都可以透過Big Data來輔助產業提昇。
其實Big Data並不是近幾年才發展的技術，早在2009年 Google藉由分析數百萬條，搜尋詞彙間的關聯性，成功預測H1N1病毒的傳播速度及區域；日本京都大學的研究室也創造了名為「流感君 」的網站，流感君主要的功能是在進行感冒訊息的檢索，透過網路上發佈關於流感的訊息進行分類判斷真偽，結合GPS 定位自動在日本地圖上標記，如此便能清楚的得知，哪些地區流感病毒的肆虐最為嚴重；以上便是利用Big Data統計運算達到比專家學者的人腦還精準快速的應用實例。2012年《紐約時報》的一篇專欄中寫到，「大數據」時代已經降臨，在商業、經濟及其他領域中，決策將日益基於資料和分析而作出，而並非基於經驗和直覺。
是否過分樂觀Big Data帶來的產業效應？
對於現在人人看好Big Data所帶來的可能，甚至把Big Data視為台灣產業轉型、升級的機會，洪士灝認為，不應過度樂觀，他指出，目前台灣產業界還沒走出代工思維，眼光往往看得比較近，只照顧到比較直接有利益的東西。現在業界往往希望對於零組件、硬體這些做得比較好的產業加值，侷限於現有的優勢。問題是，遵循別人訂的標準、規格做東西，當越來越多廠商生產一樣的東西，利潤只會越來越低，真正有價值的產業還是訂規格、建系統的，而這也是台灣產業是否能搭上這波趨勢，順利轉型的關鍵。
因此，洪士灝現在鼓勵頭腦靈活的青年去參與自造者（Maker） 的活動，雖然一開始可能還不太成氣候，但是慢慢摸索，總會創造出一些有意思的東西。他認為台灣目前除了需要跨領域專家的結合，更迫切需要能針對各領域需求設計應用程式、作業系統的人才，雖然門檻高，產業需要比較長期的投資，不能期望一蹴可及，但如果台灣產業真能為各種領域的Big Data需求設計出好用的應用或系統，那將會是一個機會，但如果只是把Big Data掛在嘴巴上當作廣告詞，像「雲端」一詞被用於行銷房屋建案，反而無濟於事。
安防上的應用
至於Big Data應用在安防領域上，洪士灝認為，首先必須依靠各類的安全、犯罪知識專家，包括行為科學家、犯罪心理學家建立相關知識庫，其次，由於安防領域收集到相關資料，很大部分是監控設備所捕捉的的影像，除了影像的清晰度很重要，因為影像紀錄所佔據的儲存空間是非常龐大的，但其中有價值的訊息佔比卻又非常低，因此一方面要擁有夠大的資料傳輸頻寬，以完成大量的資料傳輸，另一方面系統及時處理影像，汰除不必要的影像，保存有價值的紀錄能力也很重要。
洪士灝表示，目前的電腦運算尚無法透過影像去即時辨識、比對知識庫，判定一個人的行為舉止是否有異狀，但是他也樂觀的認為，以目前電腦運算上的演進速度，5年增長20倍，所以可以預期再過個5年、10年，這樣的能力是指日可待的，到了那個時候，監視設備將不只是被動取證、監控的功用，系統透過監視器一發現舉止可疑的人可立即通知安全人員，而能扮演更積極的預防角色。
雖然當前技術上能做的有限，洪士灝認為，還是能做一些簡單的應用，例如建立能快速調閱的城市監視影像資料系統，包括能以畫面特徵迅速查找相似、相符影像的系統，這方面的系統，對於現階段安全維護就已有很大的幫助。
Big Data應用的倫理爭議
不過，Big Data應用雖然開啟許多可能，也提供機會，但也存在著許多疑慮。光是Big Data的取得方面，就存在著許多爭議的手段。洪士灝舉例，一些企業製做免費的應用程式供人下載使用，其實目的是要取得用戶的個人資料，另外也有些大公司會在網路上佈署監控、攔截機制，資料經過就複製一份，這些方式都是透過無形手段竊取個資來豐富自身的資料庫。而我們的資料被這些企業拿去後，在使用方面也往往難以監管，即使公司在這些資訊的使用上，經過匿名處理，但是仍有透過資訊的細節推斷出資料所屬者的風險，尤其是當該資訊的稀有性和特殊性特別明顯的時候。
歐洲一些國家基於上述原因，已開始立法限制Google和Apple這些大企業蒐集資料，甚至限制相關產品的上市。除了企業的資料蒐集，像各國政府國安、情報單位運用情蒐資料，對特定人民、國家進行監控也不是新聞。洪士灝認為，台灣民眾在這方面的警戒意識相對薄弱，往往沒發覺自身的權益受到侵害。
由於政府和大企業最有能力蒐集、掌控資料，一般民眾、小公司則相對困難，在這種資訊掌握不對等的情況下，如果沒有相關配套，Big Data應用的時代也可能造就更有利於權貴、財閥而不利於小公司、小市民的社會。
除了上述資安和資訊對等的疑慮，因為 Big Data應用需將資料分門別類，在對人進行判斷時，也有貼標籤、塑造刻板印象的疑慮，尤其在安防應用上，更存在著人權爭議。譬如美國已經在做的，利用Big Data判定出犯罪熱點，讓警方加強警力在這些熱點進行預防性巡邏和稽查，以期達到預防犯罪的效果，只是這樣做卻也會造成對特定社區刻板化的問題，長久下來甚至可能衍伸為一種歧視、偏見。假使未來該應用擴大到去判定什麼樣的群體和人犯罪率較高，那更會造成嚴重的污名化和侵害。
洪士灝也以電腦防毒做舉例，他說，我們可以運用Big Data和機器學習的技術去判定惡意程式、阻擋電腦病毒，類似的作法在理論上可延伸運用去判定壞人、罪犯，做到防範犯罪，然而這牽涉到倫理的問題。面對人，即便是1%的出錯，都可能造成對人權的侵犯，因此在使用上必須很小心，可能必須給予範圍的限制。如何在執行電腦的判斷上顧及程序正義，都是將來在應用上所必須思考和取捨的。
「Big Data的應用就像很多事物一樣是兩面刃。」它為社會帶來了新的機會和更便利的可能，也同樣為社會帶來新的風險及挑戰，如何妥善的應用，考驗著人們的智慧，而這都有賴於我們積極的關心。
|
|
| |
| ※本文圖文非經授權不得轉載，洽詢授權，請E-Mail至contact@aimag.tw[ iDS智慧安防雜誌聲明 ]※ |
|
