💻ZDNet AI•最新收集於 60m
Google 預設使用使用者數據進行 AI 訓練
💡關鍵隱私更新：除非您選擇退出，否則 Google 現在正使用您的個人媒體進行 LLM 訓練。
⚡ 30-Second TL;DR
有什麼變化
圖片、影片與語音搜尋現被納入訓練數據
為什麼重要
此轉變凸顯了對高品質多模態訓練數據的需求日益增加。這引發了重大的隱私疑慮，可能導致 AI 公司面臨更嚴格的監管審查。
下一步行動
若您擔心數據被用於模型訓練，請立即檢查您的 Google 帳戶隱私設定並選擇退出。
誰應關注：Enterprise & Security Teams
關鍵要點
- •圖片、影片與語音搜尋現被納入訓練數據
- •需手動選擇退出以保護個人數據隱私
- •政策適用於 Google 的專有 LLM
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •此政策更新與 Google 隱私權政策的廣泛修訂一致，旨在整合 Gemini 模型生態系統的數據處理流程。
- •歐盟與加州監管機構已針對此類「預設納入」的數據收集模式，對 Google 展開初步合規性審查。
- •Google 提供了專門的隱私權中心（Privacy Center）儀表板，允許使用者刪除過去已被用於訓練的特定互動數據。
- •企業版（Google Workspace）與教育版帳戶通常預設排除在模型訓練數據集之外，與個人帳戶的處理方式不同。
- •研究顯示，此類數據收集包含多模態（Multimodal）特徵，旨在提升模型對現實世界物理規律與語境的理解能力。
📊 競品分析▸ Show
| 特色 | Google (Gemini) | OpenAI (ChatGPT) | Anthropic (Claude) |
|---|---|---|---|
| 預設數據訓練 | 預設開啟 (可退出) | 預設開啟 (可退出) | 預設關閉 (企業版) |
| 多模態數據 | 圖片/影片/語音 | 圖片/語音 | 圖片/文件 |
| 隱私控制 | 集中式儀表板 | 設定頁面選項 | 嚴格的數據隔離 |
🛠️ 技術深入
- Google 採用聯邦學習（Federated Learning）與差分隱私（Differential Privacy）技術，試圖在訓練過程中去識別化使用者數據。
- 訓練流程涉及將多模態輸入轉化為 Token 序列，並透過對比學習（Contrastive Learning）增強模型對視覺與語音內容的語意對齊。
- 系統架構利用 Google 自研的 TPU v5p 叢集進行大規模分散式訓練，並透過 RLHF（人類回饋強化學習）對模型進行對齊。
- 數據處理管線包含自動化過濾機制，旨在於訓練前移除包含個人識別資訊（PII）的敏感片段。
🔮 前景展望AI analysis grounded in cited sources
全球監管壓力將迫使 Google 轉向『選擇加入』（Opt-in）模式。
隨著歐盟 AI 法案（EU AI Act）的全面實施，預設收集數據的法律風險將大幅增加。
數據隱私將成為 AI 產品市場競爭的核心差異化指標。
消費者對隱私的意識抬頭，將促使更多用戶轉向強調『零數據訓練』的競爭對手產品。
⏳ 時間線
2023-03
Google 正式發布 Bard，開始整合搜尋數據以訓練對話模型。
2023-12
Gemini 1.0 模型發布，標誌著 Google 全面轉向多模態原生訓練架構。
2024-05
Google I/O 大會宣布將 AI 深度整合至搜尋引擎（AI Overviews）。
2025-02
Google 更新隱私政策，擴大數據使用範圍以支援 Gemini 2.0 的開發。
2026-06
Google 針對隱私權政策進行重大修訂，明確列出圖片與語音搜尋的訓練用途。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ZDNet AI ↗