- ไม่มีหลักฐานชัดเจนรองรับความเชื่อทั่วไปที่ว่าสมาร์ตโฟนดักฟังบทสนทนาอยู่ตลอดเวลาเพื่อแสดงโฆษณา และการกำหนดเป้าหมายโฆษณาจริง ๆ น่าจะใกล้เคียงกับการผสาน ข้อมูลตำแหน่ง·ความสัมพันธ์·พฤติกรรม มากกว่า
- ประเด็นถกเถียงเรื่อง Active Listening ของ Cox Media Group ในปี 2024 แพร่กระจายออกไปเพราะเอกสารที่กล่าวถึงการใช้ “ข้อมูลเจตนาแบบเรียลไทม์” และข้อมูลเสียง แต่บริษัทเทคโนโลยีรายใหญ่ต่างเว้นระยะห่างจาก CMG และ CMG ก็ยุติผลิตภัณฑ์ดังกล่าว
- การทดลองของ Wandera ในปี 2019 เปิดเสียงโฆษณาอาหารสัตว์เลี้ยงให้ iPhone และ Samsung Galaxy ฟังครั้งละ 30 นาที แล้วเปรียบเทียบการแสดงโฆษณา ปริมาณการใช้ข้อมูล แบตเตอรี่ และกิจกรรมเบื้องหลัง แต่ไม่พบ ร่องรอยการอัปโหลดจากไมโครโฟนตลอดเวลา
- นักวิจัยจาก Northeastern University ตรวจสอบแอป Android มากกว่า 17,000 แอป ไม่พบกรณีที่แอบเปิดไมโครโฟน แต่พบปัญหาความเป็นส่วนตัวที่ตรงไปตรงมากว่านั้น คือบางแอปส่ง สกรีนช็อต·วิดีโอหน้าจอ ไปยังบุคคลที่สาม
- แพลตฟอร์มอย่าง Facebook สามารถคาดเดาความสนใจได้จาก ข้อมูลส่วนบุคคลขนาดมหาศาล เช่น การติดตามข้ามอุปกรณ์ ความสัมพันธ์กับเพื่อน ตำแหน่ง ข้อมูลการซื้อ และเมทาดาตาการโทร·ข้อความบน Android ทำให้ระบบโฆษณาเข้าใจยากและไม่โปร่งใสยิ่งกว่าการดักฟังแบบง่าย ๆ
เหตุผลที่ทฤษฎีสมาร์ตโฟนดักฟังกลับมาซ้ำแล้วซ้ำเล่า
- เมื่อเห็นโฆษณาบนโซเชียลมีเดียที่ตรงกับบทสนทนาที่เพิ่งคุยกันพอดี คำอธิบายที่ง่ายที่สุดก็ดูเหมือนเป็น การดักฟังผ่านไมโครโฟน
- เรื่องเล่าที่ว่า Facebook, Google, Apple ฟังคีย์เวิร์ดในบทสนทนาส่วนตัวแล้วแสดงโฆษณาเฉพาะบุคคล ได้กลายเป็นทฤษฎีสมคบคิดทางเทคโนโลยีที่มีมานาน
- แต่หากไม่นับกรณีเล่าจากประสบการณ์ส่วนตัว ก็ยังไม่พบ หลักฐานชัดเจน ว่าสมาร์ตโฟนฟังบทสนทนาส่วนตัวอยู่ตลอดเวลาและนำไปใช้กับโฆษณา
ประเด็นถกเถียง Active Listening ในปี 2024
- ในปี 2024 เอกสารที่ 404 Media เปิดเผย Cox Media Group(CMG) แนะนำระบบที่ชื่อ Active Listening
- มีเนื้อหาระบุว่าสามารถเก็บ “real-time intent data” ผ่านไมโครโฟนของอุปกรณ์อัจฉริยะได้
- มองว่าสามารถนำ “voice data” มาประมวลผลด้วย AI และผสานกับ “behavioral data” อื่น ๆ เพื่อส่งโฆษณาที่กำหนดเป้าหมายอย่างละเอียดได้
- ยังไม่ชัดเจนว่า Active Listening ทำงานจริงอย่างไร
- หลังเกิดกระแสวิจารณ์ บริษัทเทคโนโลยีรายใหญ่ต่างเว้นระยะห่างจาก CMG
