技术和数据已经改变了我们的生活、工作和娱乐方式。到目前为止，其结果喜忧参半。虽然我们无疑联系更紧密、信息更灵通，但与此同时，我们对变革的速度和个人隐私也更加焦虑。这种担忧不无道理。去年的剑桥分析丑闻向我们清楚地表明，个人数据可以被多么轻易地收集、提取并用于政治牟利。不过，换个角度看，如果技术和数据得以用于向善，便有潜力缓解当今世界面临的一些最紧迫的全球性挑战，包括气候变化、全球大流行病和人口贩运。
仅有数据并非答案。人类历史上，我们从未如此便捷地获取过如此海量的数据。挑战在于，其中大部分数据都被孤立在各个信息孤岛中，使我们对复杂的社会问题只能形成片面的认识。以人口贩运为例。约172个国家参与了这条剥削链条，而每年仍有超过4000万人遭到奴役。局面令人担忧。要深入探究真实情况并制定干预策略，唯一的途径就是实现数据共享。
让我们看看，当两项简单的原则——将数据用于向善，以及数据共享——付诸实践，用于打击人口贩运时，会产生怎样的效果。
人口贩运是一项价值1500亿美元的全球性产业，其踪迹就隐藏在眼前。我们中很少有人了解相关统计数据，更不必说它很可能就发生在我们身边。直到最近，要追踪并评估整个贩运供应链——从融资、中间人到受害者和买家——几乎不可能。数据共享彻底颠覆了这一局面。
过去13年间，Stop the Traffik这家非营利组织一直借助人与技术的力量打击人口贩运。该组织近期邀请了Edelman Predictive Intelligence Centre（一支专注于利用人工智能（AI）服务于营销与传播的数据与行为科学家团队）加入合作。我们为该组织构建了一套人口贩运防范模型，该模型依托多方数据源之间的数据共享，尤其是非政府组织（NGO）和金融机构的数据，并结合众包数据和开源数据。IBM的数据中枢与可视化平台整合了这些情报，并就非法贩运活动（如市场供需、贩运路线和资金流向）得出洞见。
非政府组织在人口贩运防范供应链中所发挥的关键作用怎么强调都不为过。它们是唯一掌握具体案件足够细节的信息来源，能够查明诸如人口被出售的价格、招募地点及经手人等具体信息。由此，我们可以破解有哪些技术平台被用于招募受害者、受害者经由哪些港口转运，甚至他们乘坐哪些航空公司的航班。借助这些数据，我们运用机器学习技术汇总案件数据。我们通过Stop the Traffik的STOP APP（一款手机应用程序）收集来自不同非政府组织、开源新闻报道、法院案件以及众包数据的情报。任何人都可以通过该应用匿名且安全地举报可疑活动。
总体而言，这些数据使我们能够识别贩运热点地区和规律，随后将其分享给已被标记为与贩运相关活动存在关联的利益相关方。例如，如果我们的研究发现某条航线的儿童受害者比例较高，该航空公司便可立即针对这条特定航线采取行动，并可在受害者抵达指定目的地之前迅速采取措施，协助执法部门介入。
同样，当数据发现可疑活动时，银行也可以收到预警。仅凭自身力量，金融机构很难识别并阻断与贩运相关的交易，因为其数据模型无法将洗钱交易与贩运交易区分开来。所幸，结合数据共享，这一切都变得可行。金融数据可以与现有的非政府组织及开源数据相结合，以识别贩运的具体迹象以及特定交易和账户的风险等级。基于这些结果，银行现在可以验证并改进其机器学习模型，并培训员工，以更好地识别与贩运相关的交易。银行还可以培训一线员工识别贩运中间人，从而最终冻结贩运供应链中所有中间环节的资金流动。
在大数据领域，无疑存在各种恶意势力。个人数据常常被操纵以牟取经济或政治利益。在涉及自身数据时，我们感到受威胁、脆弱和无力，这也就不足为奇了。但那些原本就毫无力量的人又该怎么办呢？令人震惊的是，世界上每1万人中，就有近54人是现代奴役的受害者，其中四分之一为儿童。受害者不仅没有任何权利，而且他们就生活在我们中间、身处我们的社区，我们却大多毫无察觉。事实上，人口贩运产业之所以能够猖獗，部分原因在于缺乏一个中央情报中枢。这正是我们需要将数据用于向善的原因所在——因为通过数据共享，我们可以努力消除我们这个时代最由来已久、最邪恶且最不公正的社会问题之一。
