谷歌AI开始”读心”,你的邮箱和相册正在变成广告牌

谷歌又悄悄改了一件事,而这件事可能比你想象的要严重得多。
最近,谷歌推出了一个名为”个人智能”(Personal Intelligence)的功能,允许用户将其AI工具连接到自己的电子邮箱或照片库。按照谷歌的说法,这是为了让AI更懂你——通过读取你的邮件、浏览你的照片,AI可以生成更精准的回复、更贴心的推荐。听起来很美好,对吧?但几乎在同一时间,谷歌更新了隐私政策,而这次更新的措辞,让不少隐私观察者皱起了眉头。
**一、表面是”更懂你”,底层是”更懂怎么卖给你”**
先别急着被”个人智能”这个名字迷惑。我们要问一个最基本的问题:谷歌为什么要做这件事?
答案藏在谷歌的商业模式里。谷歌的绝大部分收入来自广告——2023年,广告业务为谷歌贡献了超过2300亿美元的收入,占总营收的近八成。而广告的核心竞争力是什么?是精准。谁更了解用户,谁就能卖出更贵的广告位。
过去,谷歌了解你的方式是通过搜索记录、浏览历史、地理位置。这些数据已经足够庞大,但存在一个致命的短板:它们都是”外部行为”数据。你搜了什么、去了哪里、点了什么,这些只是你生活的投影,而不是你生活本身。
但现在,”个人智能”改变了这一切。你的邮箱里有你的购物确认、账单、旅行预订、医疗预约;你的相册里有你的面部信息、家庭成员、居住环境、社交关系。这些是”内部生活”数据——它们不再是投影,而是你本人。
当AI把这两类数据打通,谷歌对你的理解将发生质变。而隐私政策更新的关键之处在于,它可能为这些数据用于广告目的打开了更宽的门。换句话说,谷歌不仅想让AI更懂你,更想让广告系统更懂你。
**二、隐私政策的”温水煮青蛙”效应**
值得警惕的不是某一次隐私政策更新,而是更新的方式。
大多数用户不会阅读隐私政策——这已经是公开的秘密。剑桥大学的一项研究曾估算,如果一个人要认真读完一年中使用的所有服务的隐私政策,需要花费近250个小时。这意味着,隐私政策的更新本质上是一种”通知”,而非”同意”。
谷歌深谙此道。每一次隐私政策的调整,措辞都经过精心设计:用”改善用户体验””提供个性化服务”这样的表述包裹核心变化,让用户在不知不觉中交出更多数据授权。而当你意识到变化时,往往已经默认同意了。
更微妙的是,这种变化是渐进的。今天允许AI读取邮件来帮你写回复,明天就可能允许AI分析邮件内容来优化广告推荐。每一步看起来都合理,但合在一起,就是一条从”工具”到”监控”的滑坡。
**三、真正的风险:数据交叉引用后的”超画像”**
单独看邮箱数据,它能告诉谷歌你买了什么;单独看相册数据,它能告诉谷歌你长什么样、和谁在一起。但当这两者交叉引用,再加上搜索记录和地理位置,谷歌构建的不再是”用户画像”,而是”数字分身”。
这个分身知道你的消费能力、健康状况、家庭结构、社交圈子、情绪状态。它甚至可能比你更了解你自己——因为人类的记忆会偏差、会遗忘,而数据不会。
问题在于,这个”超画像”的用途边界在哪里?谷歌说用于”改善AI回复”,但隐私政策的模糊措辞为更多用途留下了空间。当监管滞后于技术,企业的自律就成了唯一的防线——而历史反复证明,自律在商业利益面前往往不堪一击。
**四、我们该怎么办?**
这不是一个容易回答的问题。完全拒绝AI服务不现实,但毫无防备地交出数据同样危险。几个可行的方向是:
第一,主动管理数据授权。谷歌账户设置中有”活动控制”选项,你可以查看并限制AI可以访问的数据类型。花十分钟检查一下,比事后后悔强。
第二,关注隐私政策的”变更摘要”。大多数公司会在更新时提供摘要,重点看”我们如何使用你的数据”和”我们与谁共享数据”这两个部分。
第三,支持更严格的隐私立法。欧盟的《通用数据保护条例》(GDPR)已经为全球树立了标杆,但技术变化太快,法律需要持续追赶。作为用户,我们的声音是推动立法的重要力量。
谷歌的”个人智能”功能本身不是恶魔,它确实可能让AI助手变得更好用。但当同一家公司既卖AI服务、又卖广告,而两者共享同一套数据管道时,我们就必须保持清醒:你交给AI的每一封邮件、每一张照片,都可能成为下一块广告牌上的拼图。
技术从来不是中立的。它的方向,取决于我们允许它走多远。
**评价引导:你怎么看谷歌将AI与个人数据打通这件事?你会为了更好的AI体验而授权访问邮箱和相册吗?欢迎在评论区分享你的看法。**

