Google Gemini routes personal Drive files and emails to human annotators
737 points • 3 days ago • Article Link

当 Google 在 2023 年首次推出 Gemini Workspace extensions 时,公司明确承诺:从 Gmail 、 Docs 和 Drive 检索到的个人内容不会被人工审核员查看。然而,Google 已悄悄改变了这一立场。近期对官方支持文档的更新,以及对其 2023 年原始公告的细微修改,已证实:通过这些 extensions 连接的数据确实会被路由到人工审核流程中。 Google 还明确告诫用户,如果他们的应用包含机密信息,而这些信息是他们希望避免被人眼看到的,那么就不要连接这些应用。

这种数据摄取方式尤其令人担忧,因为它会在日常的后台对话中自动发生,而不需要像 @Drive 或 @Gmail 这类明确的用户提示。由于底层的大语言模型工具调用和上下文注入本身具有概率性,单次测试未必能暴露真实行为。具体取决于系统如何解析请求,它可能选择零检索、只给出通用的元数据摘要,提取包含敏感个人身份信息的未脱敏部分引文,甚至直接执行全文件摄取——把完整文档喂入会话上下文。

想要验证这一行为的用户,不能只做一次测试。因为系统是非确定性的,用户需要删除对话历史并反复提交相同问题,才能观察到不同的结果。研究人员通过要求模型打印其检索工具返回的精确文本和元数据,发现过模型会暴露完整的账号、确认细节以及个人交易数据,甚至可能把一封电子邮件的全文内容连同标头一起转储出来。

这些结果凸显了数据保护上的巨大漏洞。 Google 的自动清理机制往往难以有效对叙述性数据进行去标识化,例如姓名、地点和事件细节的组合——这些信息叠加起来足以指向某个人。归根结底,这种变化意味着对最初"严格隔离"的承诺的背离。用户如今需要正视这样的现实:他们的私人文件和电子邮件可能会因为随口一问就被拉入会话,随后又被交由人工承包商进行审查。

148 comments • Comments Link

• Consumer Gemini 的"Connected Apps"功能带来显著的隐私风险:从个人的 Gmail 或 Drive 帐户读取到的数据,可能会被汇入人工标注与训练流程中。

• Google 的 AI 工具在 Enterprise 和 Workspace 版本中仍保持更严格的数据策略,但由于产品设计存在模糊地带,用户容易产生疑惑,进而削弱了企业用户之间的信任。

• 用户反映,系统中持续且不透明的提示让他们在被要求授权"Connected Apps"时感到压力;同时,他们也对缺乏针对单个文件或具体服务的清晰、细粒度授权机制不满。

• 将 Google Photos 、 Drive 等平台上的个人数据汇总用于训练生成式 AI,引发担忧:AI 模型可能把推断出来、生成出来或本就敏感的关联当作客观事实。

• 不少用户正在主动从 Google 服务迁移到诸如用于照片的 Immich 、用于存储的 Nextcloud 等自托管替代方案,原因是他们对 Google 隐私做法的信心已出现根本性崩塌。

• 对许多人来说,自托管电子邮件依然是一项复杂且高风险的任务;更稳妥的做法是保留自托管前端,同时把发送环节交给成熟的服务商,以避免交付能力和正常运行时间方面的问题。

• 虽然有人认为市场竞争和新进入者能阻止垄断行为,但也有人指出,前沿 AI 的资本密集型特征形成了一道"利润护城河",从而限制有意义的替代方案。

• 行业内对人类审查员来改进 AI 模型的依赖,与用户隐私之间存在天然矛盾:敏感的个人互动往往会被标记出来接受人工分析,而且缺乏明确、易于找到的退出选项。

• 越来越多的人开始质疑打着"AI 竞赛"旗号所做的取舍——为了满足现代模型对数据的贪婪需求,隐私与质量被迫让步。

• 借助不可变构建(immutable builds)、 gVisor 隔离以及多重签名等更高级的自托管安全配置,说明对于有时间和专业能力去落地的人来说,技术上完全存在高度安全、私密的替代方案。

向 AI 集成的生产力工具转型,进一步加剧了人们对数字隐私被侵蚀的担忧,尤其是在面向消费者的服务越来越多地接触私人通信与文档时。尽管官方政策会区分消费者数据与企业数据处理,但由于这些流程的透明度不足,普遍的不信任情绪由此滋生,并促使部分用户转向自托管基础设施。这种变化凸显了中心化"智能"云生态系统所提供的便利性,与个人数据主权可控之间的鸿沟不断扩大。归根结底,这场讨论也反映出人们对大型科技公司当前发展路径的普遍疲惫:推动 AI 功能的"必要性"往往以长期隐私与数据安全为代价。