Wired AI

如何控制网站对用户数据的收集和使用

6.5内容质量
如何控制网站对用户数据的收集和使用

TL;DR · AI 摘要

本文讨论了网站如何通过设置隐私偏好来控制用户数据的收集和使用。

核心要点

  • 用户可以关闭目标广告
  • 可以限制敏感个人数据的使用
  • 需在多个设备上重复操作

结构提纲

按章节快速跳转。

  1. 文章讨论了网站如何通过设置隐私偏好来控制用户数据的收集和使用。

  2. 用户可以通过网站设置来控制目标广告的显示和敏感个人数据的使用。

  3. 用户还可以设置语言偏好、字体大小和页面布局。

  4. 网站提供了详细的隐私政策,说明了数据收集的目的和方式。

  5. 网站使用了第三方服务来增强用户体验,但这些服务可能跟踪用户的浏览行为。

  6. 用户需要在多个设备上重复设置隐私偏好,才能确保其设置生效。

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • 隐私偏好设置
    • 关闭目标广告
    • 限制敏感个人数据使用
    • 设置语言偏好
    • 设置字体大小
    • 设置页面布局

金句 / Highlights

值得收藏与分享的关键句。

#隐私政策#用户偏好#数据收集
打开原文

使AI可持续所需之物 | WIRED

管理您的同意偏好

如果您是科罗拉多州、康涅狄格州、弗吉尼亚州、犹他州、俄勒冈州、得克萨斯州、蒙大拿州、德拉瓦州、爱荷华州、内布拉斯加州、新罕布什尔州、新泽西州、田纳西州、明尼苏达州、马里兰州、印第安纳州、肯塔基州或罗德岛州的居民,您有权选择退出定向广告,包括我们的“销售”和/或“共享”您的个人资料信息(“退出”)。我们及我们的第三方业务合作伙伴根据我们的隐私政策使用个人资料信息提供您可能感兴趣的广告(“定向广告”)。如果您是加利福尼亚州居民,您还有权在特定情况下限制个人信息的使用和披露。请注意,您可能需要在每个您使用的网站、移动应用程序、浏览器和设备上选择退出,并且如果清除浏览器cookie,您可能需要重复此过程。然而,如果您已在多个我们网站和/或移动应用程序上创建了账户登录,我们将尽最大努力将您的退出请求应用于这些网站和应用程序。

要在此网站上退出定向广告: 将下方的“允许定向广告”切换按钮向左移动并点击“确认我的选择”。

要退出其他“销售”,包括列表租赁、数据合作社以及限制对您的敏感个人资料信息的使用和披露: 请访问隐私中心并点击“提交”。您也可以通过拨打1-877-241-4999提交此请求。此信息仅用于处理此请求,不得用于任何其他目的。

必要

  • [x] 开启

这些cookies对于网站正常运行是必需的,无法在我们的系统中关闭。它们通常只在您做出请求以获取服务时设置,例如设置您的隐私偏好、登录或填写表单。您可以设置浏览器以阻止或警告这些cookies,但一些网站的部分功能将不再可用。这些cookies不会存储任何个人身份信息。

  • * *

性能

  • [x] 开启

这些cookies允许我们计算访问量和流量来源,以便我们可以衡量和改进我们的网站性能。它们帮助我们了解哪些页面最受欢迎以及访客如何浏览网站。所有这些cookies收集的信息都是汇总的并且匿名的。如果您不启用这些cookies,我们将无法知道您何时访问我们的网站,也无法监控其性能。

  • * *

受众测量

  • [x] 开启

为了进行汇总流量测量并生成网站性能统计信息,我们使用受众测量cookies。这些cookies的使用受到严格限制,仅限于测量网站的受众。这些cookies不允许跟踪其他网站上的导航,并且收集的数据不会与第三方结合使用。您可以通过右侧的滑动开关关闭这些cookies。

  • * *

功能

  • [x] 开启

此网站使用功能性cookies和服务来记住您的偏好和选择,例如语言偏好、字体大小、地区选择和定制布局。它们提供了增强和个性化的功能。

  • * *

社交媒体

  • [x] 关闭

这些cookies由我们在网站上添加的一系列社交媒体服务设置,使您能够与朋友和网络分享我们的内容。它们可以跟踪您的浏览器在其他网站上的活动,并构建您的兴趣档案。这可能会对您在其他网站上看到的内容和消息产生影响。如果您不启用这些cookies,可能无法使用或看到这些分享工具。

  • * *

允许销售/定向广告?

