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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。