Hur gör vår “lyssna på” telefoner vårt privatliv

Det finns ingen anledning, ingen tid eller mer, inget tillstånd att aktivera mikrofoner bara för att visa oss en annons för blöjor, tänder mot karies eller billiga flygbiljetter. Vad du verkligen gör är något mycket enklare, men också mycket smartare.

Den nedersta raden är en modell av artificiell intelligens som kallas “Graph Net Network”, eller februari GNN. Han ser våra data, inte som ett gäng texter, klick, sms och kartor, utan som en karta över mänskliga relationer. Bara i stället för människor har kartan små uppgifter. Och istället för vänskap är det anslutet.

Vad gör du, GNN?

Föreställ dig ett rum fullt av människor som pratar med varandra. GNN får databitar och låter dem prata. Inte om hur deras dag var, men om hur de relaterar till varandra. Alla “due to” är ett objekt. Ett ord du skrev i Budbäraren, en plats du öppnade i går, din plats i huset, den tid du brukar leta efter mat.

Vilka ord förekommer ofta tillsammans? Vilken forskning följer alltid? I vilka områden finns du i när du öppnar vissa applikationer? Med andra ord: GNN sparar inte “du sa”. Han håller “s anslutna till de saker du gör”. Och denna till synes enkla idé gör det extremt bra att förutsäga vad du sannolikt vill se senare.
Vilka data använder du?

När det gäller nyhetsrekommendationer, anpassade annonser eller innehåll i appar använder IA fyra stora datagrupper:

Text vad vi skriverDetta inkluderar texter från forskning, appmeddelanden som tillåter data (inte från kodade appar som Whatsapp), YouTube-beskrivningar, kommentarer och inlägg. GNN läser inte meddelandet som “mänsklig konversation”, men som ord sammankopplade. Om du till exempel skriver “Jag funderar på att köpa gardiner för mitt hus”, modell bär tecken: gardiner, hus, marknader och relationer. Det bildar inte en bild av vad du diskuterade med den person du pratade med.

Berättelsen om forskning och besök på webbplatser. Detta är den största källan till information. Det är inte en hemlighet: Webbläsarens historia avslöjar intressen, tidsvanor och modeller. GNN här läser sekvenserna: Du börjar med nyhetssajterna och öppnar sedan din sport och tittar sedan på vilken tid spelet är och tittar sedan på dina skor. Dessa sekvenser görs “inset” på grafen.

Läge endast om det är aktivt. GPS ger geografiska punkter relaterade till andra leder: Intelligence lär när vi är hemma, när vi är på jobbet, vilket stadsdel vi handlar i, vilken tid vi är på. Har du någonsin sett en kommersiell show för ett café nära ditt kontor? Det är inte för att telefonen “lyssnar till” att du är upprörd och föreslår något annat. Det beror på att han spelade in det varje morgon du är där runt 9:15 och du öppnar Facebook.

4. Allmänna användningsmodeller. Hur ofta öppnar vi en app, hur länge vi stannar, vad gör vi lite innan eller efter? Det är en rytm, personlig och unik. Din telefon är inte aktiverad av reklam, av två skäl: Först, eftersom det skulle vara lagligt katastrofalt och tekniskt komplicerat. För det andra, eftersom GNN redan har tillräckligt med information för att förutsäga vad du kanske är intresserad av utan “clever” ingenting.

Hur gör du allt detta? Genom att bygga denna relation graf och räkna något som kallas <x0”, vilket är en numerisk sammanfattning av den typ av användare du verkar vara. En pinne är som ett fingeravtryck. Användarnamnet säger inte “är intresserad av kylskåp”, men “användare med detta konto är ansluten till andra användare som var intresserade av kylskåp”. Så GNN gör ett antagande baserat på modeller, inte övervakning.

Hur används allt detta på din mobiltelefon?

På alla möjliga sätt. Från nyheterna som föreslås på Google Discover, till Reels som dyker upp i Instagram, YouTube-rapporter, Play Store-appförslag och, naturligtvis, annonser. Teknisk logik är alltid densamma: Bygg en karta över relationer som blir mer intensiv när mobiltelefonen lär sig våra vanor. BNN är idealiska för sådana jobb eftersom de lär sig bättre som nya knutar, nya anslutningar, nya modeller.

I praktiken betyder det: Om du tittar på kvällsnyheter passar källan omständigheterna. Om du söker weekendresor ändras reklam. Om du begär transporter till specifika områden visas förslag. När du textar med ord relaterade till hälsa, liv - stil eller specifika produkter, tar systemet detta som en indikation på en ny sed. Allt detta görs utan att hålla kopior av dina konversationer. Han håller bara kopplingar och modeller.

Är det bra eller dåligt?

Åsikter skiljer sig. Naturligtvis är det en form av personalisering som hjälper oss att inte missa kaotiska tidslinjer. Men liksom alla verktyg finns det också dess mörka sida: det skapar “muluska” intressen, begränsar mängden information och förstärker våra besattheter. Det viktiga här är att GNN visar hur artificiell intelligens inte behöver se ut som en spion för att vara effektiv. Hon behöver bara titta på och spela in relationsnätverken. Dessa relationer, för det mesta, skapas av oss genom våra egna fingrar, seder och dagliga rörelser. Så, mobiltelefon “x3> spår vi ger honom.