像Facebook这样的公司记录用户与平台的每一个可想象的互动。他们记录你每一次点击和轻触。他们跟踪你在某个帖子上停留的时间，是否和那个可能是你朋友的女人在同一个WiFi上，以及你观看了三次的Instagram短视频。 对于单个用户来说，这种做法显得有些古怪，但这些行为在所有科技巨头中都是以行星规模进行的。他们每天产生PB级的数据，并在欧洲监管机构允许的时间内保存这些数据。然后，他们可以利用机器智能将其转化为有用的知识，用于他们的网络控制系统，这些系统构建新闻推送、投放广告、决定为你花费多少计算资源，以及在你需要之前哪些SKU应该存放在哪些仓库。Hive元存储的账单高达数十亿。 医院在每个病例后每天都会丢弃大部分数据和遥测。他们记录血管手术、内窥镜检查的视频，发现有趣的生理现象。有时根本没有记录，大多数情况下，他们在完成后立即删除这些视频。 对于生理波形（ECG、EEG、动脉线）来说，情况更糟，这些数据几乎从未被记录。患者的大脑、血管、心脏的毫秒级视图被生成并瞬间销毁。所有这些时间序列当然可以预测人们的心脏停止、脑部爆炸等情况。外科医生远程操作机器人，微小的运动没有被记录，政策从未学习，也从未与成功或失败的结果相关联。 对于大多数软件人员来说，这种情况是不可想象的，他们的本能是记录每一个地方的所有内容，更不用说云成本，因为我们确信将来会有某种用途和某种模型可以训练。我在这里并没有具体的处方，我的观点只是我们的文明常常囤积和珍视一些世界上最愚蠢的数据，比如“我在约翰·波克的短视频上按了赞”，却销毁了它生成的许多最重要的数据，并限制了机器可以学习的内容。

要完美理解一个现象，就是要完美压缩它，拥有一个无法再简化的模型。 如果一个深度学习模型需要数百万个参数来建模某个可以用三个项的微分方程描述的事物，那么它并没有真正理解它，只是缓存了数据。

客观不平等是一个被过度炒作的政策优先事项。 然而，主观不平等却被严重低估。 由于主观不平等远比客观不平等重要得多，我们应该想办法消除对不平等的错误主观认知。