Gemini香港上線個人化智慧服務 可按Gmail行程自動整理答案

早前，Google 在美國推出了「個人化智慧服務」（Personal Intelligence），展示了 Gemini 如何透過了解對用戶而言重要的事物，讓他們的生活更輕鬆。Google 正逐步向香港合資格的 Google AI Plus、Pro 和 Ultra 訂閱者的個人 Google 帳戶推出這項體驗，並預計在未來擴展至基本版用戶。

Gemini 個人化智慧服務功能展示

「個人化智慧服務」能安全地連結 Gmail 等應用程式中的資訊，讓 Gemini 提供對用戶獨具意義的協助。開啟此功能後，用戶可以掌控要連結哪些應用程式，而每一個連結都能讓體驗再升級。只需一個步驟，就能串聯 Gmail、YouTube 和 Google 搜尋，Google 也特別將設定流程設計得既簡單又安全。

「個人化智慧服務」有兩大核心優勢：能夠從複雜的資訊來源進行推理，以及從電郵等資訊中擷取特定細節來回答問題的能力。它通常會結合兩者，跨足文字、影片等資訊，提供度身打造的答案。

試想像一位用戶正在規劃東京度假之旅。他已收到交通和住宿的預訂確認，但這些細節卻散落在他日常使用的不同數碼平台中。當他問 Gemini：「我的東京行程是甚麼？」時，Gemini 所發揮的作用遠超一般搜尋功能。它會在確保安全的前提下，從 Gmail 擷取相關的預訂細節，並將其整理成一目了然的行程時間表。Gemini 甚至能根據他最近觀看過有關當地飲食趨勢的 YouTube 影片來推介餐廳——讓他在出行時毋須再大費周章地翻查瀏覽紀錄或在多個應用程式之間來回切換。

運作原理與 Google 的私隱方針

Google 數據私隱與安全保障說明

Google 在打造「個人化智慧服務」時，始終以保障私隱為核心。連結應用程式的功能預設為關閉：用戶必須主動選擇開啟，並決定要連結哪些應用程式，而且隨時都能再次關閉。啟用後，Gemini 才會存取用戶的資料以回應具體需求並執行任務。由於這些資料原本就已安全地儲存在 Google，用戶毋須將敏感資料外傳至其他地方就能開始享受個人化體驗。這正是其關鍵的獨特優勢所在。

用戶亦毋須猜測答案的出處：Gemini 會盡量標註或解釋它引用了哪些連結來源的資訊，以便用戶進行驗證。如果它沒有標註，用戶可以要求它提供更多資訊。如果覺得回應有偏差，用戶可以即時作出糾正（例如：「請記住，我比較喜歡坐窗口位」）。用戶也可以針對特定對話，輕鬆重新生成不含個人化內容的回應，或使用「臨時對話」 （Temporary chats）來進行不含個人化功能的交談。Google 也針對敏感主題設有防護機制。Gemini 的目標是避免對用戶的健康等敏感數據做出主動假設，但如果用戶主動詢問，它仍會與你討論這些數據。

Google 的目標是在改善用戶的體驗的同時，確保用戶資料安全並由其掌控。Google 在設計 Gemini 時就將私隱納入考量，Google 僅使用有限的資訊（例如 Gemini 中的特定提示詞和模型的回應）進行訓練，以持續完善功能。

以上述的東京之旅為例，用戶 Gmail 內的預訂確認電郵，以及在 YouTube 觀看過的影片，均沒有被直接用於訓練模型；系統僅會針對性地參考這些內容，以為用戶提供專屬回覆。Google 會使用用戶具體的提示詞（Prompts）和回覆等內容來訓練模型；但在原則上，會先採取措施對用戶與 Gemini 對話中的個人資料進行過濾或模糊化（Obfuscate）處理。簡而言之，Google 並非訓練系統去「學習」用戶的私人預訂詳情；而是訓練系統的理解能力，知道當用戶索取相關資訊時，Gemini 能找到所需內容。

用戶可能會遇到不準確的回應或「過度個人化」的情況，即模型在不相關的主題之間建立了連結。當用戶看到這種情況時，可以透過對該回應按「有待加強」圖示以提供意見。Gemini 在掌握時間點或細微差別上也可能會遇到困難，特別是有關關係變化或用戶的各種興趣方面。如果 Gemini 弄錯了，你只需直接告訴它。

