Muse 和 Emotiv：消费级脑电波头戴设备通过 AI 数据再利用威胁隐私

据报道，Muse 背后的公司 Interaxon 在其隐私政策明确披露这一用途之前，已使用消费者记录训练脑部 AI 模型。当原本为提供个人反馈而收集的信息，成为更广泛商业系统的素材时，消费级脑电波头戴设备便会威胁隐私。眼下的冲突核心在于授权，而非有证据表明头带设备能够读取不受限制的想法。

根据 Science 的调查，Interaxon 表示，其训练数据集包含约 5 万小时用户的脑电图（EEG）记录，即头皮电活动记录。该公司称已移除可识别个人身份的细节。Science 报道称，Interaxon 此后更新了隐私政策，明确涉及模型训练。

Muse 及其竞争对手 Emotiv 现均公布了有关将神经数据用于 AI 开发的表述。这些披露揭示了一项超出可穿戴硬件本身的权衡：客户获得个人洞察，而公司则开发可复用模型。核心问题在于，用户能否在有意义地接受第一层关系的同时，不会自动进入第二层关系。

Muse 的 AI 训练揭示了消费者记录的第二重用途

Science 的脑数据调查让一种熟悉的消费者交易呈现出不同面貌。一个人为了解自身体验的反馈而购买设备。制造商同时也获得了可支持超出该次个人使用场景之外开发工作的记录。

这些目的彼此重叠，却会产生不同的预期。为生成用户所请求的结果而处理记录，是为佩戴头戴设备的人服务。为模型开发保留记录，则建立了另一层关系，可能涉及未来的产品和用户。

为提供个人结果而获得的许可，不应自动等同于开发可复用 AI 模型的许可。

即使开发工作能够改进原始产品，这一区别也很重要。客户可以支持提高准确性，同时仍希望对保留期限、研究访问或无关应用设定限制。认同某一结果，并不意味着同意实现该结果的每一种方法。

披露问题也涉及时间线。今天明确说明训练用途的政策，本身并不能证明早期记录进入开发流程时客户的理解。评估过去的同意情况，需要查阅当时的通知以及与之同时呈现的选项。

这避免了朝任一方向轻易下结论。更新后的措辞可证明公众说明变得更加明确，但并不能独立证明所有早期使用都缺乏有效法律依据，也不能证明每位受影响客户都获得了充分通知。

公司对数据集的描述，与经核实的个人参与情况之间也存在差异。一项汇总训练数据数字无法告诉某位特定用户，其使用记录是否被纳入其中。这需要能够连接收集、授权及后续处理的记录。

因此，实际问题比对所有脑部可穿戴设备的笼统指控更为具体。Science 的报道对某一特定额外用途相关的披露提出疑问。这些问题值得获得解答，同时不应将所有制造商、产品和历史协议一概而论。

对客户而言，相关交易如今同时包括实体设备和持续的数据关系。硬件所有权并不会自动决定相关记录如何进入软件开发流程。这第二层关系需要独立且易于理解的条款。

为什么消费级脑电波头戴设备的隐私风险超出单次使用

一次头戴设备使用有明确终点：用户结束使用、摘下设备并查看结果。模型开发可能遵循不同的时间线。在该次使用中收集的数据，可能在即时服务结束后仍具有价值。

这在可见活动与不太可见的再利用之间造成了错位。客户可以看到睡眠报告或冥想界面，却通常无法看到哪些记录被纳入开发数据集，或哪些后续系统利用了这些工作成果。

隐私风险取决于完整的数据生命周期，包括那些不会给客户应用带来可见变化的用途。

一项较早的消费级神经技术评估有助于解释，为何当前争议的根源不止于 AI 新闻标题。Neurorights Foundation 于 2024 年 4 月审查了 30 家公司的政策，发现其中 29 家似乎保留了不受实质性限制的访问权。

这是一项政策评估，并不能证明每家公司都行使了每一项权限。其相关性在于这些权限本身。宽泛的合同措辞可能让客户不清楚服务在何处结束、二次开发从何处开始。

消费者在购买时便承担了这种不确定性。产品说明解释设备承诺提供什么，而隐私文件则规定其收集的信息所涉及的权限。再有吸引力的功能描述，也无法消除模糊的数据协议。

制造商面临压力，是因为它们掌控着这些说明方式。它们决定是否在引导流程、账户设置中或客户很少重新查看的文件内提及训练。披露的位置会影响其是否真正成为知情决策的一部分。