- Amazon ระบุว่าไม่เคยทำงานกับ CMG ในฐานะพาร์ตเนอร์ด้านโฆษณา
- Google และ Meta ตัดความสัมพันธ์กับ CMG
- CMG ระบุว่าได้ยุติ ผลิตภัณฑ์ Active Listening “เพื่อหลีกเลี่ยงความเข้าใจผิด”
- เท่าที่พอเข้าใจได้ ระบบของ CMG ดูใกล้เคียงกับการใช้ ชิ้นส่วนเสียงสั้น ๆ ที่ถูกส่งขึ้นคลาวด์หลังคำปลุกอย่าง “Hey Google” หรือ “Hey Siri” มากกว่าการฟังไมโครโฟนโทรศัพท์ตลอด 24 ชั่วโมง
ประเด็นการถอดเสียง Facebook Messenger และความเข้าใจผิด
- ในปี 2019 รายงานของ Bloomberg เปิดเผยว่า Facebook จ้างผู้ให้บริการภายนอกให้ถอดเสียงบทสนทนาเสียงใน Facebook Messenger
- Facebook ระบุว่าเป็นกระบวนการเพื่อทดสอบความแม่นยำของอัลกอริทึมถอดเสียงอัตโนมัติ และผู้ใช้ที่เลือกใช้ฟีเจอร์ถอดเสียงรับรู้แล้วว่าอาจมีการตรวจทานโดยมนุษย์
- รายงานบางฉบับตั้งคำถามว่าการแจ้งให้ทราบของ Facebook โปร่งใสมากน้อยเพียงใด
- เหตุการณ์นี้แพร่กระจายผ่านพาดหัวในทำนองว่า “Facebook กำลังฟังบทสนทนาส่วนตัว” และทำให้ทฤษฎีดักฟังไมโครโฟนเพื่อโฆษณากลับมารุนแรงขึ้น
- Mark Zuckerberg ตอบต่อรัฐสภาสหรัฐฯ ในเดือนเมษายน 2018 เมื่อถูกถามว่าใช้ไมโครโฟนฟังผู้ใช้และนำไปใช้กับโฆษณาหรือไม่ว่า “เราไม่ได้ทำเช่นนั้น”
- Facebook เคยระบุไว้ในปี 2016 เช่นกันว่าไม่ได้ใช้ไมโครโฟนโทรศัพท์เพื่อโฆษณาหรือ News Feed และโฆษณาอิงจากความสนใจและข้อมูลโปรไฟล์ของผู้ใช้
การทดลองของ Wandera: ปริมาณข้อมูลไม่สอดคล้อง
- บริษัทความปลอดภัยมือถือ Wandera ทำ การทดลองง่าย ๆ ในปี 2019 เพื่อตรวจสอบว่าสมาร์ตโฟนฟังบทสนทนาอย่างต่อเนื่องหรือไม่
- วาง iPhone และ Samsung Galaxy ไว้ในห้อง แล้วเปิดเสียงโฆษณาอาหารสัตว์เลี้ยงวันละ 30 นาที เป็นเวลา 3 วัน
- เปิดสิทธิ์ของแอปจำนวนมาก
- วางโทรศัพท์รุ่นเดียวกันไว้ในห้องเงียบเป็นกลุ่มควบคุมเพื่อเปรียบเทียบ
- การทดลองตรวจสอบสองเรื่อง
- ตรวจดูว่าหลังการทดลองมีโฆษณาอาหารสัตว์เลี้ยงปรากฏในฟีดของแอปหรือไม่
- ติดตามปริมาณการใช้ข้อมูล การใช้แบตเตอรี่ และกิจกรรมเบื้องหลัง
- ไม่พบโฆษณาอาหารสัตว์เลี้ยงในแอปใด ๆ
- ความแตกต่างด้านปริมาณการใช้ข้อมูล การใช้แบตเตอรี่ และกิจกรรมเบื้องหลังระหว่างห้องที่มีเสียงโฆษณากับห้องเงียบก็แทบไม่มี
- James Mack จาก Wandera ระบุว่าข้อมูลทดสอบช่วง 30 นาทีต่ำกว่าปริมาณการใช้ข้อมูลของผู้ช่วยเสมือนมาก และชี้ว่าแอปที่ทดสอบไม่ได้บันทึกเสียงตลอดเวลาและอัปโหลดขึ้นคลาวด์