  • [x] 开启

我们可能将您的个人资料信息转让或分享给第三方,用于定向广告目的。有关此目的所用信息的更多信息,请参阅我们的隐私通知。

确认我的选择 拒绝全部 接受全部

隐私政策

由Ethyca提供支持

跳转至主要内容

[](https://www.wired.com/)

SECURITY

POLITICS

THE BIG STORY

BUSINESS

SCIENCE

CULTURE

REVIEWS

[](https://www.wired.com/)

新闻通讯

安全

政治

大故事

商业

科学

文化

评论

更多

什么能让人工智能可持续发展

研究者萨莎·卢奇孔蒂认为,我们需要更好的排放数据以及对人们如何使用人工智能有更清晰的认识。

图片1: 可能包含电子设备、硬件、计算机服务器和计算机硬件
图片1: 可能包含电子设备、硬件、计算机服务器和计算机硬件

图片来源:Bloomberg/Getty Images

评论

保存此故事

评论

保存此故事

构建可持续的人工智能似乎像是一个遥不可及的梦想,因为那些曾经承诺减少排放的科技巨头们正竞相建造耗用化石燃料的大型数据中心。

为了实现所有成本的AI建设,这一趋势得到了特朗普政府的支持,该政府也正在取消环境保护措施

尽管面临这些逆风,萨莎·卢奇孔蒂作为可持续性人工智能研究领域的领导者,认为从客户的角度来看,对AI透明度的需求比以往任何时候都高。

特色视频

研究:使用AI 10分钟可能会让你变得懒惰且愚蠢

卢奇孔蒂在Hugging Face这家人工智能公司任职的四年里,致力于提高人们对AI的排放和环境影响的透明度,包括开创了一个记录开源人工智能模型能源效率的排行榜。她还公开批评了那些她认为故意向公众隐瞒能源和可持续性信息的主要人工智能公司。

现在,她正在与前Salesforce可持续性主管鲍里斯·加马扎伊乔科夫共同创立可持续人工智能集团。他们将专注于帮助公司回答诸如“我们可以通过哪些杠杆让代理变得更少糟糕?”等问题。卢奇孔蒂还对不同类型的AI工具的能源需求感兴趣,比如语音转文本翻译或照片转视频——这领域目前尚未得到充分研究。

卢奇孔蒂独家接受了《连线》杂志采访,讨论了可持续人工智能的需求以及她希望大科技公司能提供什么。

本访谈已根据长度和清晰度进行了编辑。

《连线》:我经常听到一些人担心环境和AI使用问题,但我不太听到企业对此有所考虑。你从与AI相关的业务中工作的人员那里听说了什么具体的事情?他们担心什么?

萨莎·卢奇孔蒂:首先,他们面临着来自员工和董事会的巨大压力——“你们需要量化这一点。”他们的员工会说,“你们强迫我们使用Copilot,这对我们的ESG目标有什么影响?”

对于大多数公司来说,AI已经成为其核心业务的一部分。在这种情况下,他们必须了解风险。他们必须了解模型运行的位置。他们不能继续使用不知道数据中心位置或连接电网的模型。他们必须知道供应链排放、运输排放等各种各样的事情。

这不是不使用AI的问题。我认为我们已经超越了这一点。选择正确的模型,例如,或者发出能源来源重要的信号,这样客户愿意为由可再生能源供电的数据中心支付一点额外费用。这有办法去做,并且关键在于找到正确的地方相信这些信徒。