這些領域以及其他相關方面，目前仍處於積極研究和改進階段。若想更深入了解 Google 的研究方法、目前的限制以及 Google 正在採取哪些措施來解決這些問題，請參閱相關研究論文。

如何透過「連結的應用程式」取得「個人化智慧服務」

Google 正逐步向香港合資格的 Google AI Plus、Pro 和 Ultra 訂閱者的個人 Google 帳戶推出這項體驗，並預計在未來擴展至基本版用戶。啟用後，它將可在網頁版、Android 和 iOS 上運作，並適用於 Gemini 模型選擇器中的所有模型。若用戶在 Gemini 主頁上沒看到試用邀請，可以在「設定」中開啟。

• 開啟 Gemini 並點擊「設定」

• 點擊「個人化智慧服務」

• 選擇「連結的應用程式」（如 Gmail、YouTube 等）

領先的全週期驗證平台 Sumsub 今日（5月4日）正式推出「Adaptive Deepfake Detector」（自適應深度偽造檢測器）。這項新模型旨在解決傳統離線方案無法捕捉最新深度偽造騙局的根本問題。與舊有方案不同，Sumsub 的檢測器憑藉其機器學習驅動的檢測工具及即時線上自學習升級功能，能有效識別新興的複雜詐騙類型。

Sumsub推自適應深偽檢測器 即時自學習數小時內應對新型AI騙局

傳統檢測方案存在「時間差」漏洞

傳統的深度偽造檢測模型依賴定期更新，但這恰恰揭示了系統性漏洞：在兩次更新之間（更新過程可能需要數週甚至數月才能完成並部署），新的威脅足以繞過防禦，對數碼應用程式用户和企業造成實際損害。Sumsub 新工具的關鍵優勢在於其檢測準確度，這源於模型從多層面的欺詐信號中持續學習，使其能夠在數小時內完成適應，而非數週或數月。

AI 詐騙激增 多步驟攻擊飆升 180%

這種應對方式的迫切性在過去幾年顯著增加，線上欺詐者與安全團隊之間的「軍備競賽」已進入高度複雜和高速的新階段。根據 Sumsub 平台的數據，2025 年，多步驟攻擊的比例飆升了 180%，佔全球檢測到的所有欺詐行為的 28%。自 2023 年以來，AI生成的深度偽造詐騙顯著增長，全球多個市場未見緩解跡象。

Sumsub 機器學習主管 Nikita Marshalkin 表示：「2026 年的威脅形勢已經演變，要求風險管理團隊以新一代欺詐防範模型作出回應。現代的深度偽造已無法用人眼識別，決策必須基於對多重信號的實時分析。因此我們推出升級版 Deepfake Detector，為客户提供的不僅是一個工具，更是一個結合了先進文件檢查、設備情報和欺詐網絡分析的線上學習系統。當失誤的代價過高時，採取全面方法應對日益增長的 AI 驅動欺詐挑戰，正是我們需要的答案。」

實時多層次分析 不依賴單一視覺檢查

在當前的深度偽造檢測中，風險團隊不能僅依賴視覺內容檢查，必須考慮用户會話的完整背景。除了生成深度偽造的圖像、聲音或影片，欺詐者還會使用各種注入方法，這為防範系統提供了另一個需要檢查和監控的數據層面。

從技術角度來看，基於「線上學習」模型的實時檢測意味著無需等待預定的訓練週期，也無需定期人工審查來保持最新狀態。相反，新方案具備以下特點：

* 持續學習新模式，包括新興的深度偽造類型或注入方法，並立即將其納入已知威脅清單；

* 信號從多個來源收集，而非依賴單一異常向量。多層欺詐檢測系統會分析文件、地理位置、IP地址、設備信號、面部生物特徵（活體檢測）數據，並交叉核對來自多個用户的驗證信息，以識別欺詐網絡活動；

* 在每次新的觀察中，模型會自動調整其參數，無需手動重新訓練；

* 檢測器的決策邊界會隨威脅演變而調整，將平均檢測準確度推近 100%。

實時多層次分析 不依賴單一視覺檢查