- Antonio Garcia-Martinez อดีตผู้จัดการผลิตภัณฑ์ของ Facebook ก็เคยคำนวณใน บทความบน Wired ว่าการเฝ้าระวังผ่านไมโครโฟนต้องใช้ข้อมูลในระดับที่ยากจะซ่อน
- การโทร VoIP แบบทางเดียวต้องใช้ข้อมูลประมาณ 24 kbps หรือราว 3 kB ต่อวินาที
- หากสมมติว่าเปิดโทรศัพท์ไว้ครึ่งหนึ่งของวัน จะเท่ากับประมาณ 130 MB ต่อผู้ใช้ต่อวัน
- หากอิงผู้ใช้รายวันในสหรัฐฯ 150 ล้านคน จะต้องใช้ข้อมูลประมาณ 20 PB ต่อวัน
- เขายกตัวเลขว่าพื้นที่จัดเก็บข้อมูลทั้งหมดของ Facebook อยู่ที่ประมาณ 300 PB และข้อมูลที่เก็บต่อวันอยู่ที่ประมาณ 600 TB
- มีข้อโต้แย้งว่าสามารถตรวจจับคีย์เวิร์ดในเครื่องแบบโลคัลได้ แต่ก็มีการโต้กลับว่า Facebook ต้องติดตามคีย์เวิร์ดโฆษณาหลายล้านคำ และภาระต่อ CPU จะสังเกตเห็นได้ จึงยากที่จะซ่อน
การติดตามที่ตรงไปตรงมากว่าไมโครโฟน: การจับภาพหน้าจอ
- Jingjing Ren และ Elleen Pan จาก Northeastern University ออกแบบงานวิจัยเมื่อต้นปี 2017 เพื่อตรวจสอบว่าสมาร์ตโฟนแอบฟังบทสนทนาโดยที่ผู้ใช้ไม่รู้หรือไม่
- นักวิจัยไม่พบกรณีที่มีการเปิดใช้ไมโครโฟนอย่างลับ ๆ
- แต่กลับพบบางแอปที่จับภาพหน้าจอของตัวเองโดยอัตโนมัติและส่งไปยังบุคคลที่สาม
- Christo Wilson ระบุว่าไม่มีการรั่วไหลของเสียงเลย และในกรณีหนึ่ง แอปส่งวิดีโอกิจกรรมบนหน้าจอไปยังบุคคลที่สาม
- ในบรรดาแอป Android มากกว่า 17,000 แอป มีมากกว่า 9,000 แอปที่มีสิทธิ์ที่อาจใช้ถ่ายสกรีนช็อตได้
- David Choffnes ระบุว่าการจับภาพหน้าจออาจเลวร้ายกว่ากล้องที่ถ่ายเพดานหรือไมโครโฟนที่บันทึกบทสนทนาไร้สาระ และไม่มีวิธีง่าย ๆ ในการปิดช่องโหว่ความเป็นส่วนตัวนี้
การกำหนดเป้าหมายโฆษณามีข้อมูลเพียงพออยู่แล้ว
- Facebook มีวิธีที่ดีกว่าในการกำหนดเป้าหมายผู้ใช้จากสัญญาณอ่อน ๆ โดยไม่ต้องอาศัยปาฏิหาริย์ทางเทคนิคผ่านไมโครโฟน
- Garcia-Martinez มองว่า Facebook สามารถตามหาผู้ใช้ได้จากทุกอุปกรณ์ที่ผู้ใช้เคยเข้า Facebook และยังใช้ข้อมูลที่ผู้ค้าปลีกรู้ รวมถึงการซื้อด้วยเงินสดแบบออฟไลน์ได้ด้วย
- ข้อมูลที่แพลตฟอร์มสามารถใช้มีหลากหลาย
- ตำแหน่งปัจจุบันของผู้ใช้
- ความสัมพันธ์กับเพื่อนและความสนใจของเพื่อน ๆ
- ข้อมูลว่าผู้ใช้ใช้เวลากับใคร
- การติดตามข้ามหลายอุปกรณ์
- เมทาดาตาการโทร·ข้อความ ของโทรศัพท์ Android
