隱私（privacy）
/ PRY-vuh-see /
在AI與資料的世界裡，隱私是這樣一條原則：你對「關於你的什麼被知道、又被如何使用」應當擁有一定的掌控權——為某一目的收集的資訊，不應被悄悄拿去驅動另一目的；而「被觀看」，也不應成為你參與現代生活所必須付出的代價。它無關「你有什麼要藏的」。它和你關上洗手間的門、封好一個信封是同一個道理：圍繞「自我」的一道基本邊界，讓人得以自由。
機器學習以一種獨特的方式拉扯著這條原則。這些系統是「飢餓」的——資料越多，它們越強——於是「把一切都收集起來」的壓力始終存在。而資料的行為又很滑溜：單看似乎無害的碎片，組合起來卻能把你重新認出來（你的生日、郵遞區號與性別合在一起，就能鎖定大多數個人）；一個訓練好的模型還會記住、並在日後吐出訓練集裡的具體例子，洩露某個真實之人的私密文字或面孔。「匿名化」的資料往往仍可被重新識別，這正是為什麼真正的隱私，需要的遠不止「刪掉名字」。
它為何重要：隱私是其他自由得以生長的土壤。當人感到被監視時，行為會變得不同——說話、搜尋、求助都不再那麼自如，這種「寒蟬效應」會悄悄收窄一個社會，哪怕從沒有人真的因此受罰。誠實的張力在於：天下沒有免費的午餐——更個人化的服務、更好的推薦、許多醫學進展，確實都想要你的資料，所以隱私很少是「全有或全無」。它是一組刻意的抉擇：收集什麼、保留多久、誰能看到、以及他們被允許拿它做什麼。
研究者曾拿一份據稱「匿名」的公開影評評分資料，與公開的電影評論相比對，靠每個人獨特的評分「電影組合」模式，把具體的訂閱用戶一一重新認了出來。資料裡根本沒有名字——可個人還是被一一鎖定了。
刪掉名字不等於匿名——普通事實的獨特組合，照樣能把你單獨指認出來。
「我沒什麼好藏的」把隱私錯置成了個人的「保密」。隱私其實是結構性的：它保護記者的消息源、受虐倖存者、異見者，也保護普通人，使其資料不致日後被從未同意過的一方濫用。傷害往往不在當下顯現，而在資料易手之時。