在去年因大量负面反馈而暂时搁置具有争议的 Windows Recall 功能后,Microsoft 又重新出发 - 现在悄悄地将这款截屏应用程序加入到 Copilot+ PC 的 Windows 11 预览版通道中,这表明该功能即将正式发布。
去年 5 月,Microsoft 在其 Build 开发者大会上推出了 Recall 功能。该功能会每隔几秒钟自动截取桌面截图,并将其存储在本地数据库中,这样用户就可以后续浏览这些记录,回忆(即"recall")自己在特定时间点在电脑上的操作。
这项功能计划进一步发展,允许用户通过 AI 搜索数据库,根据搜索词查找特定操作,同时还可以捕获应用程序活动、即时消息和其他通信内容、浏览的网站、按键记录以及任何其他可用数据,所有这些都可以通过 AI 驱动的搜索进行回溯。
如果你上周做过某事但记不清具体细节,你可以通过 Recall 调出并重现。当时,Microsoft 表示该功能将在即将推出的 Copilot+ PC 上默认启用。AI 将与数据库一起在本地运行,使用 PC 的硬件加速。
这项功能的优点是你可以回溯几天前的工作或学习内容,这可能会很方便。但缺点之一是你的 PC 现在会记录你的所有操作,如果有人入侵或窃取你的设备,并能够以你的身份使用它,他们不仅可以监控未来的活动,还可以重现你之前的操作。
微软试图通过声称其 AI 会自动在浏览器中编辑敏感信息(如密码和财务数据)来平息不可避免的隐私争议,但这仅限于使用 Edge 浏览器的情况。
Microsoft Research 首席科学家 Jaime Teevan 被推出来宣传 Recall 是 AI 时代的必需品。与此同时,安全研究人员如 Alex Hagenah 轻松绕过了该软件的数据保护,开发出了名为 TotalRecall 的概念验证工具,可以从 Recall 的 SQLite 数据库中提取和显示数据。
在来自信息安全专家、IT 管理员、隐私倡导者和其他各方的反对声音之后,微软在去年 6 月暂停了该功能的发布。
但似乎一个糟糕的想法总是难以抑制。到了 11 月,Microsoft 又悄悄地重新尝试 — 这次默认关闭 Recall 功能,并将其限制在运行 Windows Insider Dev 通道版本的 Copilot+ PC 上,特别是那些使用 Qualcomm 芯片的设备。随后又支持了 Intel 和 AMD 的 Copilot+ 设备。
OpenAI 似乎也很感兴趣
拥有一个可以记住和分析用户行为的应用程序似乎不仅是 Microsoft 的想法 - OpenAI 也加入了这个行列。
"我们大大改进了 ChatGPT 的记忆功能 - 它现在可以引用你所有的过去对话!"联合创始人 Sam Altman 说。
"我认为这是一个令人惊喜的好功能,它指向了一个我们感到兴奋的方向:AI 系统可以在你的生活中了解你,并变得极其有用和个性化。"
这项功能现在已为专业版用户默认开启,并将很快向 Plus 用户开放。
周四,Microsoft 将 Windows 11 Build 26100.3902 推送到发布预览通道 - 这是正式发布前的最后一站 - 是的,Recall 功能包含在其中。Microsoft 表示 Recall 将是一个选择性加入的功能,"将逐步推出",所以你可能需要等待它在你的 PC 上激活。
"Recall (预览版) 将从 2025 年初开始在大多数市场提供,并将在今年晚些时候推广到欧洲经济区。针对特定语言进行了优化(英语、简体中文、法语、德语、日语和西班牙语)",发布说明中表示。
最新的 Recall 版本可以与主要浏览器配合使用,包括 Edge、Firefox、Opera 和 Google Chrome。截图和从中提取的上下文数据,以及似乎正在使用的其他应用程序的数据,都会在本地加密保存。访问截图档案需要 Windows Hello 认证,而且你需要配备 NPU 的 Microsoft Copilot+ PC 来处理 AI 处理需求。
微软坚称所有数据都保存在 PC 的本地存储中。
"Recall 不会与 Microsoft 或第三方共享截图或相关数据,"它说,"也不会在同一设备的不同 Windows 用户之间共享。"
"Windows 在保存截图之前会征求你的许可。你始终掌控着主动权,可以随时删除截图、暂停或关闭它们。未来任何用户共享数据的选项都将需要用户完全知情并明确同意。"
也许这些改变足以让 Microsoft 管理层会议之外的人相信 Recall 是个好主意,但我们对此表示怀疑。许多用户可能准备好要"考虑离婚了",引用某位奥地利裔美国人的话。(R)
好文章,需要你的鼓励
Xbench是知名投资机构红杉中国推出一款全新的AI基准测试工具,旨在真实地反映AI的客观能力,其在评估和推动AI系统提升能力上限与技术边界的同时,会重点量化AI系统在真实场景的效用价值,并采用长青评估的机制,去捕捉AI产品的关键突破。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
Atlassian总裁Anu Bharadwaj在Transform 2025大会上分享了公司AI智能体规模化的实践经验。她强调,成功部署AI智能体需要营造实验文化,而非仅依靠自上而下的指令。Atlassian通过Rovo Studio平台为各团队提供了构建定制化智能体的环境,创造心理安全的工作氛围,鼓励员工大胆尝试和迭代。公司客户通过该平台显著提升了工作效率,建筑行业客户将路线图创建时间缩短75%。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。