- ความเป็นไปได้ในการติดตาม เนื้อหาที่พิมพ์แล้วลบโดยไม่ได้ส่งจริง
- เมื่อนำข้อมูลเหล่านี้ไปประมวลผลด้วยอัลกอริทึม ก็สามารถคาดเดาได้ว่าผู้ใช้และเพื่อน ๆ อาจกำลังคุยเรื่องอะไร และแสดงโฆษณาที่ตรงกับความต้องการในขณะนั้น
- อัลกอริทึมโฆษณาไม่ได้สมบูรณ์แบบ และมักมีโฆษณาที่ไม่ตรงกับความสนใจเลยปรากฏขึ้นบ่อย ๆ
- ถึงอย่างนั้น โฆษณาบางชิ้นก็แม่นจนน่าขนลุก ทำให้ผู้ใช้ยอมรับคำอธิบายง่าย ๆ อย่างการดักฟังไมโครโฟนได้ง่าย
ความแตกต่างระหว่างผู้ช่วยเสียงกับการบันทึกเสียงตลอดเวลา
- อุปกรณ์อัจฉริยะที่ควบคุมด้วยเสียง ในแง่หนึ่งก็แทบจะ “ฟัง” คำพูดของผู้ใช้อยู่เสมอ
- แต่วิธีทำงานต่างจากการบันทึกเสียงตลอดเวลา
- อุปกรณ์ตรวจจับคำปลุกอย่าง “Hey Google” ในเครื่องแบบโลคัล
- เมื่อพบคำปลุก อุปกรณ์จะเปิดทำงานชั่วครู่และบันทึกเสียงอีกไม่กี่วินาทีหลังจากนั้น
- ส่งข้อมูลนี้ขึ้นคลาวด์เพื่อประมวลผลคำตอบ แล้วส่งผลลัพธ์กลับมายังอุปกรณ์
- การส่งข้อมูลลักษณะนี้สามารถตรวจจับและติดตามได้
- ปัญหาไม่ใช่การดักฟังไมโครโฟนเท่านั้น แต่คือความยากที่คนจะเข้าใจว่าอัลกอริทึมซับซ้อนที่ติดตามจุดข้อมูลส่วนบุคคลจำนวนมากตัดสินจังหวะการแสดงโฆษณาอย่างไร
- ความรู้สึกไม่สบายใจจากโฆษณาบนสมาร์ตโฟนมาจาก การติดตามข้อมูลที่ซับซ้อนและไม่โปร่งใส มากกว่าการดักฟังแบบง่าย ๆ
1 ความคิดเห็น
ความคิดเห็นบน Hacker News
บทความนี้ทำให้นึกถึงงานเสียดสีชั้นเยี่ยมที่ Jonathan Zeller เขียนใน McSweeney's: Calm Down—Your Phone Isn’t Listening to Your Conversations. It’s Just Tracking Everything You Type, Every App You Use, Every Website You Visit, and Everywhere You Go in the Physical World
https://www.mcsweeneys.net/articles/calm-down-your-phone-isn...
คล้ายกับที่ Facebook บอกว่า “เราไม่เคยขายข้อมูล” (ก็แค่ติดตามคุณแล้วขายโฆษณาด้วยข้อมูลนั้น) น่าจะมีคำพูดเลี่ยง ๆ แบบ “เราไม่เคยฟังเสียง” (แต่เราวิเคราะห์เพื่อปรับปรุงการประกันคุณภาพ) อะไรทำนองนั้น
ผมมั่นใจว่า Toshiba Fire TV ของผมฟังทุกบทสนทนาในระยะที่ได้ยิน แม้ไม่ได้ใช้รีโมตสั่งงานด้วยเสียง แล้วขายให้เครือข่ายโฆษณา แน่นอนว่ามันคงทำการจดจำหน้าจอตามที่บทความต้นฉบับพูดด้วย แต่สิ่งที่ผมพูดถึงคือการเก็บบทสนทนาแบบเรียลไทม์ของคนในห้องผ่านไมโครโฟน
เมื่อก่อนเคยเปิดโปงว่า Google เก็บข้อมูลจำนวนมากจาก Twitter จนแค่ใส่ Twitter handle ลงในช่องค้นหาของ Google Maps ก็สามารถแสดงตำแหน่งที่มีการใช้ Twitter ได้
