从今天开始,Google正在实施一项变更,将使其Gemini AI引擎能够与WhatsApp等第三方应用程序交互,即使用户之前已配置设备阻止此类交互。不希望之前设置被覆盖的用户可能需要采取行动。
Google最近发送的一封邮件通知用户这一变更,邮件链接到一个通知页面,显示"人工审查员(包括服务提供商)会阅读、注释和处理"Gemini访问的数据。该邮件没有提供阻止变更生效的有用指导。邮件表示用户可以阻止Gemini交互的应用程序,但即使在这种情况下,数据仍会存储72小时。
邮件从未解释用户如何完全从其Android设备中移除Gemini,而且似乎在如何或是否可能做到这一点上自相矛盾。邮件一方面表示变更"将从今天开始自动推出",并将使Gemini访问WhatsApp、Messages和Phone等应用程序,"无论您的Gemini应用活动是否开启"。几句话之后,邮件又说:"如果您已经关闭了这些功能,它们将保持关闭状态。"邮件或其链接的支持页面都没有告知Android用户如何完全移除Gemini集成。
更令人困惑的是,其中一个链接的支持页面要求用户打开单独的支持页面来了解如何控制Gemini应用设置。按照计算机浏览器的指示,我访问了我账户的Gemini应用设置。我看到文本显示由于我关闭了Gemini,没有存储任何活动,这让我感到安心。然而,页面也显示Gemini"不会保存超过72小时的活动"。
当我试图在我的Pixel 7上按照指导操作时,遇到了类似的困扰。Google支持建议从设备访问移动Gemini应用程序。我尝试了,但找不到该应用程序。
邮件或任何支持页面都没有说明如何从我的手机中移除所有Gemini集成。这一切让我怀疑:Gemini是否完全禁用了?当我在Mastodon上讨论这种不明确性时,我很快发现我不是唯一一个提出这个问题的人。
我随后给Google公关发邮件,并附上了Mastodon讨论的链接。我询问是否有人可以为希望确保Gemini集成完全禁用的读者提供可行的指导。回复我邮件的人员没有回答问题,而是写道:"这次更新对用户有益:他们现在可以使用Gemini在移动设备上完成日常任务,如发送消息、拨打电话和设置计时器,同时关闭Gemini应用活动。关闭Gemini应用活动后,他们的Gemini聊天记录不会被审查或用于改进我们的AI模型。"代表提供了一个与上述不明确支持页面相同的链接。
隐私邮件和日历服务提供商Tuta的一位研究人员周一试图填补可行指导的空白。直接的结论似乎是,Google可能正在将Gemini集成到Android中,就像微软将Internet Explorer集成到Windows中一样,这一举动在90年代末使这家软件制造商与联邦政府和十多个州、联邦或地区陷入了长期的反垄断诉讼。
Tuta的帖子称,禁用Gemini应用活动可能会阻止超过临时存储72小时的数据收集。它还说,如果Gemini应用尚未安装,在变更生效后也不会安装。这可能意味着我的手机是安全的,因为Gemini没有安装。我不确定我设备上没有Gemini是因为我曾经手动移除了应用程序然后忘记了,还是因为某种原因它从未安装过。
Tuta的帖子还说另一个解决方案是完全从设备上卸载Gemini。当然,对于不习惯使用命令行终端和修改Android底层设置的用户来说,Google并没有让这变得容易。这可以通过使用Google为开发者提供的Android调试桥来完成。安装后(对于胆小者来说并不容易),用户必须通过输入adb shell pm uninstall com.google.android.apps.bard命令卸载应用程序。当我尝试这个操作时,操作系统返回了一条消息,显示"失败[DELETE_FAILED_INTERNAL_ERROR]"。我不确定这意味着包无法移除,还是它从未在我的Pixel上存在过。
Google说许多Android用户会发现Gemini集成有用,这无疑是正确的。Google营销人员可能声称这种集成是好消息,对这些用户来说,这很可能是真的。然而,相当多的其他用户不希望Gemini或其他AI引擎接近他们的设备。目前,这些用户完全被蒙在鼓里。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。