2012 年 Google I/O 大會發布的 Google Glass，被稱為 Google 史上最失敗的產品，卻也在科技史上留下濃墨重彩的一筆。
它失敗的原因有很多，隱私風險是其中一個。
讓 Google Glass 拍照很簡單，用語音命令，或者按住頂部的按鈕，但沒有 LED 等亮眼的標誌，提示他人正處在拍攝狀態。
所以，從路人的角度看，Google Glass 就是個不講武德的「偷拍神器」，甚至曾有用户在電影院被保安趕出來。
如今，相似的事情仍在發生，甚至變本加厲——只是因為在人羣中多看了你一眼，AI 眼鏡就可以識別出你的個人信息。
一張臉，一副眼鏡，認識一個陌生人
如果在路上被人搭訕，你沒見過他們，但他們好像認識你，熱情地叫你的名字，説出你的一兩條個人信息，你會是什麼反應？
兩位哈佛大學生，AnhPhu Nguyen 和 Caine Ardayfio，就做了這樣一個實驗。
他們戴着 Meta 的智能眼鏡 Meta Ray-Ban，在校園、地鐵等隨機識別了數十個陌生人。拍下某人的一張照片，幾秒之後，這個人的信息就會出現在手機上。
只是智能眼鏡本身，還不能達到這樣的節目效果，他們做了一些技術上的改動，但原理也並不複雜。
先通過 Meta 智能眼鏡的直播功能，將視頻實時傳輸到 Instagram，然後用一個計算機程序監控這個視頻流，並使用 AI 進行人臉識別。
接着，在互聯網上搜索到某個人的更多照片，以及基於公共數據庫，查找這個人的姓名、住址、電話號碼，甚至親屬信息。
最後，這些信息會傳送到他們編寫的一個手機 app，方便查看。萬事俱備，就差隨機嚇到一個路人。
往細了説，兩位學生是把各種現有的、成熟的技術組合在了一起，連生成式 AI 也參與了。
其中，大語言模型起到的作用很微妙，它可以理解、處理、彙編不同來源的大量信息，比如，將不同文章中的同一個名字關聯起來，通過上下文邏輯推理出某人的身份，讓數據提取的過程自動化了。
關於大語言模型的推理能力，我們之前也報道過一項很有意思的研究，感興趣的朋友可以回看這篇文章：《和 GPT-4 聊天，一種很新的隱私泄露方式》。
隱私泄露老生常談，面部識別並不新鮮，偷拍問題也不是出現一天兩天，大模型在兩年間已經成了很多人離不開的生產力工具。
但彼此之間強強聯合的化學反應，還是導致了一個細思極恐的結果——僅憑大街上偶然的相遇，我們的個人信息就可能被有心人提取。
兩位學生沒有對外公開技術細節，做這個實驗的目的，是為了提醒人們保持警惕。
那我們可以怎麼保護自己？他們提出的應對方法是，從人臉搜索引擎等數據源中刪除自己的數據，但這很難説徹不徹底。
雖然我提醒你了，但你不一定知道被偷拍了
當年有人開玩笑，Google Glass 的最大用處，是讓英國王室的查爾斯王子記住每個人的名字。
或許，通過支持人臉識別的智能眼鏡，我們會迎來一個沒有陌生人的世界，最高興的可能是夜神月。
你可能會問，有了數據庫、面部識別，用手機偷拍應該也行，為什麼他們選擇了智能眼鏡 Meta Ray-Ban?