แม้จะปิดการแชร์ตำแหน่งบน Twitter แล้วก็ยังรู้ตำแหน่งนั้นอยู่ ดังนั้นมันจะเป็นไปได้ก็ต่อเมื่อ Twitter ส่งข้อมูลให้ Google แบบไม่เปิดเผยต่อสาธารณะ “การทดลอง” นั้นถูกยุติในภายหลัง แต่เพราะการเปิดโปงแบบนี้และกิจกรรมอื่น ๆ หลายอย่าง ผมจึงเสียบัญชี Twitter ไปถาวร และเมื่อขออุทธรณ์หลายครั้งว่าโดนระงับถาวรโดยไม่มีเหตุผลอันชอบธรรม X Support ก็กลายเป็นระบบที่ส่งคำอุทธรณ์ทั้งหมดของผมลงถังขยะดิจิทัลทันที ตอนนี้ไม่มีอะไรทำให้แปลกใจได้อีกแล้ว
ณ เวลาที่เขียนความเห็นนี้ ชื่อหน้าคือ “Your phone isn’t secretly listening to you, but the truth is more disturbing” และชื่อโพสต์นี้ตอนนี้ก็เหมือนกัน
แต่พออ่านดูแล้วจริง ๆ เป็นบทความที่โฟกัส Facebook เป็นหลักเท่านั้นเอง ประโยคว่า “โทรศัพท์ของคุณไม่ได้แอบฟังอยู่” อาจทำให้สับสนได้ บทความไม่ได้พิสูจน์ว่าโทรศัพท์ไม่ได้ฟังอยู่ แค่พูดถึงว่าบางบริษัทอาจไม่ได้ทำแบบนั้น ในความเป็นจริง โทรศัพท์อาจฟังอยู่ได้อย่างเต็มที่ มีมัลแวร์/สปายแวร์จำนวนมากที่ใช้ช่องโหว่เพื่อทำสิ่งนี้ และก็มีกรณีอย่าง NSO Group ด้วย นอกจากเครื่องมือที่ซื้อได้ในตลาดเปิดแล้ว ควรถือว่า Mossad, NSA และหน่วยข่าวกรองใหญ่ ๆ มีเครื่องมือที่ทรงพลังกว่านั้นอีก โทรศัพท์อาจกำลังฟังคุณอยู่ได้อย่างแน่นอน แต่ก็อาจจะไม่ใช่ก็ได้
https://www.bloomberg.com/news/features/2023-01-24/nso-group...
https://www.britannica.com/topic/Pegasus-spyware
https://citizenlab.ca/2016/08/million-dollar-dissident-iphon...
https://newatlas.com/computers/smartphone-listening-conversa...
https://www.bloomberg.com/news/features/2023-01-24/nso-group...
เพียงแต่ถ้าอยู่ในสถานการณ์ระดับนั้น เรื่องนี้น่าจะเป็นความกังวลลำดับเล็ก ๆ ในรายการปัญหา
สำหรับข้อมูลเพิ่มเติม ทีวี “สมาร์ต” ก็ส่ง ภาพหน้าจอ ออกไปด้วย
[0] https://dl.acm.org/doi/10.1145/3646547.3689013
มีเนื้อหาว่า “แอปถ่ายภาพหน้าจอของตัวเองโดยอัตโนมัติแล้วส่งไปให้บุคคลที่สาม และในกรณีหนึ่งก็ถ่ายวิดีโอกิจกรรมบนหน้าจอแล้วส่งไปให้บุคคลที่สาม” อีกทั้งในบรรดาแอป Android กว่า 17,000 แอป มีมากกว่า 9,000 แอปที่มีสิทธิ์ที่เป็นไปได้ในการถ่ายภาพหน้าจอ แล้วสิ่งนั้นคือ สิทธิ์ อะไร และจะตรวจจับกับป้องกันได้อย่างไรว่าแอปไหนทำเรื่องแบบนั้น?