机构采购方也面临这一问题的另一种形式。假设一家雇主正在评估为自愿健康计划配备头戴设备。采购方需要同时审视员工福利，以及参与所建立的信息关系。

一个人可能欢迎个人反馈，却反对雇主访问或进一步的模型开发。这些偏好并不矛盾。将整个安排视为一次接受决定，可能掩盖它们之间的差异。

同一问题也与评估其他 AI 服务的知识工作者有关。个人知识库提出了相关区别：是为信息所有者整理信息，还是将其再利用于其他场景。这一比较关乎边界，而非暗示文档与神经记录具有相同的敏感性。

当这些边界仍难以理解或执行时，消费级脑电波头戴设备便会威胁隐私。更好的通知应明确所请求的服务、可选的开发用途以及拒绝的后果，还应说明某人停止参与后，哪些内容仍会保留。

因此，压力不仅落在法律措辞上，也落在产品设计上。易读的政策有所帮助，但客户还需要在数据收集前就能找到的选择。这些选择必须对应实际的数据处理行为。

Muse 和 Emotiv 展示了 AI 数据交易的不同版本

使用记录的商业理由值得被公平审视。开发解读软件的制造商需要有关该软件表现的证据。当有用功能变得更准确、更可靠时，客户也会从中受益。

当笼统的改进目标取代对再利用的具体说明时，冲突便开始了。“改进服务”既可能指必要的修正，也可能涵盖范围更广的开发计划。客户需要足够细节来区分这些活动。

Muse 当前的政策描述了用于机器学习（包括基础模型）的去标识化信息。基础模型是在适配具体任务之前接受广泛训练的 AI 系统。这一范围使训练许可的重要性超出单次个人反馈使用。

公司的立场提出了合理的收益论据：开发能够支持更好的产品功能。然而，收益的存在并不能回答由谁决定记录是否参与其中。这一决定仍是隐私交易的核心。

Emotiv 当前的隐私政策提供了有用的对比。该政策描述了针对其 Large Brain Model，如何获得明确的选择加入同意，以处理假名化神经数据，即与替代标识符关联的记录。这一措辞直接将参与行为与模型开发联系起来。

该政策还划定了撤回的边界。Emotiv 表示，禁用 Emotiv-IQ 会停止未来向训练流程输入数据，但已经纳入已训练模型的贡献无法被逐一移除；其还描述了在技术可行时进一步采取移除措施的努力。

有意义的比较在于围绕训练提供的选择，而非任一制造商是否使用 AI 一词。

Emotiv 的说明让一个重要后果在读者假设撤回可逆转一切之前变得可见。不过，公开政策本身不能独立证明应用程序如何清楚地呈现该选择。界面行为和账户控制仍需要作为独立证据加以审视。

Muse 的披露同样需要结合客户体验来评估。明确的模型术语提高了具体性，但客户也需要理解其实际含义。识别出某个术语，并不等同于知情参与。

因此，有用的产品比较应审视完整的产品方案。拒绝参与开发后，用户仍能使用所需功能吗？撤回会停止未来收集、未来训练，还是两者都停止？删除账户的请求是否涵盖为其他目的而保留的副本？

这些问题不要求不同制造商给出相同答案。不同产品合理地可能具有不同的数据处理需求。其义务在于足够准确地说明这种关系，以便客户在不同方案之间作出选择。

这让企业拥有了传感器和软件功能之外的竞争维度。制造商可以通过易于理解的许可、有限的保留期限和可信的撤回控制来竞争。当客户能够通过产品验证这些承诺时，其说服力也会更强。

