211service.com
Enrons e-postmeddelandens odödliga liv
Den tidigare Enron-chefen Vincent Kaminski är en blygsam, halvpensionerad handelshögskoleprofessor från Houston som nyligen skrev en Bok på 960 sidor förklara grunderna för energimarknader. Hans mest bestående arv kan dock handla om tusentals e-postmeddelanden han skrev för mer än ett decennium sedan på energitjänstföretaget.
Företagskorpus : Volymer av e-postmeddelanden som skickades och togs emot i Enrons huvudkontor i Houston, ses här 2002, analyseras och dissekeras fortfarande av datavetare och andra forskare.
Kaminski, en tidigare vd för forskning som varnade upprepade gånger för oroande praxis han såg på Enron, är bland mer än 150 ledande befattningshavare vars e-postlådor dumpades på Internet av Federal Energy Regulatory Commission (FERC) den 26 mars 2003. I namnet på att tjäna allmänhetens intresse under dess utredning av Enron , fattade den federala myndigheten det kontroversiella beslutet att lägga ut mer än 1,6 miljoner e-postmeddelanden online som Enrons chefer skickade och tog emot från 2000 till 2002. FERC slog så småningom försöket att ta bort de mest känsliga och personliga uppgifterna efter att ha mottagit klagomål ( se PDF ). Trots det förblir Enrons e-postkorpus, som den rensade versionen nu är känd, den största offentliga databasen med riktiga e-postmeddelanden i världen – överlägset.
Denna korpus är värdefull för datavetare och sociala nätverksteoretiker på sätt som e-postens författare och mottagare aldrig kunde ha tänkt sig. Eftersom det är ett rikt exempel på hur riktiga människor i en verklig organisation använder e-post – full av vardagliga lunchplaner, tråkiga mötesanteckningar, pinsamma flirtingar som avslöjade minst en utomäktenskaplig affär och de förbannande missiv som stavade korruption – har den bli grunden för hundratals forskningsstudier inom så olika områden som maskininlärning och genusstudier på arbetsplatsen.
Den här forskningen har haft omfattande tillämpningar: datavetare har använt korpusen för att träna system som automatiskt prioriterar vissa meddelanden i en inkorg och varnar användare om att de kan ha glömt ett viktigt meddelande. Andra forskare använder Enron-korpusen för att utveckla system som automatiskt organiserar eller sammanfattar meddelanden. Mycket av dagens mjukvara för upptäckt av bedrägerier, bekämpning av terrorism och beteendemönster för gruvdrift på arbetsplatsen via e-post har på något sätt berörts av datamängden.
Det är som att vi studerar jäst, säger William Cohen, en datavetare från Carnegie Mellon University som hjälpte till att lägga in korpusen i en databas som kunde brytas av forskare. Det har studerats och experimenterats på eftersom det är en mycket välförstådd modellorganism. [E-postmeddelandet genererat av] Enron är liknande. Folk kommer att fortsätta använda det under lång tid.
Enrons e-postmeddelanden fick sitt förlängda liv av forskare vid MIT, Carnegie Mellon University och det ideella forskningsinstitutet SRI International. För tio år sedan samarbetade forskare vid dessa institutioner i det DARPA-finansierade CALO-projektet, som står för Cognitive Assistant that Learns and Organizes, och vars största anspråk på berömmelse är att ge upphov till Apples Siri-programvara. För CALO samlade forskarna ihop mycket mindre e-postdatauppsättningar för att analysera.
När Enrons e-postmeddelanden postades 2003 insåg forskarna att de kunde vara extremt användbara för att testa algoritmer som kunde bearbeta skriftspråk och ligga till grund för intelligenta arbetsplatsverktyg. Eftersom FERC hade postat e-postmeddelanden i ett oanvändbart format, MITs Leslie Kaelbling köpte råfilerna från en statlig entreprenör för 10 000 USD, och andra ägnade tid åt att rensa upp data – rensa bort dubbletter, organisera mappar, ta ut de återstående privata bilagorna och e-postmeddelandena och mappa avsändare och mottagare till Enrons organisationsstruktur. Korpusen, till en början mer än 517 431 e-postmeddelanden, var minskat till 200 000 år 2004.
Ett forskningsekosystem blommar fortfarande runt korpusen eftersom det inte finns något annat liknande det i det offentliga området. Om det inte fanns kunde forskning om företags-e-post endast utföras av personer med tillgång till stora företags- eller statliga servrar. Det skulle förmodligen utesluta forskare inom samhällsvetenskap, organisation och lingvistik – av vilka många har använt korpusen för att skaffa värdefulla insikter om företagskultur, säger Owen Rambow, professor vid Columbia University involverad i ett forskningsprojekt som använde Enron-korpusen och fick en $510 000 bidrag från National Science Foundation .
Sedan 2010 har cirka 30 tidningar per år citerat den ursprungliga artikeln som presenterade Enron-korpusen, uppskattar Carnegie Mellons Cohen. I år har t.ex. forskare vid HP Labs vände sig till korpusen för att demonstrera ett artificiell intelligensprogram för att automatiskt identifiera de åtaganden människor gör via e-post. Jafar Adibi, som arbetade på en tidig karta över det sociala nätverket Enron , säger att han fortfarande får handfulla förfrågningar varje månad, fler och fler från forskare utanför USA. Det finns fortfarande en aktiv list-serv ägnas åt att diskutera korpusen.
Forskare som har arbetat med korpusen vet att det inte kommer att finnas ytterligare en Enron. FERC släppte e-postmeddelandena när världen fortfarande hade mycket att lära sig om integritet på nätet. Skadorna på personer som nämnts – av vilka de flesta var oskyldiga till något fel på Enron – blev snabbt uppenbara. Personnummer och till och med bankuppgifter fanns där. Även om mycket privat data har tagits bort, genom att bläddra i hundratals e-postmeddelanden i Kaminskis skickade mapp, hittade jag ett hemtelefonnummer, hans frus namn och en föga smickrande åsikt han hade om en före detta kollega. Jag fick också en känsla av att han hade varit länge, länge försenad med befordran han fick 2000. När e-postmeddelandena först släpptes sa Kaminski, chef för cirka 50 anställda på Enron, att han var mest störd av att se hans fram och tillbaka kommunikation om HR-klagomål och utvärderingar av jobbkandidater blir offentliga. En jobbkandidat han en gång intervjuade blev upprörd efter att de släpptes.
Idag undviker många människor som arbetar i starkt reglerade branscher som finans att lägga känslig information i sina e-postmeddelanden. Kaminski, som senare tjänstgjorde som verkställande direktör på Citigroup, noterar att förkortningen LTOL blev populärt e-postspråk under åren efter Enron. Det står för Let's take this offline.