数字自我防御意识觉醒 隐私技术会扼杀人工智能吗?
人工智能的开发和应用需要采用大量数据。提供给机器学习算法的数据越多,就越能更好地发现模式、做出决策、预测行为、个性化内容、诊断医疗状况、实现智能化、检测网络威胁和欺诈。
事实上,人工智能和数据已经达成了这样的关系:“没有数据的算法是盲目的,而没有算法的数据是愚蠢的。”但采用人工智能技术可能面临风险,并不是每个人都想分享自己的信息或数据,至少在当前的数字参与规则下是这样。因此,需要采取一些数字自我防御措施。
有些人完全脱离对外接触,成为数字隐士;有些人则谨慎行事,使用数字自我防御这一隐私增强技术(PET)来应对数字泄漏。
使用数字自我防御的人不信任网站隐私通告,而是使用隐私等级扩展等工具对其进行验证。他们不会告知他们的偏好,而是使用专用工具——如人工智能驱动的隐私保护搜索引擎和浏览器,进行匿名搜索。这些工具阻止隐形跟踪器的跨页面跟踪,帮助他们换种方式探索世界、协作以及存储数据。
日益兴起的数字自我防御
人们可以采用一些工具来应对人工智能算法对隐私的收集和分析,这被称为数字自我防御,或者又称监视自我防御。
采用数字自我防御的用户通常厌倦了无处不在的在线行为跟踪,这些跟踪甚至进入了他们的线下生活。数字自我防御并不是一种间谍行为,而是隐私的自我保护。
这种行为始于2013年美国前特工爱德华·斯诺登揭露的美国政府全面监控计划,该计划让美国国家安全局史无前例地可以掌握人们的通信和信息,包括可以从苹果、谷歌、Skype和Facebook等科技巨头的服务器上窃取电子邮件、照片、视频、实时聊天等信息。
英国情报机构GCHQ的类似侵入性策略也被披露,这引发了人们更高的隐私安全意识,改变了欧盟数据保护法规的发展轨迹,促使在法规中体现出以消费者为中心、以隐私为中心的文化,例如GDPR法规。
科技巨头为此争先恐后地证明他们的隐私信誉,将加密作为默认设置,并宣布将用户隐私作为优先事项。他们将自己定位为值得信赖的数据守护者,消费者可以信任他们,无需进行进行数字自我防御。
但2018年发生的剑桥分析公司的数据泄露丑闻,揭示了一些可能比政府监视更令人不安的东西:“监视资本主义”。在广告技术的推动下,人们的数字身份被在线跟踪器和不正当的数据抓取、打包、分析、剖析、拍卖、交换以及武器化,以提供“精准营销”来影响人们的消费行为。
事实表明,亚马逊公司可能比人们更了解他们自己。Facebook可以预测人们在社交媒体要说的下一句话,更可怕的是可以预测选民的投票倾向。剑桥丑闻揭示了广告技术“微目标”如何与假新闻和心理战策略相结合,以影响选民的决定,这导致Facebook公司在今年早些时候禁止在其平台上投放政治广告。
广告技术的新宠是基于位置的营销,它可以跟踪和映射用户的行为,追踪他们进入线下世界,通过结合应用程序数据和他们收集与汇编的其他来源数据推断私密细节,以创建丰富的个人资料,并按种族、性格、财务状况、年龄、饮食习惯、药物滥用历史、政治派别、社交网络、社交网络等对用户进行细分,然后在实时竞价平台的暗网中兜售,因此可能将会带来不利影响。
人们
而广告技术收集个人资料并不总是准确,而且目标决策可能令人反感。
例如,美国的保释金广告以具有非裔名字的用户作为目标,百事可乐等大品牌在极端激进网站上进行宣传。一位社交媒体用户表示,在她怀孕和流产期间总是接收到育儿广告,她公开呼吁科技巨头修复他们的算法,称“这个算法足够智能,知道我怀孕。而在我流产之后,并向我发送医院的广告,这令人毛骨悚然。”
精准营销是有效的,但也可能是有害的,因为并没有真正起作用。人类学家Tricia Wang指出,这是以牺牲客户理解为代价将人际关系实现商品化。她表示,70%的首席营销官认为广告科技没有提供有价值的客户洞察。大数据给出了宏观图景(这是一个不完整且不准确的图景),但缺少人类的叙述。
具有讽刺意味的是,广告科技正面临着从营销中清除以客户为中心的危险,因为它看不到“人类的0和1”。
学习数字自我防御
Data Ethics公司联合创始人Pernille Tranberg正在帮助消费者和企业找到应对监控的双赢替代方案。她教授消费者学习数字自我防御基本知识,让他们可以使用Digi.Me和Tapx等工具保护他们的数据,并按照自己的条件以公平的市场价值进行交易。
Blockthrough等网站工具会阻止未知或不安全的第三方跟踪器,同时允许隐私友好的跟踪器。Brave通过奖励访问帮助出企业获得更多的浏览收入,访问者可以通过观看隐私友好型广告获得报酬。Matomo等分析提供商为网站所有者提供了他们拥有的丰富数据,以及他们可以利用的隐私控制。
消费者与广告商是一种对抗关系?是的,但不全是。广告商需要尊重人们的选择,而不是禁用广告拦截器,或欺骗用户同意欺骗性界面和黑盒模式。他们之间应该合作而不是对抗,广告商需了解客户,否则最终将会失败。
隐私会扼杀人工智能吗?
综上可见,如果人们不小心的话,采用人工智能分析数据的广告技术会侵犯他们的隐私。为此人们希望收回他们的代理权。他们厌倦了被监视,并且正在反过来监视广告商的行为。
数据显示,如今有17亿人采用广告拦截工具拦截广告,这是“人类历史上最大的抵制”。随着苹果和谷歌等公司不再使用第三方cookie,广告商将需要找到新的方法来利用消费者数据,同时保持信任。
隐私安全使人工智能变得人性化,它可以拯救广告科技。例如,隐私友好型工具为竞争环境提供了公平的环境,可以鼓励人们分享更多信息。广告商将会分析匿名或加密数据,将这些数据重新置于人工智能系统中,以解锁广告科技无法提供的虚假客户洞察。
总之,人们的数字自我防御意识正在觉醒,传统滥用数据的人工智能方式,需要进化了!
以上是数字自我防御意识觉醒 隐私技术会扼杀人工智能吗?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在
