我的資訊流充斥著 AI 的「解釋者」帳號，欺騙對 AI 感興趣的人參與互動。 今天我看到的內容包括一些人將「突發」標題加在一年前的 AI 論文上。 你有在做這種事嗎？我尊重這種努力，但請對我們的集體資訊環境保持一些尊重。 追蹤真正的新論文已經夠困難了。

看到這條關於便攜式音頻干擾器的病毒式推文了嗎？ 看起來很酷，對吧？它看起來也與在阿里巴巴和間諜商店出售的數百種產品非常相似。或者作為 DIY 套件，零件價格為 50 美元。 它們使用超聲波噪音來壓制非常接近的麥克風。 我對這個價格標籤和它的市場推廣方式持懷疑態度，我想分享一下原因：在我看來，除了與隱私相關的語言外，區別這個產品的還有聲稱他們開發了 "新物理" 並使用 AI 來檢測麥克風。如果這是真的，那將是非凡的，並且需要同樣非凡的證據。 我懷疑現實可能更像是使用 WiFi 等掃描設備。這不是新物理。問題是：許多人最擔心的麥克風並不發出 WiFi 或藍牙等信號。或者可能是一部處於飛行模式的手機。等等。 關於超聲波干擾的其他問題？複雜的範圍限制、房間反射問題、布料吸收來自你干擾器的發射、障礙物等等。例如，放在布口袋裡的手機可能不會被這個設備可靠地擊敗。 關鍵是：這種技術的範圍是發射器和麥克風之間的距離，而不是你和不想要的麥克風之間的距離。 所以如果你在一個正常大小的房間裡，麥克風在天花板上距離你大約 3 米，或者在沙發的另一側，它仍然可能清楚地聽到你。 在購買或投資這個產品之前，考慮詢問你當地的音頻、物理或安全專家。 我不是其中之一。我的理解來源：幾年前我花了一些時間計劃組裝這樣的設備，並閱讀了很多論文。我可能對我的理解有誤（或漏掉了什麼！）如果我誤解了他們所提供的內容，我會很高興地更正。 要了解更多關於這個流行且知名的物品類別，請觀看 @LinusTech 一年前的視頻。

關於通過在用戶與 AI 模型提供者之間創建匿名路由層來提高隱私的討論很多。 但我真正不明白的是：商品 LLM 已經非常擅長識別模式和去匿名化。 為什麼我們會認為它們無法迅速將我們重新連接起來呢？ 我敢打賭，模型在單個提示下通過多個帳戶進行一次性重新識別是完全可能的，即使它們是 "匿名" 路由到 API。 當用戶在同一段代碼、項目或相同環境中工作時，這幾乎肯定是特別真實的。 總之：就像使用 Tor 瀏覽器以為自己對網站是匿名的，但在會話之間保留 cookies。 為了真正抵禦大型模型的重新連接，你需要對上下文進行的調整似乎真的相當龐大，以至於效率極低。