相反，模糊的改进承诺要求客户接受一种不确定的未来关系。即使底层研究服务于有益目标，这种不确定性也可能削弱信任。公司在期待用户认可之前，必须先说明这笔交易。

移除标识符并不能解决同意或删除问题

去标识化解决了一项重要关切：减少记录与可识别个人之间的关联。但它本身无法回答，为何该记录应被纳入训练。身份保护与授权发挥着不同作用。

假设某位客户愿意分享记录用于睡眠分析，却拒绝将其用于更广泛的商业模型。移除其账户详情并不会改变这一偏好。其反对的是用途，而不只是是否能被识别。

隐私保护措施可以降低暴露风险，却不能代替另一种用途所需的许可。

一篇发表于 2026 年的预印本研究探讨了脑模型治理，审视了这一更广泛的问题。作者指出了涉及再利用、同意、隐私、偏见和收益分享的矛盾。其贡献在于提出治理层面的论证，而非证明商用头戴设备会暴露不受限制的思想。

当客户要求退出时，这一区别会变得更加清晰。删除账户、删除源录音、停止未来训练以及修改现有模型，是不同的操作。单一的删除按钮不应让用户以为这些结果都会同时发生。

模型权重是训练过程中调整的数值参数。它们不同于开发期间使用的源录音。这一区别使得撤回参与变得复杂，但并不能证明每个经过训练的模型都会揭示个体参与者的信息。

因此，审慎的论述应避免两种相反的夸大。训练并不会自动让某人的完整录音向外部人士开放。删除源文件也不能证明其对现有模型产生的每一项影响都已消失。

这些区别会影响制造商能够可信承诺的内容。如果撤回会阻止未来纳入训练，这一承诺应当直接说明。如果较早的贡献仍被保留，客户应在同意参与前得知这一点。

时机使这一选择具有重要影响。在训练前告知，可以让人拒绝这种用途。事后告知主要是在解释既有情况，除非公司能够提供切实可行的补救措施。

公司还需要区分控制措施与意图。保护隐私的承诺描述的是目标。保留期限、访问限制或有记录的撤回流程，则描述了可以被审查的行为。

独立评估也应遵循同样的原则。审查者可以检查某项控制是否存在，并测试激活后会发生什么。他们应避免仅根据令人安心的标签，就推断出所有内部处理结果。

商业模式在这里很关键，因为其效用可能超出最初的关系。为个人反馈收集的录音，可能有助于打造用户从未接触过的产品。这种可能性使最初的许可更具重要性。

即使没有确认的数据泄露，消费级脑电波头戴设备也会因用途再利用不清晰而威胁隐私。安全性关注的是谁能够获得未经授权的访问。知情同意关注的是获授权的一方是否本就应开展某项特定活动。

这两个问题都很重要，解决其中一个并不能消除另一个。强有力的访问控制可以保护用途仍存在争议的数据集。清晰的同意可以授权某种使用方式，但该使用方式仍需严谨的安全措施。

证据并不支持普遍的读心主张

对夸大神经隐私报道最有力的批评很直接：不同技术会在不同条件下收集不同信号。消费级头带不应被默认具备实验室设备或植入式系统所报告的全部能力。

同样，制造商声称能够估算注意力或疲劳程度，也需要根据其自身条件进行评估。估算是一种推断，即根据测得的信息得出的结论。它并不等于直接访问一个人完整的心理生活。

即使不把消费级 EEG 描绘为不受限制的思想转录，隐私问题依然严重。

具体主张应面对具体问题。研究人员测试了什么任务、在何种条件下测试、又针对哪些用户？其表现能否在该场景之外维持？系统实际推断出了哪些信息？

这些问题可以防止分析陷入技术夸大，也能保护客户不至于过于轻信产品主张。戏剧化的隐私叙事与乐观的营销叙事，可能依赖于同样缺乏支持的假设。

还存在一项与不准确判断有关的独立风险。系统不需要具备完美洞察力，也能影响一个人受到的对待方式。在假设的工作场所部署中，不可靠的注意力标签仍可能影响管理者的观感。

这一情景属于风险分析，而非证明 Muse 或 Emotiv 目前会作出就业决策的证据。其相关性在于，个人反馈工具与具有重要后果的机构判断之间存在边界。跨越这条边界需要额外审查。

