ایجنت Muse متا بیشتر از تمامی سرویسهای مشابه دیتا از کاربران جمعآوری میکند

حدود یک ماه از عرضه ایجنت Muse از شرکت متا نگذشته، اما حالا مشخص شده که این ایجنت در رقابت برای کسب عنوان چتباتی که بیشترین حجم داده را جمعآوری میکند، پیشتاز شده است.
شرکت Surfshark پژوهشی درباره چتباتهای هوش مصنوعی با بیشترین میزان دخالت در حریم خصوصی کاربران انجام داده است. یافتههای این پژوهش نشان دادند که ایجنت هوش مصنوعی Muse متا بیش از سایر رقبا از کاربران دیتا جمعآوری میکند. عجیب اینکه اپلیکیشن Muse توانسته با عبور از ChatGPT به رتبه اول اپاستور آمریکا برسد.
ابزارهای متا بیشترین دیتا را از کاربران خود جمعآوری میکنند
تنها یک ابزار هوش مصنوعی دیگر میان Muse و صدر جدول قرار دارد: Meta AI که محصول قدیمیتر این شرکت است و همچنان بدون رقیب بیشترین میزان جمعآوری داده را دارد. Surfshark در گزارش خود گفته که متا در زمینه جمعآوری داده «شکستناپذیر» است. Surfshark در جدیدترین تحلیل خود، ۱۳ چتبات هوش مصنوعی پرکاربرد و انواع دادههایی را که طبق اطلاعات درجشده در App Store اپل جمعآوری میکنند، با یکدیگر مقایسه کرده است.
در واقع، Muse و Meta AI با جمعآوری بهترتیب ۳۱ و ۳۳ نوع از مجموع ۳۵ نوع داده، تقریباً دو برابر رقبای خود انواع داده جمعآوری میکنند. پس از آنها، جمینای با جمعآوری ۲۴ نوع داده قرار دارد. این سه ابزار بهطور منحصربهفرد اطلاعات بسیار حساسی از جمله دادههای مربوط به قومیت، گرایش جنسی، عضویت در اتحادیههای کارگری، دیدگاههای سیاسی، اطلاعات ژنتیکی و دادههای بیومتریک را جمعآوری میکنند.
ChatGPT با ۱۷ نوع داده در رتبه بعدی قرار دارد. این رقم نسبت به سال گذشته ۷۰ درصد افزایش یافته و ChatGPT اکنون دادههای مربوط به سلامت و تناسب اندام، فایلهای صوتی و تاریخچه جستوجو را نیز جمعآوری میکند.
عنوان «کممداخلهترین» ابزارها به Pi ،Duck.ai و Mistral Vibe میرسد. در این میان، Pi تنها اطلاعات مربوط به شناسه کاربر، تعامل با محصول و دادههای مربوط به خرابی برنامه را جمعآوری میکند.
Muse بهعنوان ابزاری معرفی شده که میتواند اهداف کاربران را درک کرده و بهصورت مستقل برای تحقق آنها اقدام کند. بااینحال، Surfshark هشدار میدهد که شیوه جمعآوری گسترده داده توسط این اپلیکیشن هوش مصنوعی عاملمحور، نگرانی جدی برای حریم خصوصی آنلاین ایجاد میکند.
این اطلاعات میتواند برای اهداف تبلیغاتی یا آموزش مدلها با مجموعهدادههای دیگر ترکیب شود و در نتیجه، کاربران کنترل بسیار محدودی بر نحوه ذخیره، فروش، احتمال افشا یا آسیب دیدن دادههای خود خواهند داشت.




