外媒，自2014年亞馬遜發(fā)布智能音箱Echo以來，亞馬遜Echo、谷歌Home和Apple HomePod等“智能音箱”設(shè)備已經(jīng)銷售了數(shù)以百萬臺，大科技公司正在將亞馬遜Alexa、蘋果Siri、谷歌Assistant、微軟Cortana，以及Facebook的類似服務(wù)整合到人們生活中。咨詢公司Juniper Research估計，到2023年，全球智能音箱年市場規(guī)模將達(dá)到110億美元，全球約有74億部語音控制設(shè)備。

科技公司表示智能音箱只有在用戶激活時才會錄音，但事實(shí)上正在把永遠(yuǎn)開著的麥克風(fēng)引入私密空間。亞馬遜及其競爭對手表示，絕大多數(shù)語音請求都是由電腦自動執(zhí)行的，無需人工審核。然而，這些智能設(shè)備都在依賴成千上萬的低薪員工進(jìn)行人工轉(zhuǎn)錄，用戶私密對話已經(jīng)成為他們最有價值的數(shù)據(jù)集之一。所有科技公司都認(rèn)為，這是改善他們產(chǎn)品的一種合理方式。

其實(shí)我們一直在被偷聽

Ruthy Hope Slatis簡直不敢相信她所聽到的。她曾被波士頓郊外的一家臨時機(jī)構(gòu)雇用，為亞馬遜轉(zhuǎn)錄音頻文件，這是一項被亞馬遜所模糊的工作。作為每小時只拿12美元薪酬的合同工，她和同事（正式名稱為數(shù)據(jù)助理）需要聽取隨機(jī)交談的片段，并在自己的筆記本電腦里記下聽到的每個單詞。

亞馬遜對外只會說這項工作對其絕密的語音識別產(chǎn)品至關(guān)重要，然而，這些語音片段中卻包含著用戶親密時刻的錄音。

2014年秋天，亞馬遜推出了Echo智能音箱，該設(shè)備帶有語音激活虛擬助手軟件Alexa。亞馬遜在其首個Echo廣告中將Alexa視為人工智能的奇跡。在該廣告中，一個幸福的家庭正在命令A(yù)lexa接收新聞更新、回答問題答案，并幫助孩子們做作業(yè)。但是，Slatis很快就開始意識到人類在這款產(chǎn)品背后的影響力。

她記得當(dāng)時自己在想：“天哪，這就是我正在做的事情?！眮嗰R遜會捕獲云中的每個語音命令，并依靠像她這樣的數(shù)據(jù)助理來訓(xùn)練系統(tǒng)。一開始，Slatis認(rèn)為自己所聽取的片段來自有酬勞的測試人員，這些測試人員自愿用自己的語音模式來換取幾美元的獎勵。然而，她很快意識到這個想法是錯誤的。

她和她的同事正在聽取的錄音通常很激烈、很尷尬，而用戶也會在音箱面前承認(rèn)自己的秘密和恐懼。隨著轉(zhuǎn)錄項目的發(fā)展以及Alexa的流行，錄音中透露的私人信息也隨之增加。其他合同工回憶說，自己聽過孩子分享了他們的家庭住址和電話號碼，聽到一名男子試圖訂購性玩具，甚至聽到一名晚宴客人大聲地想知道亞馬遜當(dāng)時是否正在偷聽。Slatis說：“用戶往往只是開玩笑，但其實(shí)完全不知道自己正在被偷聽?！彼?016年選擇了辭職。

科技公司們說他們正在改正

雷鋒網(wǎng)了解到，自從Slatis第一次感到毛骨悚然以來的五年中，四分之一的美國人購買了“智能音箱”設(shè)備，例如Echo、Google Home和Apple HomePod。到目前為止，亞馬遜已經(jīng)贏得了這場銷售大戰(zhàn)，據(jù)報道，用戶已經(jīng)購買了超過1億個Alexa設(shè)備。

