每隔几周，另一家科技公司就会在其隐私政策中加入一项新条款。传达的信息总是一样的：“我们正在使用您的数据来训练人工智能，除非您阻止我们。“这不是同意，而是伪装成选择的疲惫。
这种悄无声息的转变就是许多人所说的“选择退出疲劳”，这是一种数字厌倦形式，已成为数字时代的核心。仅仅使用互联网已经不够了。您还必须捍卫自己的权利，不将数据输入到运行它的机器中。
在这个新现实中，人工智能数据隐私选择退出的想法已经成为对我们对数字生活仍有多少控制权的考验。
默认选择加入如何成为行业标准
生成式人工智能的兴起促使公司囤积大量用户数据进行培训。最初的选择加入实验已经变成了一种广泛的默认做法。他们已经规范了一个世界，在这个世界中，对用户数据说“是”是自动的，而“否”则需要采取变通办法。
LinkedIn 的 AI 数据抓取例如，在 AI 模型训练中自动包含用户帖子、评论和个人资料数据。尽管微软声称数据匿名，但这使微软能够访问数十亿个数据点。虽然可以在浏览菜单层后选择退出，但默认设置会在不询问的情况下假定同意。
元也做同样的事情。默认情况下，其 Llama 模型会根据 Facebook 和 Instagram 的公共用户内容进行训练。即使是私人聊天也会影响有针对性的广告，而且没有简单的开关可以阻止它。用户最终会删除整个聊天记录或寻求其他解决方法阻止 Meta AI 使用他们的聊天数据.
谷歌的 Gemini 项目允许人工智能从 YouTube 活动、搜索历史甚至你的 Gems 中学习，除非你通过隐私选项将其关闭。洞察为什么 Google 允许您分享 Gemini Gems展示系统如何构建协作性，同时悄悄扩展数据访问。
Anthropic 的 Claude 聊天机器人因一项政策更新而成为头条新闻，除非用户在截止日期前选择退出，否则该政策更新将保留聊天长达五年以训练模型。
这并非偶然。数据是黄金，默认选择加入可以让数据畅通无阻。他们利用了一个大多数用户永远不会注意到的简单事实，而那些注意到的人也很少有时间或耐心来改变它。
此外，该系统之所以持续存在，是因为大多数地区的隐私法都是针对 Cookie 和广告而不是 AI 制定的。监管机构总是落后几步，让公司有时间在规则赶上之前将选择退出默认行为正常化。
为什么选择退出系统会让用户失败
选择在线隐私的想法已经成为一种幻想。从技术上讲，您可以选择退出。实际上，很少有人这样做。同意疲劳是核心问题，发生这种情况是因为我们受到太多决策的轰炸；所以，我们根本停止生产它们。
人工智能公司依赖于用户的疲劳。每个“我们已经更新了隐私政策”的弹出窗口都增加了另一层混乱。所以，点击“接受”不再是一种同意；这已经成为一种习惯。
一个2023 年皮尤研究研究发现，近 80% 的美国用户会跳过阅读隐私政策，因为他们觉得这些政策太混乱或耗时。公司意识到了这一点并相应地设计了他们的产品。
即使我已经这样做了，浏览一下我知道我应该阅读的术语。当疲惫同样有效时，这些系统不需要欺骗。他们将隐私的全部负担置于个人身上，个人必须通过层层设置来选择退出。
对于克劳德来说，选择退出会阻止未来的使用，但会使过去的数据多年无人问津。同样，谷歌的系统会在选择退出时删除历史记录，迫使用户在隐私和实用性之间做出选择。这几乎是全面相似的情况。
这种动态反映了其他操纵性设计。我们在消费科技领域看到了类似的模式，比如三星决定将广告推送到智能家电，其中用户控制在理论上存在但在实践中不存在。策略是相同的，因为他们将强制伪装成便利。
数据背后的真正赢家
