為了保護隱私，谷歌正求助于“聯合學習”技術，以幫助其人工智能（AI）算法變得更個性化，更適合用戶使用。正如谷歌在博客文章中宣布的那樣，聯合學習“使讓手機能夠協同學習一個共享的預測模型，同時將所有的訓練數據保存在設備上，將機器學習的能力與將數據存儲在云端的需要分離開來。”

[[188434]]

它正在谷歌的鍵盤應用Gboard上進行測試，這款應用程序正好讓Assistant大顯身手。Gboard包含簡化版的機器學習工具Tensor Flow。在了解了你與Assistant的推薦和Gboard的“預測”之間的互動后，該應用程序將所有數據發送到云端，當然只有當設備空閑，并插在免費無線連接上時。

一旦云端有了你的數據，它就會分析，并把Gboard的Tensor Flow升級，這些都是在幕后進行的。這是一種讓你的設備了解個人偏好的方法，目的是讓Gboard擁有真正的個性。還有一種新的“Secure Aggregation”協議，可以將你的數據傳輸到云端，將密碼學技術推向新的水平。即使有100或1000個用戶參與，服務器也只會讀取你的安全數據。

這是一種聰明的方法，可以幫助谷歌將自己的機器學習系統從冗余的任務中解脫出來，又可以為幫助不同用戶進行升級。谷歌指出，聯合學習不能應對所有人工智能（AI）的使用情況，但它可以幫助你在幾個方面讓球滾向正確方向。除了提供Assistant建議和更好的文本預測，谷歌還希望聯合學習能夠改善照片評級方式，此前其主要基于人們查看、分享或刪除照片的類型進行評級。

如果這聽起來有點兒耳熟，那是因為它不是新事物。聯合學習基本上是一個關于差異化隱私（Differential Privacy）的時髦術語，蘋果從去年開始就在使用它。差異化隱私是一種密碼學標準，匿名用戶數據可以精確地檢查一組用戶生成的數據。它不是解析每個數據集，而是將它們進行批處理。

在iOS 10發布的時候，蘋果公司宣布將在QuickType(文本預測工具)和表情符號中應用差異化隱私功能，并表示:“這項技術將有助于改善QuickType、表情符號、Spotlight深度鏈接以及Notes的Lookup Hints。”聯合學習甚至會在設備插入并連接到WiFi時承擔更繁重的工作，這正是蘋果為Photos何其他機器學習努力選擇處理傳輸數據的方式。

除了巧妙的命名方案之外，谷歌在機器學習和人工智能上也采用了某種形式的隱私保護，這一點還是很不錯的。TensorFlow給人留下深刻印象，我們對其“迷你版”是否會進入谷歌其他應用程序中拭目以待。此外，TensorFlow也可能會成為第三方開發者的獨立API，甚至可能會出現在下個月的谷歌的I/O開發者大會上。（英文來源/insights.dice，編譯/機器小易，校對/小小）