สิ่งที่บทความพูดถึงดูเหมือนจะเป็นกรณีที่แอปถ่ายภาพหน้าต่างของตัวเอง ซึ่งแน่นอนว่าทำได้และไม่ต้องใช้สิทธิ์ใดเลย แค่สร้างบิตแมปขนาดเท่าหน้าจอแล้วเรียก
getWindow().getDecorView().draw(new Canvas(bitmap));ก็ได้แล้ว เป็นไปได้มากว่า SDK โฆษณา/การตลาด/ติดตามของบุคคลที่สามซึ่งฝังอยู่ในแอปจำนวนมากจะทำสิ่งนี้ได้อย่างไรก็ตาม เขาทำ static analysis กับแอป 9,100 แอปจากทั้งหมด 17,260 แอป เพื่อพิจารณาอย่างเช่น “มีการอ้างอิง media API ในโค้ดจริงของแอปหรือไม่” จากนั้นจึงใช้ dynamic analysis เพื่อตรวจว่าแอปเรียก API จริงหรือไม่ กล่าวคือแยกกรณีที่แค่ลิงก์ไลบรารีไว้แต่แอปไม่ได้เรียกใช้ออกจากกัน สรุปในบทความทำได้แย่ ไม่ควรพูดว่า “มีสิทธิ์ที่เป็นไปได้ในการถ่ายภาพหน้าจอ” แต่ควรพูดว่า “มีศักยภาพที่จะถ่ายภาพหน้าจอได้”
น่าจะเป็นการผสมกันของสิทธิ์หลายอย่าง เช่นสิทธิ์เชื่อมต่อเครือข่าย และสิทธิ์ในการจับภาพหน้าจอโดยที่ผู้ใช้มองไม่เห็นอย่างชัดเจน
มีประโยชน์มากในการแก้บั๊ก แต่ก็มีโอกาสสูงมากที่จะถูกใช้ในทางที่ผิดหรือใช้แบบเป็นปฏิปักษ์ต่อผู้ใช้
ผู้คนดูเหมือนจะมองข้าม ต้นทุนและความแม่นยำ ในข้ออ้างที่ว่าโทรศัพท์ฟังอยู่ตลอด 24 ชั่วโมง อย่างน้อยภายใต้ข้อจำกัดปัจจุบัน โอกาสที่เรื่องแบบนี้จะเกิดขึ้นต่ำมาก
การถอดเสียงไม่ใช่ของฟรีและมีต้นทุนการประมวลผลสูง เครือข่ายโฆษณาหรือบริการขนาดใหญ่ โดยเฉพาะองค์กรที่ใส่ใจ unit economics คงรับต้นทุนนี้ได้ยาก ความแม่นยำก็น่าจะแย่มากด้วย โทรศัพท์ส่วนใหญ่อยู่ในกระเป๋าและแทบจับอะไรไม่ได้เลย ยิ่งกว่านั้น บทสนทนาทั่วไปมักไม่ค่อยมีเนื้อหาที่มีมูลค่าสำหรับผู้ลงโฆษณา ขณะที่ Google ทำเงินได้มหาศาลจากการค้นหาที่มีเจตนาซื้อ สัดส่วนสัญญาณต่อสัญญาณรบกวนของบทสนทนาทั่วไปต่ำกว่ามาก ทำให้ unit economics แย่ลงไปอีก นอกจากนี้ หากมีเรื่องแบบนี้เกิดขึ้นจริง ก็คงไม่ใช่เรื่องที่สังเกตได้ยาก โทรศัพท์จะร้อน แบตเตอรี่หมดเร็ว และใช้ดาต้าเยอะ บน iOS จะเห็นตัวบ่งชี้การใช้ไมโครโฟน และถ้าแอปใช้ทรัพยากรมากเกินไปในเบื้องหลัง ระบบปฏิบัติการก็น่าจะฆ่าแอปทิ้ง จนกว่าจะพบกรณีจริง ก็ไม่คุ้มที่จะกังวล
คืออุปกรณ์ที่สามารถรันโมเดลถอดเสียงในเครื่องแล้วส่งเฉพาะข้อความผลลัพธ์ออกไป ใช้พลังงานค่อนข้างมากและใช้อินเทอร์เน็ตในเวลาสุ่ม ๆ ได้อย่างเป็นธรรมชาติ เช่น สมาร์ตทีวี