但是如今，這些全球最大的公司之間正在展開一場新的戰(zhàn)爭，通過將麥克風(fēng)內(nèi)置于手機(jī)、智能手表、電視、冰箱、SUV等各種物品中，把Alexa、Siri、Google Assistant和Cortana嵌入到人們的生活中。咨詢公司Juniper Research估計，到2023年，全球智能音箱的年市場規(guī)模將達(dá)到110億美元，語音控制設(shè)備將達(dá)到約74億個，這相當(dāng)于地球上的每個人都擁有一個設(shè)備。

而現(xiàn)在的問題是，我們要如何處理這樣的規(guī)模呢？

按照科技公司的聲明，這些機(jī)器并沒有每時每刻創(chuàng)建音頻文件，因?yàn)橹悄芤粝鋬H在用戶激活它們時才錄制音頻。但是，當(dāng)始終在線的麥克風(fēng)被引入廚房和臥室中時，它們可能會無意間捕獲到用戶不想共享的聲音。

然而，這些所謂的智能設(shè)備無疑需要依賴成千上萬的低薪人群，他們需要在這些聲音片段中添加注釋，以便技術(shù)公司可以升級其“電子耳朵”。至此，我們最微弱的耳語竟成為科技公司最有價值的數(shù)據(jù)集之一。

今年早些時候，彭博社首先報道了技術(shù)行業(yè)使用人類來審查從用戶那里收集的音頻（并且沒有向用戶披露這一事實(shí)）。這其中就包括了蘋果、亞馬遜和Facebook。相關(guān)高管和工程師表示，建立龐大的人類監(jiān)聽網(wǎng)絡(luò)會帶來問題或干擾，盡管這一直是改善其產(chǎn)品的明顯方法。

除此之外，雷鋒網(wǎng)（公眾號：雷鋒網(wǎng)）也注意到，在過去的幾年中，蘋果在收集和分析人們的聲音方面變得更加激進(jìn)，擔(dān)心Siri的理解力和速度落后于Alexa和Google Assistant。蘋果將Siri視為語音搜索引擎，因此它必須做好準(zhǔn)備以應(yīng)付無休止的用戶查詢，并加大對音頻分析的依賴。

2015年，當(dāng)蘋果首席執(zhí)行官蒂姆·庫克宣稱隱私是一項“基本人權(quán)”之時，蘋果的機(jī)器每周需要處理超過十億次請求。當(dāng)時，用戶可以開啟一項功能，保持語音助手始終在線，這樣他們就不再需要按下按鈕來激活語音助手。蘋果在其用戶協(xié)議法律條款中表示，可能會記錄和分析語音數(shù)據(jù)以改善Siri，但沒有任何地方提到會是人類員工在監(jiān)聽。一位前合同工說：“監(jiān)聽別人的語音，讓我感到非常不舒服。曾在Siri高級開發(fā)團(tuán)隊工作的John Burkey說?！斑@不是間諜行為。這與應(yīng)用崩潰并詢問是否要將報告發(fā)送給蘋果的行為是相同的?！?/p>

許多合同工表示，盡管大多數(shù)Siri要求都是很普通的，但他們?nèi)匀粫牭降纳榛恼Z音，以及種族歧視或恐同性言論。

蘋果表示，只有不到0.2%的Siri請求需要進(jìn)行人類分析。前任經(jīng)理將合同工的指控視為夸張。曾帶領(lǐng)開發(fā)團(tuán)隊的Siri聯(lián)合創(chuàng)始人Tom Gruber說：“實(shí)際上，我們要處理的很多都是噪音，并不是說機(jī)器打算錄制某些聲音，這只是某種意義上的概率問題?！?/p>

到2019年，蘋果將Siri引入其無線耳機(jī)和HomePod揚(yáng)聲器等產(chǎn)品后，每月需要處理150億條語音命令。0.2%意味著每月，人類合同工需要處理3000萬條語音命令，一年下來就會是3.6億條。Siri團(tuán)隊的前首席研究科學(xué)家Mike Bastian說，隨機(jī)錄制的風(fēng)險隨著用例的增加也在不斷增長。他提到了Apple Watch的“抬起激活”功能，該功能在檢測到佩戴者的手腕被抬起時會自動激活Siri。他說：“這就導(dǎo)致假陽性率很高?！?/p>