  • Related Posts

    手腕上的健康焦虑:当AI比你自己更懂你的身体,是福还是祸?

    前几天坐地铁,我数了一下,一节车厢里至少有七个人手腕上戴着智能手表或健身手环。有人时不时抬腕看一眼屏幕,有人对着手表上的圆环数据皱眉,还有人把心率曲线放大又缩小,像是在解读一份关乎生死的体检报告。这个场景放在十年前几乎不可想象,但今天,它已经成了日常。
    可穿戴设备早已走出健身房。Apple Watch、Oura Ring、Whoop手环、各种国产健康监测设备,正在把我们的身体变成一个实时在线的数据终端。心率、血氧、睡眠质量、压力指数、步数、卡路里消耗——一切都被量化、被记录、被评分。问题是,当我们越来越依赖这些设备来评估自己的健康状况时,我们究竟是在变得更健康,还是变得更焦虑?
    带着这个疑问,我采访了一位顶尖的运动营养师。她的回答,比我想象的要复杂得多。
    **一、数据给了你掌控感,也偷走了你的判断力**
    不可否认,可穿戴设备带来的好处是真实的。它们让很多人第一次意识到自己每天坐了多少小时、睡得多浅、心率在什么区间波动。对于慢性病患者、运动员或有明确健康目标的人来说,这些数据确实能提供有价值的参考。
    但问题在于,大多数人并不具备解读这些数据的能力。营养师告诉我,她经常遇到这样的客户:手环显示某天“恢复分数”偏低,就立刻取消训练计划,甚至请假在家休息;睡眠监测显示“深睡不足”,就开始购买各种助眠补剂,越吃越焦虑,越焦虑越睡不着。数据本来是为了服务人,结果人反过来被数据绑架了。
    更微妙的是,这些设备的算法并不透明。它们给出的“压力指数”“身体年龄”“恢复状态”,本质上是一套基于有限生理信号的估算模型,远没有消费者想象得那么精确。但因为它披着科技的外衣,人们往往赋予它一种近乎权威的可信度。于是,一个手环的评分,可能比你自己“今天感觉还不错”的直觉更有话语权。
    **二、当卡路里变成道德分数**
    采访中,营养师提到了一个让我印象深刻的观察:可穿戴设备正在助长一种不健康的饮食关系。
    很多设备会自动计算你的“卡路里消耗”,并与你摄入的食物进行对冲。表面上看,这是帮助用户管理体重的工具。但在实际使用中,它很容易演变成一种数字游戏——今天多走了五千步,所以“有资格”多吃一块蛋糕;今天消耗不够,所以晚饭要“扣回来”。食物被简化成数字,进食被异化成交易。
    营养师说,她见过不少客户,在佩戴设备后反而出现了更明显的饮食焦虑。他们不再问“我饿不饿”“我想吃什么”,而是问“我今天还剩多少卡路里额度”。这种思维方式,恰恰是健康饮食的反面。长期下来,它不仅破坏人与食物之间的关系,还可能诱发暴食、节食交替的恶性循环。
    更值得警惕的是,这种“数据化饮食”往往伪装成自律和科学管理。你在社交媒体上看到的那些“手环+饮食记录”的完美截图,背后可能是一个正在被数字折磨得精疲力竭的人。
    **三、AI健康建议:便捷与风险的灰色地带**
    如今,越来越多的可穿戴设备开始接入AI健康助手。它们会根据你的数据生成个性化建议:今天该多喝水、今晚该早睡、你的压力水平建议进行深呼吸练习。这些建议听起来无害,甚至贴心。
    但营养师提醒我,问题在于边界。当设备开始给出超出监测范围的建议——比如根据心率变异性推测你的激素状态,或根据睡眠数据建议你调整饮食结构——它实际上已经越过了“记录工具”的边界,进入了“健康干预”的领域。而这个领域,是需要专业训练和个体化评估的。
    她举了一个例子:有客户拿着设备生成的“代谢灵活性偏低”报告来咨询,要求制定相应的饮食方案。但设备根本没有能力测量代谢灵活性,那个结论只是一个基于间接指标的粗略推测。如果用户完全相信它并据此大幅调整饮食,可能带来不必要的风险。
    AI可以是一个好的提醒者,但它不应该成为一个好的诊断者。而现实中,这两者的界限正在变得越来越模糊。
    **四、真正的健康,不在手腕上**
    采访快结束时,我问了营养师一个问题:你自己戴可穿戴设备吗?
    她笑了笑说,戴,但只看两样东西——步数和静息心率。其他的数据,她选择性地忽略。她说了一句让我记了很久的话:“设备可以告诉你身体发生了什么,但它没法告诉你为什么,也没法告诉你该怎么办。这两件事,仍然需要人来判断。”
    这或许就是问题的核心。可穿戴设备和AI健康工具,本质上是一面镜子,映照出我们身体的某些侧面。但镜子不会替你生活,也不会替你感受。当你把评估健康的权力完全交给手腕上那块屏幕时,你失去的不仅是对身体的直觉,还有对自己生活的掌控感。
    人们是否过度依赖AI来评估健康状况?答案可能因人而异。但有一点是确定的:任何工具,一旦让你比没有它时更焦虑、更不信任自己的身体,那它就已经背离了健康的初衷。
    你的手腕上,戴的是工具,还是枷锁?欢迎在评论区聊聊你和可穿戴设备的故事。