理由很簡單，它長得像普通墨鏡，不如 Google Glass 賽博朋克，偷拍更加方便，而且眼鏡本就適合記錄，免提，見你所見。
Meta Ray-Ban 並不是沒有提醒，它有一個 LED 指示燈，當用户錄製視頻，它就會自動打開，提醒旁邊的路人。但是，聊勝於無。
之前 The Verge 測評發現，在明亮的室外，Meta Ray-Ban 的 LED 和快門聲都不明顯，在擁擠嘈雜的公共場所，很多人往往不會注意到這種細節。
▲LED 在右眼的上面，你注意到了嗎
當你的手放在鏡腿的按鈕上，別人可能覺得你就是在扶眼鏡而已。
所以也不難理解，隱私一直是智能眼鏡的關注點，前段時間 Meta 首款 AR 眼鏡 Orion 發佈時，也有人擔心，會不會重蹈 Google Glass 的覆轍。
Meta 還在 Meta Ray-Ban 的隱私政策裏強調了「如何負責任地佩戴智能眼鏡」，寫了很多條温馨提醒。
然而，每一條都是非強制的，尊重別人也好，在拍攝或直播前用聲音或手勢提醒他人也罷，全憑自覺。
別説眼鏡的形態更方便偷拍了，甚至，科技公司可以直接設計出支持面部識別的智能眼鏡，障礙並不是技術本身。
2021 年，外媒報道，Meta 考慮過，在智能眼鏡內置面部識別功能。當時 Meta 首席技術官 Andrew Bosworth 還舉例，這樣的智能眼鏡，可以幫臉盲或者記不住名字的用户，在晚宴時認出某人。
另外，人臉識別初創公司 Clearview AI，已經開發了自己的 AR 眼鏡和應用程序，據稱可以連接到包含 300 億張面孔的數據庫，只是沒有對外公開銷售。
某種程度上，怎麼使用面部識別，怎麼防止偷拍，是被法律和道德約束的。
比如，Facebook 的面部識別技術，曾經讓用户在照片中標記朋友，對隱私的質疑自然是繞不過去的，在 2015 年的一次集體訴訟中，Facebook 賠償了 6.5 億美元。
2021 年，Facebook 宣佈，停用面部識別技術識別照片和視頻中的人物，並刪除超過 10 億人的相關數據。
面部識別，多麼老生常談啊。但最面目平凡的技術，卻也因其應用的成熟、普及和廣泛，讓人如臨大敵。
在 AI 面前，秘密越來越少
在哈佛學生的實驗中，大語言模型的作用是幫忙處理數據，但現在使用各種生成式 AI 的產品，我們往往是主動給出自己的數據。
因為很多時候，付出隱私是使用服務的必選項，比如向 AI 換臉 P 圖軟件交出自己的臉。
更進一步説，不只是臉，AI 硬件和軟件們，都越來越強調個人數據的概念。
比如，用 AI 錄音產品無縫記錄你的一天，向 AI 日記透露你的日常和愛好，或者只是通過記憶功能讓 ChatGPT 記住我們是誰。
▲ 可穿戴 AI 錄音設備 Limitless
AI 會慢慢地更瞭解你，分析你，整理你周圍的信息，提供給你更多的情緒價值，彌補個人有限的腦容量。
同時，這些產品也會強調隱私安全，要麼説你的數據就是你的，不會拿你的數據訓練模型，要麼説用的是在本地運行的端側模型，或者私有云，隱私泄露的風險更低。
隱私和便利，很難既要又要，當我們享受各種 AI 產品的趣味和個性化時，風險也如影隨形。
就像《攻殼機動隊》裏的電子腦，人們直接將大腦連接上網絡或者是進行大腦的互連，彼此可以快速溝通，但大腦也就有了被入侵的風險，連記憶也可以被偽造。
當然，隱私泄露可能就像面部識別一樣，是個無趣的、沒有新意的話題，你泄露，我泄露，他也泄露。好像，沒關係的，都一樣。
但如果有人戴着「墨鏡」走到你面前，叫出你的名字，那一幕還是很有衝擊力的，對嗎？
或許更讓人擔心的，是無形的、支配信息的權力，先擁有技術和工具的人，對其他不知情的個人行使這種權力。
智能手機興起之後，豎屏短視頻、直播也發展起來，我們越來越習慣於拍攝和被拍攝，是無辜的背景板，或者説，不在乎，也無從察覺。
