Apple Watch kolegi będzie mnie słuchał. Mam co do tego słuszne obiekcje

Przyzwyczailiśmy się do tego, że nowe generacje zegarkow przynoszą głównie kolejne czujniki zdrowotne, nieco szybsze procesory i funkcje, które brzmią imponująco podczas prezentacji, ale po kilku tygodniach okazują się jedynie miłym dodatkiem. Tegoroczna premiera zegarków Apple’a jest jednak inna. Apple postanowił wyposażyć swoje nowe zegarki w zestaw funkcji określanych mianem Audio Intelligence, które wykorzystują mikrofony urządzenia do ciągłego analizowania dźwięków otoczenia. W teorii ma to pomagać użytkownikowi. W praktyce może jednak wywołać bardzo niewygodne pytania o granice prywatności. Apple Watch Series 12 i Apple Watch Ultra 4 otrzymały funkcje pozwalające między innymi tworzyć podsumowania rozmów, rozpoznawać dźwięki otoczenia, identyfikować muzykę oraz wracać do fragmentów wypowiedzi usłyszanych kilkanaście sekund wcześniej.

To jeden z tych momentów, kiedy obserwujemy nie tyle premierę nowej funkcji, ile próbę przesunięcia granicy społecznej akceptacji. Jeszcze kilka lat temu pomysł urządzenia stale nasłuchującego otoczenia i analizującego rozmowy wielu osobom wydałby się niepokojący. Dziś podobne rozwiązanie debiutuje pod logotypem Apple’a i prezentowane jest przede wszystkim jako narzędzie produktywności. Nie jestem jednak przekonany, czy wszystkim powinno się to podobać.

Czytaj też:

Największe zamieszanie wywołuje funkcja o nazwie Siri Recap. Według informacji przedstawionych przez Apple’a rozwiązanie może nasłuchiwać rozmów i na ich podstawie przygotowywać automatyczne podsumowania. Po zakończonej konwersacji użytkownik otrzymuje wygenerowany przez sztuczną inteligencję tytuł, krótkie streszczenie oraz listę najważniejszych ustaleń. Apple pokazuje scenariusze obejmujące spotkania służbowe, rozmowy z nauczycielem dziecka czy codzienne sytuacje, podczas których chcielibyśmy później wrócić do omawianych tematów.

Patrząc wyłącznie z perspektywy właściciela zegarka to trudno odmówić tej funkcji sensu. Wiele osób korzysta przecież z aplikacji do transkrypcji spotkań, automatycznych notatek AI albo dyktafonów. Rynek takich narzędzi rozwija się błyskawicznie. Problem polega na tym, że Apple przenosi podobny mechanizm z poziomu komputera czy telefonu na urządzenie, które przez większość dnia znajduje się na naszym nadgarstku. To sprawia, że granica między świadomym uruchomieniem nagrywania a pasywnym analizowaniem otoczenia zaczyna się zacierać.

W materiałach promocyjnych wszystko wygląda bardzo niewinnie. Zegarek ma przecież jedynie pomóc zapamiętać ważne informacje. Tyle że każda rozmowa składa się z co najmniej dwóch osób. A jeśli jedna z nich nosi urządzenie zdolne do tworzenia podsumowań całej dyskusji to druga może nawet nie zdawać sobie sprawy, że jej wypowiedzi trafiają do systemu analizowanego przez sztuczną inteligencję. Niezależnie od tego, jak bardzo Apple będzie przekonywał, że nie dochodzi do klasycznego nagrywania.

Apple zdaje sobie sprawę z potencjalnych obaw i dlatego wyjątkowo duży nacisk poświęca kwestii prywatności. Producent podkreśla, że funkcje Audio Intelligence nie tworzą tradycyjnych nagrań audio. Surowy dźwięk ma być przetwarzany lokalnie w wydzielonej części układu S11, a następnie usuwany. Firma twierdzi również, że nawet ona sama nie ma dostępu do tych danych. Dodatkowo użytkownik może zdecydować, kiedy funkcja działa, wyłączyć ją całkowicie albo ustawić harmonogram ograniczający jej aktywność do określonych godzin czy miejsc.

To wszystko brzmi rozsądnie i trzeba przyznać, że Apple prawdopodobnie podchodzi do tematu ostrożniej niż większość konkurentów. Jednocześnie nie jestem pewien, czy dla osoby postronnej ma znaczenie techniczna różnica między nagraniem rozmowy a stworzeniem jej szczegółowego podsumowania. Z punktu widzenia zwykłego uczestnika spotkania efekt końcowy pozostaje podobny. W obu przypadkach urządzenie rejestruje treść wypowiedzi, analizuje ją, interpretuje i zachowuje najważniejsze informacje.

To trochę tak, jakby ktoś powiedział: „spokojnie, nie zrobiłem zdjęcia twojego dokumentu, tylko przepisałem z niego wszystkie najważniejsze dane”. Technicznie są to dwie różne czynności. Praktycznie konsekwencje mogą być zaskakująco podobne.

Drugą nowością jest Live Rewind. Apple reklamuje ją jako sposób na odzyskanie informacji, której nie zdążyliśmy wychwycić podczas rozmowy. Wystarczy dwukrotnie nacisnąć koronkę, a zegarek wyświetli tekstową transkrypcję około 15 ostatnich sekund usłyszanej wypowiedzi. Nie dosłyszałeś nazwy restauracji? Nie zapamiętałeś tytułu książki? Nie wiesz, jakie było nazwisko polecanego specjalisty? Zegarek ma pomóc odtworzyć utracony fragment rozmowy.

