假如國家信息基礎設施變成了監獄
關燈
小
中
大
。
銀行在ATM機和借記卡上的損失是在信用卡上的損失的三十分之一到二十分之一。
這個過程的下一步目前正在讨論中。
所涉及的技術是“智能”卡，如此命名是因為除了記錄信息（記錄在磁條或機載計算機存儲器上）的能力以外，這張卡還具備處理能力，可以更新存儲信息并進行實時計算。
最近提出了幾項提案，要圍繞這種智能卡建立全國性的識别系統。
在這些系統中，每個人都被要求攜帶一張可能包含大量個人信息的卡片，這些信息包括持有者的健康狀況、财務狀況、身體狀況、住所，等等。
此外，卡片的内存可以用來保存最近的交易信息，比如最近的N次購買或N筆銀行交易。
這張卡還可以通過編程來實時識别持有者，用某種生物特征分析，比如用語音識别或指紋識别，來代替個人識别号碼。
值得注意的是，在各種情況下，提案的制定都是針對一個假定的問題：非法移民、福利“欺騙”、國家駕駛執照、緊急情況下的個人醫療信息獲取。
解決方案總是要求我們放棄更多的隐私和個人信息。
全景分類的操作者不解決系統性原因，也不理性地看這些“療法”是否比它們能解決的問題更糟糕，而隻是利用廣告和與社會弊病相關的恐懼來擴大他們的影響。
理性的觀察者會想知道自己的身份證信息會提供給誰，以及卡上還存儲着哪些自己不知道的信息。
分類是“基于識别的信息，将個體分配給概念上的群組”。
從根本上來講，分類是控制。
因為獲取每個人完整的詳細信息是不可能的，公司會使用越來越小的“桶”或組群來對人們進行分類。
人們的主張是，某些可辨别的信息，如收入、子女數量、婚姻狀況等可以對人們進行分類，例如，“年輕、處于事業上升期”的人（最初的分類導緻“雅皮士”[50]這個詞成了公共話語）。
一旦人們被分配到這樣的組群中，他們的行為就可以通過适用于整個組群的統計技術預測了。
也就是說，如果我們可以滿懷信心地說，所有雅皮士都會這樣做（例如，在未來三年内購買一輛新車），然後我們又把你劃分到了這樣的一個類别，那麼我們就可以推斷出你可能會在三年内買一輛車。
盡管專業的統計學家告誡人們不要把這些預測從一般水平延伸到具體水平，但是這些預測技術仍被廣泛使用。
任何一個對付過頑固的官僚機構或不屈服于企業“服務”的人都了解，這一過程有多不人道。
分類基于特定的測量，未測量的差異（如個體差異）并不存在于全景分類的目的中。
在個體層面上，我們可能會認為，無論有關任意一群人的預測統計數據的準确性如何，它們都沒有考慮到我們的個人行為。
但是一旦這些小組的分類完成，我們就不再被當作個體對待了。
相反，我們變成了“福利母親[51]”或“老年研究生”，并被期望與這種類型相符。
有趣的是，人們似乎渴望把這些标簽分配給自己，也許這是他們的一種社群意識——要成為可識别組織的一部分。
許多組織使用這種自我認同來重新獲得一種曆史感（例如，美國黑人的經曆）或維護對術語的控制權（例如，同性戀者重拾了“queer”這個詞）。
分類從來都不是價值中立的：它總是包含一個評估，一種比較分類的形式。
使人“黑”的原因往往更多的是政治學問題，而非遺傳學或其他科學問題。
在納粹德國，人們認為，任何至少有一個猶太裔祖父母的人都是猶太人。
在這種分類下，“上等階級”和“中等階級”的收入界限就非常随意，而且通常反映了分類者的價值體系：思考一下“中産階級減稅”這個短語和它的使用方式。
即使那些看似客觀的分類，例如醫療診斷，也要受制于變化無常的時間和文化的影響：思考一下女性“癔病”或同性戀精神病學評價的變化。
統計技術無法考慮到這些變化。
評估是一種測量偏差或變化的過程，它是由已經制定的分類統計規範來衡量的。
評估是一種規避風險的程序，公司在将可能的商品和服務提供給參與交易的人時存在潛在的風險，評估就是指公司試圖限制其中風險的手段。
評估還包括對可能被系統排除或特殊處理的所有人群的描述。
評估涉及基于概率、機會減少和損失預防的計算。
評估基于預測，今天的事件表明預測技術已經擴展到了更模糊的領域。
