Google 如何預測你的下一步？鍵盤還沒按就知道你要搜什麼

嗯...今天要來聊聊一個，我自己最近想了很久的現象。

就是... 你有沒有過一種感覺，你的手機，或是 Google，好像... 比你還了解你自己？

我舉個例子。就上上禮拜吧，我一整個忙昏頭，完全忘了要固定打電話回家這件事。不是故意的，真的就是...事情一多，腦袋就亂了，你知道的。

p>然後呢，也沒人提醒我，我自己也沒設定行事曆。結果就在一個很尋常的下午，手機螢幕突然亮了，跳出一個通知，大概是寫「提醒：打電話給媽媽」。

我當下真的...愣住了。我沒搜尋過，也沒跟誰傳訊息聊到這件事。它...它怎麼會知道？

這不是提醒，這感覺更像是一種...嗯...介入。它好像不是在等我下指令，它是在猜我想什麼，甚至，在我意識到自己需要做什麼之前，就先一步出手了。這就是所謂的「預測性運算」(anticipatory computing) 時代吧，感覺已經悄悄開始了。

重點一句話

簡單講，AI 不是真的會「讀心術」，而是透過分析你過去留下的海量數據——那些你可能早就忘了的數位足跡——去「統計」出你下一步最有可能的行為或需求。

所以，它到底怎麼知道的？

好，這聽起來很科幻對吧。但說真的，這背後不是什麼魔法，而是一些...嗯...很具體的技術組合。我們不用搞得太複雜，大概了解一下就好。

主要有三個東西在背後運作。

第一個，就是現在大家都在講的「大型語言模型」，也就是 LLM，像 Google 的 Gemini 就是其中之一。

很多人把 LLM 想得太神了，好像它有意識、會思考。但...我自己是覺得，你把它想成一個超級無敵強大的「自動完成」功能就好了。只是它完成的不是你的句子，而是...你的下一步行為。它讀了幾兆筆資料，從學術論文到網路廢文，它不懂什麼是「親情」或「愧疚」，但它知道「錯過電話」這個行為，跟「設定提醒」、「道歉訊息」這些字詞在統計上高度相關。它不是在串連情感，它是在串連數據點。

再來，光有 LLM 還不夠，因為它像個書呆子，只懂自己讀過的書（也就是訓練資料）。現實世界一直在變啊。所以就有第二個東西，叫「檢索增強生成」，RAG (Retrieval-Augmented Generation)。

這個...嗯...名字很饒口，但概念很簡單。就是給那個書呆子 AI 一張圖書館借書證，讓它可以隨時去網路上查最新的資料。比如說，它可以去掃描你 Gmail 裡的班機確認信，然後提醒你「欸，你媽不是要去義大利玩嗎？可以問她一下那不勒斯好不好玩」。RAG 讓一個靜態的 AI，變成一個可以跟你同步的動態夥伴。

最後一個，叫「多模態融合」。這就更好懂了。意思就是，現在的 AI 不只會讀文字，它還會看圖片、聽聲音。你拍一張生鏽的腳踏車鏈條，它不只認出那是鏈條，它可能還會去 YouTube 找修理教學影片，順便在論壇上搜一下哪個牌子的潤滑油CP值最高，甚至...它還記得你兩年前買的是哪一款腳踏車。在你開口問「這要怎麼修...」之前，答案就已經準備好了。

反例與誤解釐清

說到這裡，很多人會有幾個誤會。我覺得需要稍微澄清一下。

第一個誤會：「AI 真的在『讀』我的心」。這不對。就像前面說的，它沒有意識，它是在做數學題，算機率。它只是個超級厲害的模式辨識專家，你的「心事」對它來說，只是一組重複出現、可以被預測的數據模式。

第二個誤會：「我的資料很安全，因為都是匿名的」。嗯...這也很難說。你的數位足跡，就算拿掉了名字，組合起來也幾乎是獨一無二的。你的通勤路線、上網時間、常用的 App、說話的語氣...這些「元數據」拼湊起來，比你的身分證還能認出你。

