استخراج به‌طور پیش‌فرض
دادهٔ آموزشی، حصارکشی تازه و جای جنوب جهانی در اقتصاد مدل‌های زبانی
این رویداد بخشی از نمایش امکانات لرالینک برای برگزاری رویدادهای دانشی است. محتوای آن با دقت و بر پایهٔ منابع واقعی نوشته شده، اما همایش هنوز برگزار نشده است و شرکت‌کنندگانش، جز دبیر همایش، شخصیت‌هایی ساختگی‌اند.
در انگلستان سده‌های هجدهم و نوزدهم، زمین‌های مشاعی که روستاییان نسل‌ها در آن دام چرانده و هیزم جمع کرده بودند، با قانون‌های پیاپی حصارکشی به ملک خصوصی بدل شد. امروز چیزی که حصار می‌خورد زمین نیست. متن‌ها، صداها و تصویرهایی است که میلیون‌ها انسان در دو دهه بر اینترنت گذاشته‌اند: شعر، نامه، بحث در انجمن‌ها، فرهنگ‌های لغت داوطلبانه. مدل‌های زبانی بزرگ بر همین مشاع ساخته شده‌اند، و حاصلشان در دست چند شرکت است که بیشترشان در یک کشور ثبت شده‌اند.
نیک کولدری و اولیس مخیاس در ۲۰۱۹ برای این وضعیت نامی پیشنهاد کردند: استعمار داده. منظورشان استعاره نبود. استعمار تاریخی سرزمین را «خالی» و «بی‌صاحب» جلوه می‌داد تا تصرفش طبیعی بنماید. منطق امروز هم همان است: داده‌ای که «در دسترس» است، مثل زمینی بایر دیده می‌شود که برداشتنش حقی است. مایکل کوِت همان سال نشان داد که زیرساخت این تصرف، از نرم‌افزار تا ابر، خود در دست شرکت‌های آمریکایی است و کشورهای جنوب جهانی حتی بر ابزار دسترسی به دانش خود هم مالکیت ندارند.
جنوب جهانی در این اقتصاد سه بار هزینه می‌دهد. یک بار وقتی نوشته‌ها و صداهایش بی‌اجازه برداشته می‌شود. بار دوم وقتی کار طاقت‌فرسای برچسب‌زنی و پالایش داده با دستمزدی ناچیز از کارگرانش خریده می‌شود. و بار سوم وقتی محصول نهایی به زبان‌های او، از یوروبا و ایگبو تا هوسا که هر یک ده‌ها میلیون گوینده دارند، بدتر از همه کار می‌کند و همان محصول را با اشتراک دلاری به او می‌فروشند.
پاسخ اروپا به این وضعیت اغلب حقوقی و صوری بوده است. رهنمود ۲۰۱۹ اتحادیهٔ اروپا دربارهٔ حق نشر، کاوش متن و داده را مجاز می‌داند، مگر اینکه صاحب حق با نشانه‌ای ماشین‌خوان آن را منع کرده باشد. روی کاغذ منصفانه است. در عمل، ناشری بزرگ در آمستردام می‌تواند انصراف دهد؛ شاعری در لاگوس که شعرش را در وبلاگی رایگان گذاشته، حتی از وجود چنین حقی خبر ندارد. رضایتی که فقط ثروتمندان توان اعمالش را دارند، رضایت نیست؛ امتیاز است.
راه دیگری هم هست و نمونه‌هایش وجود دارد. رسانهٔ اجتماعی «ته هیکو» در نیوزیلند صدای گویشوران مائوری را خودش ضبط کرد، داده را به شرکت‌های بزرگ نفروخت و برای استفاده از آن مجوزی نوشت که حاکمیت جامعه بر داده‌اش را به رسمیت می‌شناسد. اصول «کِر» برای حکمرانی دادهٔ بومی همین منطق را صورت‌بندی کرده است: سود جمعی، اختیار کنترل، مسئولیت و اخلاق. برای نظام‌های دانش، درس روشن است: هر واحد دانش باید هویت و منشأ داشته باشد. وقتی معلوم باشد چه چیزی از کجا آمده و چه کسی آن را ساخته، استخراج پنهان نمی‌ماند و می‌توان بر سرش چانه زد.
پرسش‌های بحث
- رضایت جمعی یک جامعهٔ زبانی دربارهٔ داده‌هایش در عمل چگونه گرفته و ثبت می‌شود؟
- آیا ثبت دقیق منشأ داده، بدون پشتوانهٔ قانونی، چیزی را تغییر می‌دهد؟
- جامعه‌ای که داده‌اش را دریغ می‌کند، چگونه از ابزارهایی که بی او ساخته می‌شوند عقب نمی‌ماند؟
منابع
Couldry, Nick, and Ulises A. Mejias. 2019. The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism. Stanford, CA: Stanford University Press.
Kwet, Michael. 2019. “Digital Colonialism: US Empire and the New Imperialism in the Global South.” Race & Class 60 (4): 3–26.
Directive (EU) 2019/790 of the European Parliament and of the Council of 17 April 2019 on copyright and related rights in the Digital Single Market, Article 4.
Carroll, Stephanie Russo, et al. 2020. “The CARE Principles for Indigenous Data Governance.” Data Science Journal 19: 43.