例如，O.J.辛普森一案[52]的辯護律師獲取了潛在陪審員的詳細資料，并利用這些資料來“預測”哪些人更有可能投有罪票。
當然，辯護律師會蠻橫地阻止這些人加入陪審團。
甘地指出，實際上有三種預測，每種都有自己的長處和不足，但都很少被提及，它們分别是：統計預測，基于群組行為與個體行為的比較；“回憶”預測，基于人過去的行為；臨床預測，基于專家對于個體行為的評估。
我們可能會本能地喜歡統計預測，因為它是“科學的”，對證明和假設的挑戰完全開放。
然而，統計的意義并不經常如此清晰。
事實上，例如一個人是一個群組中的成員，這個群組的成員有95%的可能在三年内買一輛新車，這并不意味着這個人也有95%的可能在三年内買車。
但是從全景分類的角度來看，這無關緊要。
例如，相對于強制那些可能違約或已經違約的人，關注最優效率似乎可以更有效地防止違約。
我們能做些什麼 關于全景分類的最可怕的事情之一是，它不是由一些大規模的令人發指的中央集權官僚機構造成的。
相反，它是信息共享的特有悲劇，在這種情況下，每個理性的參與者都做了似乎符合自己最佳商業利益的事情，但總的結果卻是失去了一些有價值的東西。
在很多方面，全景分類并沒有新穎之處——它至少要追溯到早期工業時代的時間與動作研究。
然而，電信技術的出現，使得我們可以對過去無法逾越的時間和距離進行控制。
毫不誇張地說，如果沒有這些技術，現代跨國公司根本就不可能存在，而這些公司正是全景分類的主要代理人。
有人可能會說，要解決這些公司收集信息所造成的問題，消除全景分類的普遍悲劇，一個簡單方案就是控制與自己有關的信息的發布。
事實上，甘地論述了美國人越來越不願意參與市場調查和民意調查，以及他們對于官方統計數據收集工作（如美國人口普查）的抵觸。
甘地指出，盡管人們對于隐私問題的意識不斷增強，但是人們對于這個問題的态度和潛在的解決方案（如政府監管），則與他們在全景分類中的組織的權力有關。
一般來說，人們相信他們擁有的權力越大，所擔心的就越少（雖然這可能被個人對于全
銀行在ATM機和借記卡上的損失是在信用卡上的損失的三十分之一到二十分之一。
這個過程的下一步目前正在讨論中。
所涉及的技術是“智能”卡，如此命名是因為除了記錄信息（記錄在磁條或機載計算機存儲器上）的能力以外，這張卡還具備處理能力，可以更新存儲信息并進行實時計算。
最近提出了幾項提案，要圍繞這種智能卡建立全國性的識别系統。
在這些系統中，每個人都被要求攜帶一張可能包含大量個人信息的卡片，這些信息包括持有者的健康狀況、财務狀況、身體狀況、住所，等等。
此外，卡片的内存可以用來保存最近的交易信息，比如最近的N次購買或N筆銀行交易。
這張卡還可以通過編程來實時識别持有者，用某種生物特征分析，比如用語音識别或指紋識别，來代替個人識别号碼。
值得注意的是，在各種情況下，提案的制定都是針對一個假定的問題：非法移民、福利“欺騙”、國家駕駛執照、緊急情況下的個人醫療信息獲取。
解決方案總是要求我們放棄更多的隐私和個人信息。
全景分類的操作者不解決系統性原因，也不理性地看這些“療法”是否比它們能解決的問題更糟糕，而隻是利用廣告和與社會弊病相關的恐懼來擴大他們的影響。
理性的觀察者會想知道自己的身份證信息會提供給誰，以及卡上還存儲着哪些自己不知道的信息。
分類是“基于識别的信息，将個體分配給概念上的群組”。
從根本上來講，分類是控制。
因為獲取每個人完整的詳細信息是不可能的，公司會使用越來越小的“桶”或組群來對人們進行分類。
人們的主張是，某些可辨别的信息，如收入、子女數量、婚姻狀況等可以對人們進行分類，例如，“年輕、處于事業上升期”的人（最初的分類導緻“雅皮士”[50]這個詞成了公共話語）。
一旦人們被分配到這樣的組群中，他們的行為就可以通過适用于整個組群的統計技術預測了。
也就是說，如果我們可以滿懷信心地說，所有雅皮士都會這樣做（例如，在未來三年内購買一輛新車），然後我們又把你劃分到了這樣的一個類别，那麼我們就可以推斷出你可能會在三年内買一輛車。