    量子计算机学会“认错”了,这件事比它算得快重要一万倍

    过去几年,量子计算的故事我们听了太多遍:多少量子比特、多快的运算速度、多短的时间解决传统计算机要算一万年的问题。这些叙事当然激动人心,但它们共同指向一个隐秘的前提——量子计算机必须足够可靠。而现实是,我们今天拥有的量子设备不仅规模小,而且极其脆弱。一个微小的环境噪声、一次不经意的热涨落,就足以让计算过程偏离轨道。更棘手的是,量子计算机不像 classical 计算机那样可以随时“偷看”中间结果来检查对错——因为一旦测量,量子态就会坍缩。这意味着,量子计算天然缺乏一套有效的自我纠错机制。而最近的一项进展,恰恰在这个最要命的地方撕开了一道口子:研究人员在量子纠错方向上迈出了实质性的一步,让量子计算机离“能够纠正自身错误”这个目标近了一点。这件事听起来不如“量子霸权”那样炸裂,但它的分量,可能比后者重要得多。
    要理解这项进展为什么关键,得先明白量子纠错到底难在哪。传统计算机用比特存储信息,0就是0,1就是1,出错了大不了多存几份、投票表决。但量子比特不同,它可以同时处于0和1的叠加态,信息编码在概率幅和相位里。你不能直接复制一个未知的量子态——这是量子力学的基本定理,叫“不可克隆定理”。所以经典的冗余备份思路在量子世界直接失效。更麻烦的是,量子错误不止一种:比特翻转、相位翻转、甚至两者同时发生。要纠正这些错误,必须在不破坏量子叠加的前提下,把错误信息“挤”到辅助量子比特上,再对辅助比特测量,间接推断出主比特出了什么错。这套思路早在1990年代就被提出,但工程实现极其苛刻——需要大量物理量子比特协同工作,且每个环节的保真度都要足够高。过去二十多年,实验物理学家一直在跟噪声赛跑,而这次的新进展,是在“逻辑量子比特”的寿命和错误率上同时取得了可验证的改善,让纠错循环真正跑了起来,而不是停留在纸面方案上。
    这项进展的深层意义在于,它改变的是量子计算机的“容错阈值”逻辑。所谓容错阈值定理说的是:只要物理量子比特的错误率低于某个临界值,就可以通过层层编码,构建出错误率任意低的逻辑量子比特。过去很多实验连这个阈值的边都摸不到,因为物理比特本身太吵了。而这次的工作表明,在特定架构下,编码后的逻辑错误率已经低于构成它的物理比特错误率——这是纠错真正“生效”的标志性信号。换句话说,量子计算机第一次在实验层面证明:它能通过自己的纠错机制,把错误压下去,而不是越纠越错。这一步跨过去,后面的路才有意义。没有它,再多的量子比特也只是在噪声里堆沙子;有了它, scaling up 才变成工程问题,而不是物理原理上的死胡同。
    当然,必须保持清醒。这离“通用容错量子计算机”还有相当距离。当前的演示规模仍然很小,纠错循环的周期有限,离真正运行Shor算法所需的上千个逻辑量子比特差着数量级。而且,不同技术路线——超导、离子阱、中性原子、光量子——在纠错上的表现差异很大,这次进展能否迁移到其他平台、能否在更大规模下维持优势,都是未知数。更现实的问题是,纠错本身会带来巨大的开销:一个逻辑量子比特可能需要成百上千个物理量子比特来支撑,这意味着硬件规模要再上一个台阶,而控制系统的复杂度和功耗也会同步飙升。所以,与其说我们“快有了”能自我纠错的量子计算机,不如说我们“终于看清了”通往那个目标的第一段真实路标。