還有一個誤會是：「這都是為了給我更好的服務」。是，也不是。出發點可能是為了方便，但最終目的...你知道的，大部分還是商業。它預測你想買什麼、需要什麼，然後在最精準的時機，把廣告推到你面前。方便的背後，總是有代價的。

是貼心還是讓人發毛？一個躲不掉的選擇

這就帶來了一個很矛盾的狀況。老實說，我自己也常常很掙扎。

一方面，我們超愛個人化。根據 Adobe 的研究，將近八成的使用者渴望「超個人化」的體驗。我們希望 App 知道我喜歡吃辣，推薦餐廳時就不要推清淡的；希望導航知道我討厭走小路，就幫我規劃大馬路優先的路線。

但另一方面，根據美國那個...嗯...皮尤研究中心（Pew Research Center）的調查，又有超過六成的人，其實根本不信任 AI 能好好處理他們的個人資料。這點跟我們在台灣看到的情況，我覺得有點像又有點不一樣。台灣人超愛方便，對新科技接受度很高，但同時對詐騙的警覺心又特別強。所以這種又愛又怕的感覺，可能更糾結。

所以，我們到底想要什麼？想要它懂你，但又怕它懂太多。這真的很矛盾。

AI 預測的貼心與 creepy 時刻
場景	貼心的一面 (Helpful)	讓人發毛的一面 (Haunting)
健康	看你運動記錄跟天氣，提醒你今天可能太熱，跑步要多喝水...嗯，好像還蠻貼心的。	它怎麼知道我昨晚失眠？喔...從我半夜滑手機的頻率算出來的。然後就開始推我助眠課程廣告了。
社交	就像我前面說的，提醒我該打電話回家了。這真的...幫了大忙。	建議我「可以跟某某朋友聯絡」，因為演算法判定我們「互動率下降」。連友誼都要被 KPI 管理嗎？
消費	知道我最近在看露營用品，主動推給我一些質感不錯又在特價的裝備。省了不少搜尋時間。	我只是跟朋友「聊到」想換吸塵器，手機放在旁邊，結果接下來三天所有 App 都被吸塵器廣告淹沒。
工作	分析我的行事曆，發現會議排太滿，建議我把其中一個延後，留點喘息空間。感覺有個聰明秘書。	「根據你的打字速度與錯字率，你的專注力正在下降，建議休息」。哇...連我分心都知道？

那...我們還能怎麼辦？

聊了這麼多，好像很絕望，感覺我們都被演算法綁架了。但...我覺得也沒那麼糟啦。重點不是要回到沒有網路的時代，那不可能。重點是，拿回一點點...對，一點點主導權。

這裡有幾個我自己覺得可以試試看的方向，不是什麼標準答案，就是一些想法。

練習一點「無法被 AI 取代」的事：
AI 很會最佳化，但它不懂「意義」。試著一個月，就一個月，手寫一張卡片給朋友。那種筆跡、溫度，是 AI 算不出來的。或者，故意去做一件沒有「效率」的事，比如沒有目的地散步，讓自己迷路一下下。這種不確定性，是演算法最討厭，卻是身為人最寶貴的體驗。
定期大掃除你的「數位足跡」：
這很實際。你可以去 Google 的「我的活動」頁面（MyActivity.google.com）看看，真的會嚇到，它記錄了你幾乎所有的事。定期去刪除吧。還有，手機裡那些百年沒開的 App，把它們的權限關一關，或是乾脆刪掉。每個 App 都在你背後偷偷搜集資料，沒必要留著養它們。
當一個「數據懷疑論者」：
下次有 App 要求你開放定位或麥克風權限時，先停下來想一下：「它真的需要這個功能嗎？還是只是為了搜集我的資料？」很多時候，答案都是後者。可以的話，試著換一些更重視隱私的工具，像是改用 DuckDuckGo 搜尋，或用 Signal 傳訊息。不是說要完全杜絕，但至少讓自己有個選擇。