盡管專業的統計學家告誡人們不要把這些預測從一般水平延伸到具體水平，但是這些預測技術仍被廣泛使用。
任何一個對付過頑固的官僚機構或不屈服于企業“服務”的人都了解，這一過程有多不人道。
分類基于特定的測量，未測量的差異（如個體差異）并不存在于全景分類的目的中。
在個體層面上，我們可能會認為，無論有關任意一群人的預測統計數據的準确性如何，它們都沒有考慮到我們的個人行為。
但是一旦這些小組的分類完成，我們就不再被當作個體對待了。
相反，我們變成了“福利母親[51]”或“老年研究生”，并被期望與這種類型相符。
有趣的是，人們似乎渴望把這些标簽分配給自己，也許這是他們的一種社群意識——要成為可識别組織的一部分。
許多組織使用這種自我認同來重新獲得一種曆史感（例如，美國黑人的經曆）或維護對術語的控制權（例如，同性戀者重拾了“queer”這個詞）。
分類從來都不是價值中立的：它總是包含一個評估，一種比較分類的形式。
使人“黑”的原因往往更多的是政治學問題，而非遺傳學或其他科學問題。
在納粹德國，人們認為，任何至少有一個猶太裔祖父母的人都是猶太人。
在這種分類下，“上等階級”和“中等階級”的收入界限就非常随意，而且通常反映了分類者的價值體系：思考一下“中産階級減稅”這個短語和它的使用方式。
即使那些看似客觀的分類，例如醫療診斷，也要受制于變化無常的時間和文化的影響：思考一下女性“癔病”或同性戀精神病學評價的變化。
統計技術無法考慮到這些變化。
評估是一種測量偏差或變化的過程，它是由已經制定的分類統計規範來衡量的。
評估是一種規避風險的程序，公司在将可能的商品和服務提供給參與交易的人時存在潛在的風險，評估就是指公司試圖限制其中風險的手段。
評估還包括對可能被系統排除或特殊處理的所有人群的描述。
評估涉及基于概率、機會減少和損失預防的計算。
評估基于預測，今天的事件表明預測技術已經擴展到了更模糊的領域。
例如，O.J.辛普森一案[52]的辯護律師獲取了潛在陪審員的詳細資料，并利用這些資料來“預測”哪些人更有可能投有罪票。
當然，辯護律師會蠻橫地阻止這些人加入陪審團。
甘地指出，實際上有三種預測，每種都有自己的長處和不足，但都很少被提及，它們分别是：統計預測，基于群組行為與個體行為的比較；“回憶”預測，基于人過去的行為；臨床預測，基于專家對于個體行為的評估。
我們可能會本能地喜歡統計預測，因為它是“科學的”，對證明和假設的挑戰完全開放。
然而，統計的意義并不經常如此清晰。
事實上，例如一個人是一個群組中的成員，這個群組的成員有95%的可能在三年内買一輛新車，這并不意味着這個人也有95%的可能在三年内買車。
但是從全景分類的角度來看，這無關緊要。
例如，相對于強制那些可能違約或已經違約的人，關注最優效率似乎可以更有效地防止違約。
我們能做些什麼 關于全景分類的最可怕的事情之一是，它不是由一些大規模的令人發指的中央集權官僚機構造成的。
相反，它是信息共享的特有悲劇，在這種情況下，每個理性的參與者都做了似乎符合自己最佳商業利益的事情，但總的結果卻是失去了一些有價值的東西。
在很多方面，全景分類并沒有新穎之處——它至少要追溯到早期工業時代的時間與動作研究。
然而，電信技術的出現，使得我們可以對過去無法逾越的時間和距離進行控制。
毫不誇張地說，如果沒有這些技術，現代跨國公司根本就不可能存在，而這些公司正是全景分類的主要代理人。
有人可能會說，要解決這些公司收集信息所造成的問題，消除全景分類的普遍悲劇，一個簡單方案就是控制與自己有關的信息的發布。
事實上，甘地論述了美國人越來越不願意參與市場調查和民意調查，以及他們對于官方統計數據收集工作（如美國人口普查）的抵觸。
甘地指出，盡管人們對于隐私問題的意識不斷增強，但是人們對于這個問題的态度和潛在的解決方案（如政府監管），則與他們在全景分類中的組織的權力有關。
一般來說，人們相信他們擁有的權力越大，所擔心的就越少（雖然這可能被個人對于全