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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。