我还想象到,对于全球企业而言,可持续性的情况与美国相比非常不同,对吧?美国政府可能不在乎这个问题,但其他国家肯定在乎。

在欧洲,他们有欧盟人工智能法案。可持续性自始至终都是其中的一个重要部分。他们加入了大量条款,现在第一批报告倡议即将出台。

甚至亚洲也在努力变得更加透明。国际能源署一直在发布关于AI和能源使用的报告。我与他们交谈过,他们说其他国家意识到IEA从国家获取数据,而这些国家没有专门针对数据中心的数据。他们无法做出未来导向的选择,因为他们需要数据来知道“好吧,这意味着我们需要X容量,在接下来的五年里”或其他类似情况。[某些国家]已经开始对数据中心建设者施加压力。

最受欢迎

Most Popular

如果你可以用魔法魔杖明天让萨姆·阿尔特曼(Sam Altman)、达里奥·阿莫迪(Dario Amodei)或者其他任何人给你提供你需要的信息,你会想要什么?或者你想让他们更开放地分享他们掌握的信息呢?

我希望ChatGPT或Claude的UI上有一个小的计量表或信息框,在每次查询或对话结束后告诉你消耗了多少能量。理想情况下,还会显示温室气体排放量以及这些能源是如何产生的。

我认为如果其中一家大型模型提供商决定投资可持续发展,这将是一个市场上的竞争优势。目前,他们都互相竞争,试图超越对方。如果其中一家公司说:“好吧,我们不再建造由天然气供电的数据中心,而是建造可再生能源的数据中心。”我确实认为这可能会给他们带来优势。就像Anthropic拒绝了美国政府用于军事用途一样,这也给了他们一定的提升。

文化上的提升。

没错。

我觉得在关于AI的流行讨论中,大而封闭的模型是唯一的游戏。你与之交谈的人是否知道实际上你不需要使用这些大模型来做你所有的事情?这是你在教育人们的内容之一吗?

当然。也许这就是一个“宅男”的话,我喜欢回到什么是AI?人们喜欢说AI正在重塑我们的社会,但真正做这些底层工作的模型并不是LLM(大型语言模型)。它们是分类器。这些系统一直是我们所看到的AI生产力的核心部分。

我一直试图区分哪些对我们有用,哪些是被推销给我们的。比如说,你在一个金融领域工作。你将尝试预测市场走向。你不需要一个通用型的LLM来做这件事。

谷歌已经提供了有关发送和接收的令牌数量的统计数据。这是一个非常重要的信息。这样你就可以确定,例如,如果查询非常简单,你可以使用更简单的模型。如果你意识到大多数员工都在生成图片或其他内容,你也有了这个信息。

从内部来说,你可以这样说:“好吧,如果你们想要搜索公司的文件,使用这个模型就可以了。它很简单且成本低廉。如果你真的需要进行深入研究,这里有一个更复杂的模型。”

有时候感觉像是开发这些大模型的公司不想让我们知道还有其他选择。

这是一个充满内婚关系的领域。许多制作这些模型的大公司同时也是向你销售计算能力的公司。他们自然会倾向于卖给你最大的模型,因为这样你就需要更多的计算能力。

Some Women Are Obsessively Testing Their Vaginas to Optimize ThemBy Ej Dickson

This Is the Real Swatch x Audemars Piguet Royal Pop CollaborationBy Jeremy White

There’s an Unhinged New Video Game About Trump and the Iran WarBy Makena Kelly

I Work in Hollywood. Everyone Who Used to Make TV Is Now Secretly Training AIBy Ruth Fowler *

如果数据中心的运营者和模型训练者以及基于这些模型创建产品的人不是完全不同的群体,那么我们现在就会有更多元化的AI了。

我对AI的环境影响有很多真实的担忧,但看着这个对话变得缺乏细节,真是很奇怪。你如何处理这类对话?

作为一名研究人员,我不能随便给出自己无法证实的数据。但是另一方面,很难传达规模和细节。

确实,每个单独查询可能并不重要。但当你把它们乘以使用这些东西的人数时,情况就变得非常复杂了。

我们仍然需要了解能源和水资源使用的数据,以便做出明智的决策。即使这些数字很小,我们也应该获取它们,因为我们已经有了交通方面的数据,营养方面的数据,还有其他很多方面的数据。