人工智能数据隐私选择退出的争论不仅仅涉及隐私。这是关于利润和控制的。在幕后，人工智能公司从这种设置中获得了巨大的收益。
据预测，2024 年全球人工智能市场规模将达到 6380 亿美元，预计到 2030 年将达到 1.8 万亿美元塞姆拉什和政治家，将用户数据作为训练模型的关键驱动因素，无需支付许可费用。对于微软、Meta、Anthropic 和谷歌等科技巨头来说，用户数据就是一座金矿。
LinkedIn 与 Azure 和 OpenAI 的集成、Meta 的全球人工智能野心以及谷歌的 Gemini 网络都依赖于持续的大规模数据摄取。用户产生的内容越多，系统就会变得越智能、利润越高。
这种人工智能数据隐私选择退出的方法可以保持数据供应不间断。用户免费生成培训材料，而公司则将其货币化以构建可以自动化、复制或取代人类工作的产品。
此外，它还为人工智能巨头创造了垄断地位，因为较小的人工智能公司如果没有类似的数据储备就无法竞争。
赢家很明显：大型人工智能公司创造了一个循环，更好的人工智能吸引更多用户，产生更多数据。与此同时，我们获得了诸如更明智的建议之类的最低限度的好处，但代价是隐私和自主权。在人工智能经济中，每个用户既成为产品，又成为无偿劳动。
争取真正的同意
尽管如此，用户也并非无能为力。在整个欧洲，隐私倡导者正在提交 GDPR 投诉，以阻止未经授权的人工智能数据训练。GDPR 第 21 条赋予公民反对个人数据处理的权利，成千上万的人已经开始援引它。
类似的隐私法在印度等地全面生效DPDP法案,中国的PIPL，以及加利福尼亚州的《消费者隐私法》。它们的目的都是限制科技公司的数据采购、处理和人工智能培训，对违规行为处以高达全球营业额 4% 的罚款。
在联邦隐私法滞后的其他地区，保持警惕至关重要。使用浏览器级隐私工具等自卫策略，并在人工智能建议弹出时禁用它们。检查更多方法防止人工智能聊天机器人对您的数据进行训练.
立即禁用 AI 训练功能，例如 LinkedIn 的退出选项、Meta 的 AI 设置调整、ChatGPT 的“为每个人改进模型”或 Copilot 的隐私控制。删除旧聊天记录以限制曝光，并使用临时模式进行敏感查询。
关键的见解是集体行动可以改变规范。如果我们都通过选择退出并表达我们的担忧来发挥自己的作用，那么公司将被迫获得同意，而不是假设同意。
选择加入的案例
个人保持警惕并不是答案。选择加入不应成为例外，而应该成为常态。通过这样做，可以避免企业的过度扩张并恢复信任。
由于用户会自愿决定共享数据，因此将确保知情同意。通过使囤积数据变得更加困难，这可以消除贪婪并促进道德采购，例如许可数据集。
采用选择性加入不会减缓创新。相反，公司可能会在隐私技术方面进行创新，例如更好的匿名化，以吸引分享者。Proton 的 Lumo 聊天机器人已经做到了这一点，并且它可以为更好的实践铺平道路。
我并不反对人工智能；我并不反对人工智能。我每天都写关于技术的文章。然而，在这个数字时代，我支持选择。真正的创新应该尊重隐私，而不是试图利用隐私。
意识就是力量
默认选择加入不是为了方便，而是为了控制。关于人工智能数据隐私选择退出政策的争论是试图拥有我们的数字自我，而不仅仅是技术争论。
选择退出疲劳表明这些科技巨头如何利用疲劳作为工具。当用户停止尝试时，他们就赢了。因此，作为用户，我们决不能放弃这种权力。
我们越将沉默同意常态化，他们就越容易未经许可采取行动。因此，我们必须对这一事实保持清醒，直到我们的数据隐私得到优先考虑。