历史争议表明，隐私担忧不必等到解码能力更强时才出现。2024 年《Nature Biotechnology》的一篇通信文章讨论了智利 2023 年 8 月涉及 Emotiv 和前参议员 Guido Girardi 的脑隐私裁决。该争议涉及隐私与心理完整性。

该通信文章的作者包括原告及其法律团队成员。读者在衡量他们的解读时，应了解这一关联。该案例提供了一个具体先例，但并未为每个国家或产品确立普遍规则。

它也说明了为什么法律结论需要谨慎对待。某一司法辖区的裁定，不能自动确定另一家公司在其他地区的同意流程是否合规。历史政策与当前实践也必须加以区分。

因此，最有力的怀疑立场应同时指向两个方向。不要因为标题提及脑数据，就假定头带能够揭示一切。也不要因为当前能力有限，就认为二次使用无关紧要。

即使最终模型的能力有限，客户也完全可以合理反对未披露的开发用途。反对的核心在于对参与的控制权，并不需要证明未来会出现监控系统。

验证缺口本身值得被单独关注。当前政策描述的是公司的承诺，而调查报道呈现的是声明与历史披露问题。两者都不能替代对收集、同意、训练和删除进行全面独立审计。

这一缺口应塑造报道方式，而不是让报道止步。读者理应获得对既定事实、公司主张和未决问题的清晰说明。将这些类别混合为单一的确定性，会削弱文章的核心论点。

下一个检验在于用户控制权能否延伸至产品

未来几个月，最有用的信号将来自可观察的行为。又一份关于负责任创新的笼统声明意义不大。入门流程、训练参与机制以及撤回证据的变化，能向读者说明更多问题。

行业的回应应以用户在收集前能作出何种决定、在撤回后能验证什么来评判。

第一个信号是，是否会在客户作出决定的地方出现明确的训练披露。模型开发应在入门流程中，或在启用相关功能前变得可理解。仅修改政策，无法说明有多少客户看到了相关说明。

更有力的回应应解释用途、说明可选项，并描述拒绝的后果。它不应要求客户从笼统的改进条款中推断这些细节。更清晰的界面会增强人们对同意关系的信心。

较弱的回应则会改变术语，同时保留参与方式上的模糊性。客户会知道训练存在，却不知道自己的录音是否参与其中。这会让核心问题悬而未决。

第二个信号是，撤回主张是否变得具体且可检验。制造商应区分停止未来训练、删除留存录音，以及处理先前对模型的贡献。在实际效果不同的情况下，这些结果应作为独立承诺呈现。

可信的证据应包括一致的账户控制和与政策相符的解释。如果删除存在技术限制，这些限制应在注册前公开可见。精确说明比系统无法兑现的绝对承诺更有用。

第三个信号是对实际实施情况的独立审查。外部评估应检验所声明的许可是否与收集和再利用行为相符。它们还应区分政策审查与技术审计，因为两者回答的是不同问题。

控制措施相匹配的证据，将强化有用的神经 AI 能够与有意义的用户选择并存这一论点。持续存在模糊性的证据，则会强化对开发先于知情参与的担忧。无论哪种结果，都比完全围绕假设性读心展开的又一场争论更有信息价值。

对开发者和机构买家而言，其含义十分直接。应将神经数据许可视为产品需求的一部分，而不是选定硬件后才审阅的文书材料。部署带来的益处与其信息义务需要一并评估。

对消费者而言，下一次购买决策应涵盖持续的软件关系。相关比较不应止于佩戴舒适度、电池续航或仪表盘的实用性，还应包括附加在每份录音上的许可范围。

当客户无法区分自己是在获得服务，还是在为未来 AI 提供材料时，消费级脑电波头戴设备便会威胁隐私。回应应为有益研究保留空间，同时让参与变得可理解，并让拒绝产生实际后果。这要求制造商说明哪些用途是必要的、哪些是可选的，以及撤回究竟会改变什么。

在让头戴设备成为日常习惯的一部分之前，请像审视其承诺的反馈一样仔细审视这笔交易。问问自己：模型开发是否被明确说明，参与是否可选，删除是否具有明确范围。应比较不同产品的答案，而不是依赖关于匿名化的笼统保证。如果这些答案仍不清晰，那么当你戴上设备时，究竟同意了什么？