這時候我們是汪洋大海里的一滴水，但未來，這滴水，或許會因為鏡頭背後的 AI 被聚焦，然後折射出更具象的模樣。
資料來源：愛範兒（ifanr）
它失敗的原因有很多，隱私風險是其中一個。
讓 Google Glass 拍照很簡單，用語音命令，或者按住頂部的按鈕，但沒有 LED 等亮眼的標誌，提示他人正處在拍攝狀態。
所以，從路人的角度看，Google Glass 就是個不講武德的「偷拍神器」，甚至曾有用户在電影院被保安趕出來。
如今，相似的事情仍在發生，甚至變本加厲——只是因為在人羣中多看了你一眼，AI 眼鏡就可以識別出你的個人信息。
一張臉，一副眼鏡，認識一個陌生人
引用你叫 Lee 嗎？你從伯根縣學院畢業嗎？你的韓國名字是 Joo-oon 嗎？你住在亞特蘭大嗎？我們是不是在劍橋社區基金會見過？你的父母是 John 和 Susan 嗎？
如果在路上被人搭訕，你沒見過他們，但他們好像認識你，熱情地叫你的名字，説出你的一兩條個人信息，你會是什麼反應？
兩位哈佛大學生，AnhPhu Nguyen 和 Caine Ardayfio，就做了這樣一個實驗。
他們戴着 Meta 的智能眼鏡 Meta Ray-Ban，在校園、地鐵等隨機識別了數十個陌生人。拍下某人的一張照片，幾秒之後，這個人的信息就會出現在手機上。
只是智能眼鏡本身，還不能達到這樣的節目效果，他們做了一些技術上的改動，但原理也並不複雜。
先通過 Meta 智能眼鏡的直播功能，將視頻實時傳輸到 Instagram，然後用一個計算機程序監控這個視頻流，並使用 AI 進行人臉識別。
接着，在互聯網上搜索到某個人的更多照片，以及基於公共數據庫，查找這個人的姓名、住址、電話號碼，甚至親屬信息。
最後，這些信息會傳送到他們編寫的一個手機 app，方便查看。萬事俱備，就差隨機嚇到一個路人。
往細了説，兩位學生是把各種現有的、成熟的技術組合在了一起，連生成式 AI 也參與了。
- 智能眼鏡：配備攝像頭的智能眼鏡，在公共場合捕捉人臉圖像。
- 反向面部識別：通過 PimEyes 等人臉搜索引擎，將人臉圖像與互聯網的公開圖像進行匹配，並返回這些圖像的網頁鏈接。
- 爬蟲工具：使用 FireCrawl 爬蟲工具，從這些網頁鏈接中抓取所需的數據。
- 大語言模型：大語言模型從抓取的、雜亂的數據中推斷出姓名、職業等細節。
- 數據庫：在 FastPeopleSearch 等網站輸入姓名，從公開記錄、社交媒體中查找家庭住址、電話號碼和親屬姓名等個人信息。
其中，大語言模型起到的作用很微妙，它可以理解、處理、彙編不同來源的大量信息，比如，將不同文章中的同一個名字關聯起來，通過上下文邏輯推理出某人的身份，讓數據提取的過程自動化了。
關於大語言模型的推理能力，我們之前也報道過一項很有意思的研究，感興趣的朋友可以回看這篇文章：《和 GPT-4 聊天，一種很新的隱私泄露方式》。
隱私泄露老生常談，面部識別並不新鮮，偷拍問題也不是出現一天兩天，大模型在兩年間已經成了很多人離不開的生產力工具。
但彼此之間強強聯合的化學反應，還是導致了一個細思極恐的結果——僅憑大街上偶然的相遇，我們的個人信息就可能被有心人提取。
兩位學生沒有對外公開技術細節，做這個實驗的目的，是為了提醒人們保持警惕。
那我們可以怎麼保護自己？他們提出的應對方法是，從人臉搜索引擎等數據源中刪除自己的數據，但這很難説徹不徹底。
雖然我提醒你了，但你不一定知道被偷拍了
當年有人開玩笑，Google Glass 的最大用處，是讓英國王室的查爾斯王子記住每個人的名字。
或許，通過支持人臉識別的智能眼鏡，我們會迎來一個沒有陌生人的世界，最高興的可能是夜神月。
你可能會問，有了數據庫、面部識別，用手機偷拍應該也行，為什麼他們選擇了智能眼鏡 Meta Ray-Ban?
