「後排的孩子是誰？」：那排建議問題，把一個家庭拼成了一份檔案

2026 年 9 月 2 日，海外育兒博主 Kalie Robins 在 Instagram 發布了一段影片：她在車裡唱歌，女兒坐在後座。畫面本身平常，真正的問題出現在影片下方。Meta AI 自動生成了一排可點擊的建議問題，其中包括「後排的孩子是誰？」以及「Kalie Robins 住在哪裏？」。九一一之後爭議發酵，Meta 於 9 月 13 日前向 CNET 確認已「修復」此問題。回頭看這起事件，值得觀察的並非 AI 又闖了禍，而是一個看似貼心的介面元件，如何把多年來分散的貼文拼接成一份完整的私人檔案。

建議問題是什麼樣的設計

建議問題（suggested questions）在介面設計裡是一種降低門檻的手段。搜尋框下方的灰色小字、輸入框上方的圓角膠囊按鈕，都在替使用者「示範怎麼問」。它的形式通常極輕：淺色底、細字重、一排可橫向滑動的標籤。正因為輕，使用者很少把它當成系統的主張，而是當成中性的提示。

但建議問題從來都不是中性的。它由系統根據可見內容生成，每一次出現，都是系統對眼前畫面的一次「判讀」。當判讀的對象是一張家庭影片，而生成的問題直指孩子的身分與住處時，這個輕巧的元件瞬間顯露出它的重量：它不只是輔助輸入，它是一份經過運算的提綱，標記出了這個畫面裡最值得追問的隱私。

點下去之後發生的事

Robins 的案例裡，真正的拼接發生在點擊之後。Meta AI 會從她過去發布的內容中提取資訊，把多年來分散在不同貼文裡的線索彙總起來：所在地、她母親的帳號等，一次呈現。單看每一則貼文，都只是日常分享；被 AI 串起來之後，就成了一份結構完整的個人檔案，而且包含兒童。

這正是彙整（aggregation）作為設計課題的麻煩之處。平臺對隱私的傳統承諾，多建立在「單則內容的可見範圍」上：這則貼文設公開，那則設摯友。但 AI 的能力恰好跨過了這條線，它讀的不只是某一則貼文，而是全部可存取內容的總和。使用者從未主動做過這次彙總，也從未看過彙總後的成品長什麼樣子。Robins 是因為那排建議問題，才第一次看見自己的生活在系統眼裡被整理成了什麼形狀。

Meta 的回應，以及它修不掉的部分

Meta 發言人向 CNET 表示問題已修復，Meta AI 今後不會再針對用戶內容推薦不恰當的個人隱私問題，並強調該功能的設計目的，只是幫助用戶利用自己已能存取的資訊獲取更多內容。

這個回應值得從措辭上細看。「修復」指向的是建議問題的生成邏輯，也就是那一排膠囊按鈕上出現了什麼字。但 Robins 在 9 月 10 日的後續貼文中追問的，是「究竟修復了什麼」「最初是哪一道安全措施失效了」「現在對涉及兒童的資訊有哪些保護」。她後來也向 CNET 表示，問題的核心並非某個功能開或關，而是 Meta AI 從設計上就能從多個來源收集並整理用戶的隱私資訊。截至當時，Meta 沒有直接聯繫她，也沒有道歉。

換句話說，被修掉的是提問的字面，彙整的能力原封不動。即使不再主動推薦侵入性問題，Meta AI 仍可根據公開文本、網路圖片與用戶過去的貼文生成建議。這就像把一面鏡子上的某個箭頭拆掉，鏡子本身仍然照著你。

事件之後，家長開始重新排版家庭內容

事件發酵後，Robins 的留言區湧現大量討論，各大媒體跟進報導。有家長開始呼籲減少在網路上分享孩子的照片。這個反應本身也是一種設計行為：當平臺的介面會主動把家庭影像轉譯成可追問的檔案，使用者的應對方式，就是重新決定哪些畫面值得進入系統。

這與我們在其他場合看過的邏輯一致：介面的每一個自動生成元件，都在暗示某種使用方式，而使用者最終會用發布行為來回應。當建議問題開始追問「後排的孩子是誰」，最誠實的回應或許就是讓後座保持空著。

結語

這起事件留下來的觀察很具體。建議問題這類元件看似輕薄，實則是平臺向使用者展示「我看見了什麼」的視窗；當它追問的對象是孩子與住處，視窗就變成了探照燈。Meta 修掉的是那排字，沒有修掉的是彙整本身。在 AI 能夠自由拼接多年貼文的時代，隱私的邊界需要重新定義在「總和」而非「單則」上，而這一次，是那排小小的膠囊按鈕先替所有人把問題問了出來。