Brzmi wygodnie. Jednocześnie trudno nie zauważyć jak bardzo zmienia się nasze postrzeganie technologii. Jeszcze dekadę temu funkcja przechowująca w pamięci ostatnie sekundy wszystkiego, co zostało wypowiedziane w pobliżu użytkownika mogłaby zostać uznana za kontrowersyjną ciekawostkę. Dzisiaj staje się argumentem sprzedażowym podczas największej premiery sprzętowej roku.

To właśnie ten proces wydaje mi się najciekawszy. Nie sama technologia, lecz stopniowe oswajanie nas z myślą, że elektronika użytkowa powinna słyszeć coraz więcej.

O nowych funkcjach Apple Watcha bardzo trudno myśleć bez skojarzeń z inteligentnymi okularami Mety. Kiedy na rynku pojawiły się kolejne generacje okularów wyposażonych w kamery i funkcje AI, wiele osób nie protestowało dlatego, że rzeczywiście były nagrywane. Problem był bardziej subtelny. Chodziło o poczucie niepewności.

Nie wiedzieliśmy, kiedy kamera jest aktywna. Nie wiedzieliśmy, czy właśnie powstaje zdjęcie. Nie wiedzieliśmy, czy sztuczna inteligencja analizuje otoczenie. Sama możliwość istnienia takiego scenariusza wystarczała, aby część osób zaczęła czuć się mniej komfortowo.

Mam wrażenie, że Audio Intelligence może wywołać bardzo podobny efekt. Jeżeli siedzę przy stole z osobą noszącą nowego Apple Watcha to w naturalny sposób mogę zacząć zastanawiać się, czy nasza rozmowa nie jest właśnie przetwarzana przez któryś z algorytmów. Nie dlatego, że podejrzewam rozmówcę o złe intencje. Po prostu dlatego, że urządzenie technicznie jest do tego zdolne. W efekcie po raz kolejny pojawia się niewidzialna warstwa niepewności, która wcześniej nie istniała.

I właśnie dlatego obecność kogoś z takim urządzeniem może dla części osób stać się zwyczajnie krępująca. Zwłaszcza podczas rozmów prywatnych, zawodowych, rekrutacyjnych czy dotyczących spraw zdrowotnych. W takich sytuacjach nie chodzi wyłącznie o ochronę danych. Chodzi o zwyczajny komfort psychiczny wynikający z przekonania, że rozmowa pozostaje rozmową, a nie materiałem wejściowym dla modeli AI.

Najciekawszy jest jednak szerszy kontekst. Jeszcze kilka lat temu kontrowersje budziły inteligentne głośniki nasłuchujące komendy aktywacyjnej. Później zaakceptowaliśmy fakt, że telefony mają stale aktywne mikrofony odpowiedzialne za wykrywanie słów kluczowych. Następnie pojawiły się okulary wyposażone w kamery. Teraz do gry wchodzą zegarki zdolne do podsumowywania rozmów.

Każdy z tych kroków wydaje się niewielki, można go logicznie uzasadnić wygodą użytkownika. Każdy z osobna nie wygląda szczególnie groźnie. Kiedy jednak spojrzymy na całość to kierunek zmian staje się bardzo wyraźny. Elektronika użytkowa przestaje być biernym narzędziem. Coraz częściej staje się aktywnym obserwatorem otoczenia, który przez cały czas zbiera kontekst potrzebny sztucznej inteligencji.

Nie twierdzę, że oznacza to nadejście cyfrowej dystopii. Uważam jednak, że warto zachować zdrowy sceptycyzm wobec narracji, według której każda kolejna warstwa nasłuchiwania jest wyłącznie nieszkodliwym udogodnieniem.

Dla polskich użytkowników jest jeszcze jeden ważny szczegół. Według obecnie dostępnych informacji funkcje Siri Recap i Live Rewind mają pojawić się początkowo jako wersje beta i startować z obsługą języka angielskiego. Apple wskazuje również, że rozwiązania są powiązane z nowymi możliwościami Siri AI i ekosystemem Apple Intelligence.

Na dziś nie ma jednoznacznego potwierdzenia pełnej premierowej dostępności tych funkcji dla języka polskiego. Wręcz przeciwnie. Wszystkie dostępne informacje sugerują, że pierwszy etap wdrożenia będzie skoncentrowany na anglojęzycznych użytkownikach.

Innymi słowy, przeciętny użytkownik z Polski prawdopodobnie nie będzie jutro korzystał z automatycznych podsumowań rozmów na swoim Apple Watchu. Nie zmienia to jednak faktu, że kierunek obrany przez Apple’a wydaje się bardzo wyraźny. To początek nowej kategorii funkcji, które z czasem niemal na pewno będą coraz szerzej dostępne.

Paradoksalnie największym źródłem mojego niepokoju nie jest sam Apple. Firma od lat buduje swój wizerunek wokół prywatności i najpewniej zrobi więcej niż większość konkurentów, aby ograniczyć ryzyko nadużyć. Problem polega na tym, że technologiczni giganci wyznaczają kierunek całej branży.

Jeżeli użytkownicy zaakceptują zegarek analizujący rozmowy i tworzący notatki AI to rynek bardzo szybko uzna, że podobne rozwiązania powinny znaleźć się wszędzie. W słuchawkach. W okularach. W pierścionkach. W kolejnych generacjach smartfonów. W urządzeniach, o których jeszcze dziś nawet nie myślimy.

Dlatego prawdziwe pytanie nie brzmi czy Apple wystarczająco dobrze zabezpieczyło Audio Intelligence. Prawdziwe pytanie brzmi:  czy rzeczywiście chcemy żyć w świecie, w którym obecność mikrofonu analizującego rozmowę staje się równie normalna jak obecność zegarka na nadgarstku. I mam wrażenie, że odpowiedź wcale nie jest tak oczywista, jak chciałby tego dział marketingu z Cupertino.

*Grafika otwierająca wygenerowana za pomocą AI