การสร้าง word cloud เป็นเรื่องเล็กน้อย และผลกระทบต่อแบตเตอรี่น่าจะน้อยมาก
ถ้าบันทึกเฉพาะเสียงของกลุ่มเป้าหมาย “มูลค่าสูง” คือคนที่ซื้อของเยอะ ๆ ล่ะ อาจคุ้มที่จะบันทึกเฉพาะพวกเขา และนั่นอาจเป็นเหตุผลที่การทดสอบแบบสุ่มด้วยโทรศัพท์เครื่องใหม่สะอาด ๆ โดยทั่วไปตรวจไม่พบเหตุการณ์การบันทึกก็ได้
ไม่ใช่โทรศัพท์แต่เป็นทีวี เมื่อวาน YouTube อย่างน้อยก็น่าสงสัยมาก
อย่างแรก ค่อนข้างชัดเจนว่าถึงจะปิดประวัติการดู ก็ยังเอาประวัติของบัญชีอื่นที่เข้าจาก IP เดียวกันมาใช้กับคำแนะนำอยู่ ถ้าไม่มีประวัติ คำแนะนำหน้าแรกจะถูกปิด แต่พอลองค้นหา กลับมีวิดีโอที่ไม่เกี่ยวข้องเลยจากช่องปีนหน้าผาที่ภรรยาผมดูด้วยอีกบัญชีหนึ่งโผล่มา ผมไม่เคยดูคอนเทนต์ปีนหน้าผาด้วยบัญชีนี้ อย่างที่สองคือเรื่อง “กำลังฟังอยู่” ผมคุยกับช่างกำจัดแมลงที่มาพ่นยาตามรอบไตรมาส โดยให้ดูแผลเป็นที่เกิดจากการล้มตอนลงเนินที่เอาไม่อยู่ด้วยสเกตบอร์ดเมื่อปลายปีก่อน ไม่ถึง 5 นาทีหลังจากนั้น พอเปิดทีวีและเข้า YouTube คำแนะนำแรกในบัญชีของภรรยาคือวิดีโอคนล้มขณะเล่นลองบอร์ดที่ความเร็ว 50 ไมล์ต่อชั่วโมง ไม่ใช่ความลับว่าทั้งคู่เล่นสเกต และบัญชีนี้ดูวิดีโอดาวน์ฮิลล์เยอะ แต่ไม่เคยค้นหา ไม่เคยดู และไม่เคยได้รับคำแนะนำวิดีโออุบัติเหตุเลย จนกระทั่งถูกแนะนำภายใน 5 นาทีหลังจากพูดเรื่องนั้นหน้าทีวีเครื่องนั้น
เหลวไหล ผมมีการทดลองง่าย ๆ ที่เคยลองเองและยังใช้ได้อยู่
เมื่อก่อนบน YouTube ในสหราชอาณาจักรมีโฆษณากำจัดขี้หูเยอะจนน่าขยะแขยงมาก เพื่อทดลองและแกล้งเล่น ๆ ผมบอกเพื่อนสนิทสองคนว่าโฆษณานั้นน่าขยะแขยงและทำให้หมดความอยากอาหารแค่ไหน แล้วจงใจพูดคำว่า “ear wax removal” ซ้ำ ๆ เสียงดังหลายครั้ง แน่นอน วันถัดมาเพื่อนส่งข้อความมาประมาณว่า “นายมันแย่มากจริง ๆ” โทรศัพท์ของเพื่อนเป็น Android กับ iOS และดูเหมือนคนที่โดนคือผู้ใช้ Android
ซอฟต์แวร์โฆษณาที่รันบนโทรศัพท์มีวิธีเชื่อมโปรไฟล์และแพร่ “การติดเชื้อ” ไปให้เพื่อนได้เป็นล้านวิธี การเข้าถึงตำแหน่งพื้นฐานสำคัญที่สุด และการอยู่ IP เดียวกัน (WiFi บ้านเพื่อน?), ใกล้ Bluetooth beacon เดียวกัน, มี SSID ที่บันทึกไว้เหมือนกัน หรือเพื่อนบังเอิญเห็นโฆษณาที่กำหนดเป้าหมายตามประชากรศาสตร์แบบกว้าง ๆ ล้วนเป็นไปได้มากกว่า “โทรศัพท์ฟังอยู่ตลอด 24 ชั่วโมง” มาก
มองไม่เห็นอคติและข้อผิดพลาดในคอมเมนต์ของตัวเองหรือ?
