Meta AI助手Muse被曝为每位联系人建档:内部文件揭示社交关系分析机制

字数 2,703 · 阅读时间 约 10 分钟

Muse 的核心机制之一是​​为每位联系人创建专属档案​。根据《连线》杂志的报道，系统会每小时运行一次，从用户授权的数据源中汇总整理家人、朋友、同事等各类关系信息。档案并非简单存储联系方式，而是包含多层次的关系洞察。

具体而言，档案记录的信息类型包括：双方的基本事实信息、过往共同经历、彼此关系的定性判断、共同社交交集，以及 Muse 认为用户“应该”与对方跟进的事项。在这些常规维度之外，系统还要求用户输入或推断​​更为私人的关系细节​，例如双方的亲密度等级、日常相处模式、对方的核心诉求、用户与其沟通的理由，以及用户应当如何支持对方。

这种记录要求引发了研究人员的警示。技术伦理专家指出，Muse 能够推断出的信息量远超用户主动输入的内容。它能整合来自不同数据源的碎片信息——即便用户从未明确告知某个联系人的具体情况，系统也可能通过聊天记录、消费行为或日程安排等间接数据推断出关系属性。这意味着​​隐私边界被显著扩展​，用户难以控制被动生成的关系画像。

从技术架构看，Muse 采用独立虚拟机隔离用户数据，用户可以清除特定记忆，敏感操作需二次确认。然而产品逻辑层面，Meta 的策略明确指向鼓励用户接入全部生活场景——从金融到健康，从即时通讯到日历行程。这种设计思路使得数据覆盖范围持续扩大，用户需要在便利性与隐私保护之间做出更审慎的权衡。

​导读：​ Muse 为每位联系人单独建档，系统每小时自动整理用户社交关系，涵盖事实信息、共同经历、相处模式甚至“关系维护建议”。文章梳理内部文件揭示的档案内容、架构设计，以及多位专家对隐私风险的判断。

内部文件公开：聊天界面直接提取

《连线》杂志报道，独立人工智能安全研究员卡兰·乔希（Karan Joshi）近期通过普通聊天界面，成功提取了 Muse 的大量化系统指令。他让 Muse 直接输出自身的软件文件——这种操作方式本身并不需要特殊权限。

此前 Meta 始终表示这些文件本就有意对外开放，目的是提升透明度。通过这些文件，外界得以了解 Muse 如何处理政治敏感话题、是否会在特定议题上采取回避策略。更关键的是，这些指令揭示了一套完整的用户关系数据收集机制。

Meta 发言人丹尼尔·罗伯茨（Daniel Roberts）向《连线》发表声明称，智能体要发挥作用就必须掌握用户背景信息，而 Muse 收集的信息来源于公开内容及用户主动选择分享的数据。

每小时运行一次：为每位联系人建档

Muse 的工作指令显示，该系统会为用户生活中的每一个联系人单独建立一页档案。这套流程每小时自动运行一次，指令明确要求系统汇总整理家人、伴侣、朋友、同事、“协作伙伴”以及用户所“关注”对象的各类信息。

系统借助自身的“记忆”——即结构化的文本文件——来收集社交关系及相关人物资料。这种设计使得 Muse 能够在后续交互中调用这些档案：告诉用户如何改善某段人际关系，或者推荐适合带一位喜爱咖啡的朋友去吃早餐的地点。

乔希对此表达了他的看法：“从所有这些提示词、系统技能数据以及输入 Muse 当中的各类内容来看，我的理解是，他们希望搞清楚你和现实世界里其他人之间的关系。他们试图像一位朋友那样去了解你。说实话，这有点令人不安。”

档案结构：事实、经历、关系、建议

Muse 的内部文档说明，新建的人物档案起初内容可能比较简略，之后随时间推移逐步补充完善。档案页面下包含多个板块：

​事实信息与过往经历​​包括对方住在哪里、从事什么工作、反复出现的话题（如搬家事宜、共同储蓄目标），以及重要日期如生日或纪念日。过往经历板块可记录背景事件，例如“三月份的那次旅行、已经和解的那次争执、上周发生的一件重要事情”。

​关系细节记录​​是这套系统的核心部分。工作指令要求系统记录“双方亲密程度、这段关系建立的基础、彼此之间的相处模式，以及当下这段关系似乎存在哪些诉求”。关系维护板块则给出改善人际关系的可行方案，包括“打电话的合适理由、值得纪念的日子、对方曾经说过需要后续跟进的话、能够给予对方有意义的支持的方式”。

Meta 的工作指令写明，Muse 只可以使用自己能够获取到的“证据”；凭空编造信息，远比保留空白的档案页面更不可取。这意味着系统会尽可能填补每一页档案中的空白字段。

专家警示：推断信息量远超主动提供

牛津大学人工智能伦理研究所副教授卡里萨·贝利斯（Carissa Véliz）提出了她的判断：

我们向人工智能系统提供的关于自身的信息，远远多于我们从系统那里获取的信息。不光包括我们主动告诉它们的内容，还包括系统做出的各类推断——无论推断正确与否，两种情况都各有值得担忧的地方；除此之外系统还可以整合来自其他数据源的碎片信息。

这段陈述指向一个核心问题：系统推断出的关系图谱，可能远超用户实际认知到的信息量。

民主与技术中心人工智能治理实验室主任米兰达·博根（Miranda Bogen）则指出了产品层面的引导逻辑：

这些人工智能助手产品都在积极引导用户把自己的全部生活接入进去：电子邮件、日历、金融账户，把一切都对接进来，以此换取助手的服务。用户向企业交出的信息体量，远远超出以往人们原本愿意提供的范围。这类工具所能调取信息的覆盖面持续扩大，它们所掌握的用户信息也会随之急剧膨胀。

架构设计：隔离与可控性

Muse 的技术架构为每位用户分配专属虚拟机，用于存放该用户的数据与对话上下文。其他智能体无法访问这台虚拟机——从技术上说，用户数据在隔离环境中有一定保护。

用户可以随时清除记忆记录，或断开各项外部服务的授权。Meta 表示，Muse 在执行发送邮件、完成支付这类操作之前，会先请求用户确认；同时系统保留审计日志，用户可以查看该智能体所有已完成的活动及后续计划。

然而博根指出，这些控制功能存在一个根本性问题：这类产品的设计初衷是鼓励用户添加数据，而非引导用户删减。

对比定位：比其他助手更侧重关系数据

如今很多人工智能助手都搭载记忆功能，让回复与任务执行更贴合用户个人情况。但博根分析指出，相较于竞品系统，Muse 明显更侧重记录人际关系与个人联系人。Meta 本身拥有海量社交网络数据背景，这让这套设计具备了不同的意义。

考虑到 Muse 的定位与 Meta 的数据资产，用户将银行、消息、健康数据绑定至这款 AI 助手的做法，正在引发更广泛的隐私讨论。

Muse的联系人档案系统具体记录哪些类型的关系信息？