2016年，亞馬遜創(chuàng)建了Frequent Utterance Database（FUD），以幫助Alexa為常見請求添加答案。與FUD合作的前員工表示，渴望更積極挖掘數(shù)據(jù)的產(chǎn)品團(tuán)隊與負(fù)責(zé)保護(hù)用戶信息的安全團(tuán)隊之間存在緊張關(guān)系。2017年，亞馬遜推出了配備攝像頭的Echo Look，該產(chǎn)品被稱為AI造型師，可以推薦服裝搭配。知情人士說，它的開發(fā)者考慮將相機(jī)編程為在用戶要求Alexa講笑話時自動開機(jī)。他們的想法是錄制用戶面部的視頻并評估用戶是否在笑。這些人說，亞馬遜最終擱置了這個想法。該公司表示，Alexa目前沒有使用面部識別技術(shù)。

該公司已在世界各地設(shè)立了轉(zhuǎn)錄“農(nóng)場”。今年，它舉行了多次面向海外轉(zhuǎn)錄員的入門招聘活動。一位花了數(shù)十年時間為科技公司開發(fā)識別系統(tǒng)的語音技術(shù)專家說，最近的招聘規(guī)模暗示亞馬遜音頻數(shù)據(jù)分析的規(guī)模令人震驚。亞馬遜表示，它“認(rèn)真對待客戶及其錄音的安全性”，并且需要全面了解區(qū)域性口音和口語化才能使Alexa走向全球。

微軟在今年8月承認(rèn)，它使用人類幫助審查通過語音識別技術(shù)生成的語音數(shù)據(jù)。寶馬、惠普和Humana等企業(yè)正在將這一技術(shù)集成到自己的產(chǎn)品和服務(wù)中。包括阿里巴巴、搜索巨頭百度和手機(jī)制造商小米在內(nèi)的中國科技公司每個季度都在收集數(shù)百萬個智能音箱的語音數(shù)據(jù)。

谷歌搜索向Google Assistant提供了來自數(shù)十億種可用設(shè)備的查詢，這些設(shè)備包括Android智能手機(jī)和平板電腦、Nest恒溫器和Sony TV。谷歌已經(jīng)雇用了海外的臨時工來轉(zhuǎn)錄片段，以提高系統(tǒng)的準(zhǔn)確性。谷歌已承諾，審閱的錄音不會與任何個人信息相關(guān)聯(lián)。但是今年夏天，一家谷歌承包商向比利時廣播公司VRT NWS分享了1000多個用戶記錄。這家媒體能夠根據(jù)用戶所說的話找出錄音中的某些人是誰，這讓那些被查明的用戶感到震驚。這些記錄中的10%，是因?yàn)樵O(shè)備錯誤地檢測到激活詞，并在未經(jīng)用戶同意的情況下進(jìn)行了錄音。

在相關(guān)新聞報道不斷出現(xiàn)之后，這些大型科技公司于今年調(diào)整了他們的虛擬助手項目。

谷歌暫停了人類對Assistant音頻的轉(zhuǎn)錄，蘋果開始允許用戶刪除他們的Siri歷史記錄并選擇不共享更多內(nèi)容，使共享錄音成為可選內(nèi)容，并直接雇用了許多前承包商來增強(qiáng)其對人類監(jiān)聽的控制力。

Facebook和微軟在其隱私政策中添加了更明確的免責(zé)聲明。

亞馬遜也引入了類似的披露方式，并開始允許Alexa用戶選擇不進(jìn)行人工審核。

一些研究人員說，智能手機(jī)處理能力的提高和一種稱為聯(lián)合學(xué)習(xí)的計算機(jī)建模形式可能最終會淘汰這些監(jiān)聽行為，因?yàn)檫@些機(jī)器將變得足夠聰明，可以在沒有合同工幫助的情況下解決問題。目前，由于沒有更嚴(yán)格的法律或消費(fèi)者的強(qiáng)烈反對，隨著語音設(shè)備的激增，人類音頻審核隊伍幾乎肯定會繼續(xù)增長。