AI主动预测、隐私保护与自进化趋势

近期重点关注AI及Agent在产品层面的发展，包括AI主动预判用户需求，当前可通过事件触发或定时任务实现，且仍需人工参与；Meta在闭环模型开发后推出号称无服务端日志的隐私AI对话产品；一家成立仅4个月、团队仅20人的公司估值已达40亿美元，其目标是打造“自我繁殖”的AI系统；以及Notion发布开发者平台新功能。

···

Anthropic 高层认为，未来的AI系统将具备主动预判用户需求的能力，而不再只是被动响应。

过去是用户主动告知AI要做什么，未来AI则能通过监测用户的日程、历史行为和偏好，进行主动预判。例如它可能会主动提问：“我发现你下周二在上海有重要会议，是否需要我帮你筛选航班并推荐酒店？”

这需要哪些核心能力？包括长期记忆、多步骤规划、持续低延迟的逻辑推理能力。

但以目前AI的能力，它能处理执行层面的需求，如差旅、资源调度等，但尚难预判高层决策或战略变化。因此，AI专注于处理可预测的部分，而人类则可以将时间用于处理AI无法预判的不确定性事务，如人际关系、复杂谈判和战略决策。

谈到Agent，其核心是什么？是业务逻辑、数据，还是背后的模型和算力？显然，Agent的主动性并非模型变聪明后自然产生，而是通过与业务系统的深度整合逐步形成的。这也解释了为何Intel、三星、百度等企业都在积极布局——大家都在为Agent提供模型和算力支持。

···

Meta 推出了 Incognito Chat，号称无服务端日志的隐私AI对话产品。对话结束后，数据将被永久删除，不保留任何服务端日志。

其实早年也有一些“阅后即焚”类应用，但区别在于，Meta的这款产品不仅在应用层面实现数据清除，更在AI训练和推理链路中实现物理级的数据清空。Meta表示，数据在 Muse Spark 模型处理完成后，内存即被直接清除，不会进入任何AI的长期记忆或训练集。

起初我觉得这个功能对我而言并无吸引力，但当我向AI询问哪些场景特别需要这类功能时，它举例说明：有人担心隐私对话数据被用于模型训练，或AI公司根据心理咨询记录等敏感信息给自己打标签，从而影响工作和生活。目前AI应用正处于爆发初期，但随着人们对AI判断的信任度提升，AI对我们的评价将变得越来越重要，甚至可能影响我们的社会资源分配，成为某些人的特权工具。就像《黑镜》中描述的未来社会，每个人眼中植入芯片，社交评分决定社会地位。

未来我们可能会将不同需求分配给不同的AI处理，一些私密信息则专门与Meta的隐私模型交流。

当前AI模型和Agent种类繁多，因此我们期待一个“网关”类工具，能自动判断信息应发送给隐私AI还是高性能AI，并调用相应的Agent。

而Notion最近发布的新功能，正朝着这个方向发展。

···

我过去使用Notion主要是为了信息记录，但最近它推出了开发者平台，将工作空间转变为AI Agent的编排和自动化运行平台。新功能支持Workers、External Agent API和数据库同步，允许团队在Notion中直接运行多步骤的自动化工作流。

Worker可以理解为一个确定性的、由代码驱动的执行环境，运行在标准CPU上，负责执行具体的同步任务或逻辑工具。

···

一家成立仅4个月、团队仅20人的公司Recursive Superintelligence完成新一轮融资，估值达40亿美元，其目标是开发“自我繁殖”的AI系统。

“自我繁殖”具体指什么？我查阅后了解到，其功能包括主动检测代码漏洞并自我更新；自动生成训练数据；动态调配算力资源以适应不同场景。这确实是当前亟需解决的问题，旨在减少对人工的依赖，并实现极高的能效比。