    但恰恰是这种“看清路标”的时刻,比任何单点突破都值得认真对待。量子计算过去被太多光环和泡沫包裹,动辄“颠覆加密”“重构材料科学”,却很少有人说清楚:在噪声面前,这些承诺靠什么兜底。纠错就是那个兜底。没有它,量子计算机永远是个精致的实验室玩具;有了它,才谈得上可靠、可扩展、可编程。这次进展最值得肯定的地方,不是它做出了多大规模的量子处理器,而是它把“自我纠错”从一个理论承诺,变成了一个实验上可重复、可验证的工程行为。科学史反复告诉我们,真正改变技术轨迹的,往往不是最响亮的那个突破,而是让整个系统从“不可靠”走向“可靠”的那块基石。
    所以,当我们说“离能够纠正自身错误的量子计算机又近了一步”时,真正在说的是:量子计算正在从“展示潜力”的阶段,缓慢但确定地转向“兑现可靠性”的阶段。这一步不炫目,但它决定了后面所有步能不能走。对于关注这个领域的人来说,与其追逐下一个量子比特数纪录,不如盯住纠错逻辑比特的错误率曲线——那条线往下走的斜率,才是量子计算真实进展最诚实的刻度。
    你怎么看量子纠错这条路线?是觉得它只是漫长工程中的一小步,还是认为可靠性才是量子计算真正的分水岭?欢迎在评论区聊聊你的判断。

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    You Missed

    谷歌DeepMind用Gemini 4 Argon构建3D元素周期表:它有何不同之处

    • 由 chubai
    • 29 10 月, 2026
    • 4 views
    谷歌DeepMind用Gemini 4 Argon构建3D元素周期表:它有何不同之处

    谷歌AI开始”读心”,你的邮箱和相册正在变成广告牌

    • 由 chubai
    • 29 10 月, 2026
    • 5 views

    AWS到2027年几乎售罄:AI算力饥荒时代,谁在裸泳,谁在囤粮?

    • 由 chubai
    • 29 10 月, 2026
    • 4 views
    AWS到2027年几乎售罄:AI算力饥荒时代,谁在裸泳,谁在囤粮?

    手腕上的健康焦虑:当AI比你自己更懂你的身体,是福还是祸?

    • 由 chubai
    • 29 10 月, 2026
    • 4 views
    手腕上的健康焦虑:当AI比你自己更懂你的身体,是福还是祸?

    一对诺福克夫妇,三次把监管机构告上法庭,全赢了:普通人如何用十年死磕,守住一片国际级湿地

    • 由 chubai
    • 28 10 月, 2026
    • 8 views
    一对诺福克夫妇,三次把监管机构告上法庭,全赢了:普通人如何用十年死磕,守住一片国际级湿地

    同样一张显卡,为什么别人跑LLM快3倍?推测解码正在悄悄改写推理成本

    • 由 chubai
    • 27 10 月, 2026
    • 11 views
    同样一张显卡,为什么别人跑LLM快3倍?推测解码正在悄悄改写推理成本