理由很簡單，它長得像普通墨鏡，不如 Google Glass 賽博朋克，偷拍更加方便，而且眼鏡本就適合記錄，免提，見你所見。
Meta Ray-Ban 並不是沒有提醒，它有一個 LED 指示燈，當用户錄製視頻，它就會自動打開，提醒旁邊的路人。但是，聊勝於無。
之前 The Verge 測評發現，在明亮的室外，Meta Ray-Ban 的 LED 和快門聲都不明顯，在擁擠嘈雜的公共場所，很多人往往不會注意到這種細節。
▲LED 在右眼的上面，你注意到了嗎
當你的手放在鏡腿的按鈕上，別人可能覺得你就是在扶眼鏡而已。
所以也不難理解，隱私一直是智能眼鏡的關注點，前段時間 Meta 首款 AR 眼鏡 Orion 發佈時，也有人擔心，會不會重蹈 Google Glass 的覆轍。
Meta 還在 Meta Ray-Ban 的隱私政策裏強調了「如何負責任地佩戴智能眼鏡」，寫了很多條温馨提醒。
然而，每一條都是非強制的，尊重別人也好，在拍攝或直播前用聲音或手勢提醒他人也罷，全憑自覺。
別説眼鏡的形態更方便偷拍了，甚至，科技公司可以直接設計出支持面部識別的智能眼鏡，障礙並不是技術本身。
2021 年，外媒報道，Meta 考慮過，在智能眼鏡內置面部識別功能。當時 Meta 首席技術官 Andrew Bosworth 還舉例，這樣的智能眼鏡，可以幫臉盲或者記不住名字的用户，在晚宴時認出某人。
另外，人臉識別初創公司 Clearview AI，已經開發了自己的 AR 眼鏡和應用程序，據稱可以連接到包含 300 億張面孔的數據庫，只是沒有對外公開銷售。
某種程度上，怎麼使用面部識別，怎麼防止偷拍，是被法律和道德約束的。
比如，Facebook 的面部識別技術，曾經讓用户在照片中標記朋友，對隱私的質疑自然是繞不過去的，在 2015 年的一次集體訴訟中，Facebook 賠償了 6.5 億美元。
2021 年，Facebook 宣佈，停用面部識別技術識別照片和視頻中的人物，並刪除超過 10 億人的相關數據。
面部識別，多麼老生常談啊。但最面目平凡的技術，卻也因其應用的成熟、普及和廣泛，讓人如臨大敵。
在 AI 面前，秘密越來越少
在哈佛學生的實驗中，大語言模型的作用是幫忙處理數據，但現在使用各種生成式 AI 的產品，我們往往是主動給出自己的數據。
因為很多時候，付出隱私是使用服務的必選項，比如向 AI 換臉 P 圖軟件交出自己的臉。
更進一步説，不只是臉，AI 硬件和軟件們，都越來越強調個人數據的概念。
比如，用 AI 錄音產品無縫記錄你的一天，向 AI 日記透露你的日常和愛好，或者只是通過記憶功能讓 ChatGPT 記住我們是誰。
▲ 可穿戴 AI 錄音設備 Limitless
AI 會慢慢地更瞭解你，分析你，整理你周圍的信息，提供給你更多的情緒價值，彌補個人有限的腦容量。
同時，這些產品也會強調隱私安全，要麼説你的數據就是你的，不會拿你的數據訓練模型，要麼説用的是在本地運行的端側模型，或者私有云，隱私泄露的風險更低。
隱私和便利，很難既要又要，當我們享受各種 AI 產品的趣味和個性化時，風險也如影隨形。
就像《攻殼機動隊》裏的電子腦，人們直接將大腦連接上網絡或者是進行大腦的互連，彼此可以快速溝通，但大腦也就有了被入侵的風險，連記憶也可以被偽造。
當然，隱私泄露可能就像面部識別一樣，是個無趣的、沒有新意的話題，你泄露，我泄露，他也泄露。好像，沒關係的，都一樣。
但如果有人戴着「墨鏡」走到你面前，叫出你的名字，那一幕還是很有衝擊力的，對嗎？
或許更讓人擔心的，是無形的、支配信息的權力，先擁有技術和工具的人，對其他不知情的個人行使這種權力。
智能手機興起之後，豎屏短視頻、直播也發展起來，我們越來越習慣於拍攝和被拍攝，是無辜的背景板，或者説，不在乎，也無從察覺。
這時候我們是汪洋大海里的一滴水，但未來，這滴水，或許會因為鏡頭背後的 AI 被聚焦，然後折射出更具象的模樣。
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