Comment notre “écoute pour” téléphone à notre vie privée

Il n'y a aucune raison, pas de temps ou plus, aucune autorisation d'activer des microphones juste pour nous montrer une annonce pour couches, dents contre les caries, ou billets d'avion bon marché. Ce que vous faites vraiment est quelque chose de beaucoup plus simple, mais aussi beaucoup plus... intelligent.

La ligne de fond est un modèle d'intelligence artificielle appelé “Graph Net Network”, ou GNN Février. Il voit nos données non pas comme un tas de textes, de clics, de SMS et de cartes, mais comme une carte des relations humaines. Seulement, au lieu des humains, la carte a de petits points d'information. Et au lieu des amitiés, c'est lié.

Que fais-tu, GNN ?

Imaginez une salle pleine de gens qui se parlent. GNN obtient des données et leur permet de parler. Pas à propos de leur époque, mais à propos de leur relation. Tout “due à” est un élément. Un mot que vous avez écrit dans le Messager, un site que vous avez ouvert hier, votre emplacement de la maison, le moment où vous cherchez habituellement de la nourriture.

<x) Quels mots apparaissent souvent ensemble? Quelle recherche suit toujours? Dans quels domaines êtes-vous lorsque vous ouvrez certaines applications? En d'autres termes : GNN ne sauvegarde pas le “que vous avez dit”. Il garde les “connectés aux choses que vous faites”. Et cette idée apparemment simple le rend extrêmement bon pour prédire ce que vous êtes susceptible de vouloir voir plus tard.
Quelles données utilisez-vous?

Lorsqu'il s'agit de recommandations de nouvelles, d'annonces personnalisées ou de contenu à l'intérieur d'applications, l'AI utilise quatre grands groupes de données :

1. Texte ce que nous écrivons. Cela inclut des textes de recherche, des messages app qui permettent des données (pas des applications codées comme Whatsapp), des descriptions YouTube, des commentaires et des messages. GNN ne lit pas le message comme “conversation humaine”, mais comme des mots connectés ensemble. Par exemple, si vous écrivez “Je pense acheter des rideaux pour ma maison”, des panneaux de modèle : rideaux, maisons, marchés et relations. Il ne forme pas une image de ce que vous avez discuté avec la personne à qui vous parliez.

2. L'histoire de la recherche et des visites de sites Web. C'est la plus grande source d'information. Ce n'est pas un secret. L'historique du navigateur révèle les intérêts, les habitudes temporelles et les modèles. GNN lit ici les séquences: Vous commencez par les sites d'information, puis ouvrez vos sports, puis regardez l'heure du jeu, puis regardez vos chaussures. Ces séquences sont faites “inset” sur le graphique.

3. Emplacement seulement si elle est active. Le GPS donne des points géographiques liés à d'autres articulations : l'intelligence enseigne quand nous sommes à la maison, quand nous sommes au travail, dans quel quartier nous faisons des achats, à quelle heure nous sommes. Avez-vous déjà vu un spectacle commercial pour un café près de votre bureau ? Ce n'est pas parce que le téléphone “écoute à” que vous êtes contrarié et suggère autre chose. C'est parce qu'il a enregistré que chaque matin vous êtes là vers 9:15 et vous ouvrez Facebook.

4. Modèles généraux d ' utilisation. Combien de fois on ouvre une application, combien de temps on reste, que faisons-nous d'autre avant ou après ? C'est une sorte de rythme, personnel et unique. Votre téléphone n'est pas activé pour la publicité, pour deux raisons : Premièrement, parce que ce serait juridiquement catastrophique et techniquement compliqué. Deuxièmement, parce que le GNN a déjà assez d'informations pour prédire ce qui pourrait vous intéresser sans “clever” rien.

Comment faites-vous tout ça ? En construisant ce graphique de relation et en comptant quelque chose appelé <x0 <x0”, qui est un résumé numérique du type d'utilisateur que vous semblez être. Un bâton est comme une empreinte digitale. Le nom d'utilisateur ne dit pas “est intéressé par les réfrigérateurs”, mais l'utilisateur “avec ce compte est connecté à d'autres utilisateurs qui étaient intéressés par les réfrigérateurs”. GNN fait donc une hypothèse basée sur des modèles, pas sur la surveillance.

Comment tout ça est-il utilisé sur ton portable ?

De toutes sortes de façons. De l'actualité suggérée sur Google Discover, aux rouleaux apparaissant sur Instagram, aux rapports YouTube, aux suggestions d'applications Play Store et, bien sûr, aux annonces. La logique technique est toujours la même : construire une carte des relations qui devient plus intense à mesure que le téléphone mobile apprend nos habitudes. Les GNN sont idéales pour de tels emplois car ils apprennent mieux que de nouveaux nœuds, de nouvelles connexions, de nouveaux modèles.

Dans la pratique, cela signifie: Si vous regardez les nouvelles du soir, la source correspond aux circonstances. Si vous cherchez des week-ends, la publicité change. Si vous demandez des expéditions dans des secteurs précis, des suggestions s'affichent. Lorsque vous textez avec des mots liés à la santé, au style de vie ou à des produits spécifiques, le système prend cela comme une indication d'une nouvelle coutume. Et tout cela est fait sans garder des copies de vos conversations. Il ne garde que des connexions et des modèles.

C'est bon ou mauvais ?

Les avis divergent. Bien sûr, c'est une forme de personnalisation qui nous aide à ne pas manquer les délais chaotiques. Mais, comme tout outil, il y a aussi son côté sombre : il crée des intérêts “muluska”, limite la variété de l'information et renforce nos obsessions. L'important ici est que GNN montre comment l'intelligence artificielle n'a pas besoin de ressembler à un espion pour être efficace. Elle doit juste regarder et enregistrer les réseaux de relations. Ces relations, la plupart du temps, sont créées par nos propres doigts, coutumes et mouvements quotidiens. Donc, des traces de téléphone “x3> qu'on lui donne.