对于 DeepSeek R1 的隐私政策所揭示的 AI 系统特点值得我们密切关注并谨慎使用。这不仅仅是关于技术实力,或在数学、编程和通用知识等基准测试中超越 OpenAI 的表现 —— 这些话题已被广泛讨论。而是关于它展现人工诚信而非仅仅追求智能的能力。
DeepSeek 内部机制的问题
首先,DeepSeek 内部机制的不透明使其更像是一个用户剥削工具,而非用户赋能工具。
DeepSeek 的隐私政策列举了其收集的数据类型,但未能阐明这些数据如何在内部处理。用户输入(如聊天历史和上传文件)被收集用于"训练和改进服务",但没有提及数据匿名化或敏感数据保护措施。
没有明确说明用户数据是否直接用于更新 AI 模型。"哈希邮箱"和"移动设备标识符"等术语模糊了真正的透明度,让用户无法确定他们的数据被收集会带来什么影响。
总的来说,DeepSeek 收集大量数据(如按键模式、设备 ID),但没有说明这些细节对提供服务的必要性。它表示会"根据需要"保留用户数据,但没有具体的保留期限或保证,使用户数据长期面临滥用、泄露或未授权访问的风险。
其对跟踪机制(如 cookies)的依赖显示了一个基本的权衡:用户可以"禁用 cookies",但政策警告这样做会限制功能,巧妙地强迫用户为基本服务而分享数据。此外,通过将登录或账户连续性等基本功能与数据收集实践捆绑在一起,DeepSeek 模糊了知情同意和强制遵从之间的界限。
DeepSeek 外部机制的问题
其次,DeepSeek 的创新承诺不应成为其在威胁社会结构的关键外部问题上疏忽的理由。
DeepSeek 将个人信息存储在中国的服务器上,其隐私政策承认存在跨境数据传输。
虽然提到了法律合规,但没有明确提及符合欧洲《通用数据保护条例》或《加州消费者隐私法案》等主要全球隐私框架,引发了对来自严格数据保护司法管辖区的用户数据处理的担忧。
DeepSeek 的互动问题
第三,在未能解决关系中的漏洞时,DeepSeek 可能从调解者变成掠夺者。
DeepSeek 的政策将用户参与与大量数据共享挂钩。例如,虽然用户可以禁用 cookies,但会被警告这将导致功能减弱,实际上是强迫他们为了"无缝"体验而共享数据。
重新定义我们对 AI 的要求 —— 在人工智能之上追求人工诚信 —— 这是确保 AI 性能服务于最重要的人类需求的保证。没有这一点,经济价值将以牺牲社会福祉和个人生活为代价。
AI 需要的性能不应以过度消耗能源、水资源和陆地资源为代价,也不应导致经济集中在少数人手中。
AI 还需要从核心功能上而不仅仅是外部角度植入诚信。没有这一点,人工创造的智能可能在社会层面造成危害,超出任何开发者通过回滚能够管理的范围。
对于前者,让我们希望 DeepSeek R1 等模型能开创突破性道路;而对于后者,更重要的是确保创新是通过机器赋能人类,而不是相反 —— 追求人工诚信高于智能。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。