我的信息流充斥着AI“解释者”账户，欺骗对AI感兴趣的人参与。 仅今天，我的信息流中就有一些家伙在一年前的AI论文上贴上“突发新闻”。 你也在做这样的事情吗？我尊重这种努力，但请对我们共同的信息环境保持一些尊重。 追踪真正的新论文已经够困难了。

看到这条关于便携式音频干扰器的病毒式推文了吗？ 看起来很酷，对吧？它看起来也与在阿里巴巴和间谍商店出售的数百种产品非常相似。或者作为DIY套件，零件只需50美元。 它们使用超声波噪音来压制非常靠近的麦克风。 我对这个价格标签和它的营销方式持怀疑态度，我想分享一下原因：在我看来，除了与隐私相关的语言外，区别在于声称他们开发了“新物理学”并使用AI来检测麦克风。如果这是真的，那将是非凡的，并且需要同样非凡的证据。 我怀疑现实可能更像是使用WiFi等扫描设备。这并不是新物理学。问题是：许多人最担心的麦克风并不发出WiFi或蓝牙等信号。或者可能是处于飞行模式的手机。等等。 关于超声波干扰的其他问题？复杂的范围限制、房间反射的问题、面料吸收来自干扰器的发射、障碍物等。例如，放在面料口袋里的手机可能无法被这个设备可靠地干扰。 同样重要的是：这种技术的范围是发射器与麦克风之间的距离，而不是你与不想要的麦克风之间的距离。 所以如果你在一个正常大小的房间里，麦克风距离你大约3米在天花板上，或者在沙发的另一侧，它仍然可能清晰地听到你。 在购买或投资这个产品之前，考虑咨询你当地的音频、物理或安全专家。 我不是其中之一。我的理解来源于几年前我花了一些时间计划组装这样的设备，并阅读了很多论文。我可能在理解上是错的（或者遗漏了什么！），如果我误解了他们所提供的内容，我会很乐意纠正。 要了解更多关于这个流行且知名的物品类别，请观看@LinusTech一年前的内容。

关于通过在用户与AI模型提供者之间创建匿名路由层来增加隐私的讨论很多。 但我真正不明白的是：商品化的LLM已经非常擅长识别模式和去匿名化。 我们为什么会认为它们不能快速重新关联我们呢？ 我敢打赌，模型通过单个提示从多个账户进行一次性重新识别是完全可能的，即使它们是“匿名”路由到API的。 尤其是在用户在同一段代码、项目或相同环境中工作时，这几乎肯定是正确的。 总结：这有点像使用Tor浏览器以为自己在网站上是匿名的，但在会话之间保留了cookies。 为了真正抵御大型模型的重新关联，你需要对上下文进行的修改似乎非常庞大，以至于效率极低。