ในสัปดาห์แรกของแคมเปญ 4 สัปดาห์ ทุกคนอาจมองข้าม แต่พอถึงสัปดาห์ที่ 4 อาจเห็นบ่อยจนฝังอยู่ในหัว
สิ่งที่สร้างความสัมพันธ์เชื่อมโยงก็ไม่ใช่มนุษย์ด้วยซ้ำ เช่นเดียวกับที่ Transformer สามารถเรียนรู้ความรู้ส่วนใหญ่ของมนุษย์ได้จากการทำนายโทเคนเพียงอย่างเดียว ก็ไม่น่าแปลกใจหากระบบ Machine Learning สำหรับการแสดงโฆษณาเรียนรู้รายละเอียดเกี่ยวกับผู้คนได้ในระดับใกล้เคียงกัน
ราว 10 ปีก่อน เทคโนโลยีระดับล่าสุดในตอนนั้นคือการทำนายอัตราการคลิกจากบริบทที่มีอยู่ เช่น โปรไฟล์ผู้ใช้ เว็บไซต์ปัจจุบัน และคีย์เวิร์ด ด้วยความแม่นยำระดับสี่ 9 และผมตีความว่านั่นต้องอาศัยโมเดลที่เรียนรู้พฤติกรรมมนุษย์ได้ค่อนข้างแม่นยำ ผมออกจากอุตสาหกรรมนี้ไปแล้วจึงไม่รู้ว่าเทคโนโลยีโฆษณาล่าสุดในปัจจุบันอยู่ระดับไหน แต่ก็น่าจะดีขึ้นกว่าเดิม โมเดลถูกฝึกด้วยข้อมูลที่ติดป้ายกำกับอัตโนมัติจากอัตราการคลิกจริงล่าสุด (ระดับ GB ต่อวินาที) และปริมาณข้อมูลฝึกก็ใกล้เคียงกับโมเดลภาษาใหญ่ขนาดเล็ก เรื่องเล่าล่าสุดคือ มีคนสามคนนั่งที่โต๊ะอาหารโดยวางมือถือไว้ข้างตัว และคุยกันเรื่องนกหายากชนิดหนึ่ง ไม่นานเรื่องนั้นก็ปรากฏในกระแสโฆษณา Facebook ของคนหนึ่งในกลุ่ม คำอธิบายที่เป็นไปได้คือ แอปจำนวนมากลิงก์ไลบรารีเก็บข้อมูลบุคคลที่สามและโฆษณาไว้เพียบ และตัวใดตัวหนึ่งในนั้นอาจเก็บและขายต่อข้อมูลบริบทได้มากพอจนสร้างความสัมพันธ์เชื่อมโยงขึ้นมาได้ อีกทั้งเพื่อนคนอื่น ๆ อาจเคยคุยเรื่องนั้นเมื่อเร็ว ๆ นี้ และลิงก์ในเครือข่ายสังคมก็อนุมานว่าเราน่าจะรู้เรื่องนั้นด้วย ความเป็นไปได้ที่ไกลออกไปอีกคือ โมเดลอาจดีพอที่จะอนุมานเสียงพูดจากช่องทางข้างเคียงแปลก ๆ อย่าง accelerometer เช่น การที่คนโบกมือขณะพูด อัตราการสุ่มตัวอย่างของ accelerometer ต่ำกว่า 1KHz แต่เกิน 100Hz ดังนั้นถ้าโยนโมเดลยักษ์เข้าไป ก็อาจเพียงพอ
ถ้าโฆษณาแสดง 1,000,000 ครั้งมีอัตราการคลิก 24.5898% และ Machine Learning ทำนายไว้ที่ 25.1926% แบบนี้ถือว่าแม่นยำกี่ 9?
ที่บริษัทเก่า เราเคยทำ SDK แอปมือถือที่ค่อนข้างเป็นที่นิยม ซึ่งนักพัฒนาแอปนำไปใส่ในแอปของตัวเอง
มีบริษัทหนึ่งเข้ามาหา อ้างว่ามี เทคโนโลยีรู้จำเสียง คล้าย Shazam แต่มีประสิทธิภาพสูงกว่าหลายหลัก เหมือนจะพัฒนาที่ MIT หรือไม่ก็ Bell Labs เขาบอกว่าใช้เพื่อติดตาม โดยรู้จำและบันทึกว่าผู้ใช้ถูกเปิดรับโฆษณาทางทีวีหรือวิทยุหรือไม่ และเสนอแบ่งรายได้ให้เราเพื่อแลกกับการที่เราผูก SDK ของพวกเขาเข้าไปใน SDK ของเราอย่างเงียบ ๆ เรื่องนี้อย่างน้อย 10 ปีก่อน ตอนที่ Apple ยังไม่ได้บังคับสิทธิ์เข้าถึงไมโครโฟนและจุดสีส้มแสดงสถานะ ผมจึงจำชื่อไม่ได้ แน่นอนว่าเราปฏิเสธ เลยไม่รู้อะไรมากกว่านั้นหรือไม่ได้ทดสอบว่าจริงเท็จแค่ไหน แต่มีบริษัทสกปรกจริง ๆ อยู่แน่ ๆ สมาร์ตโฟนยุคใหม่มีสมรรถนะเพียงพอสำหรับการประมวลผลเสียงบนอุปกรณ์ ดังนั้นข้ออ้างที่ว่ามันจะเผยให้เห็นในทราฟฟิกเครือข่ายจึงใช้ไม่ได้
https://www.pcworld.com/article/424417/ad-tracking-tech-uses...