为了保护隐私，谷歌正求助于“联合学习”技术，以帮助其人工智能（AI）算法变得更个性化，更适合用户使用。正如谷歌在博客文章中宣布的那样，联合学习“使让手机能够协同学习一个共享的预测模型，同时将所有的训练数据保存在设备上，将机器学习的能力与将数据存储在云端的需要分离开来。”
它正在谷歌的键盘应用Gboard上进行测试，这款应用程序正好让Assistant大显身手。Gboard包含简化版的机器学习工具Tensor Flow。在了解了你与Assistant的推荐和Gboard的“预测”之间的互动后，该应用程序将所有数据发送到云端，当然只有当设备空闲，并插在免费无线连接上时。
一旦云端有了你的数据，它就会分析，并把Gboard的Tensor Flow升级，这些都是在幕后进行的。这是一种让你的设备了解个人偏好的方法，目的是让Gboard拥有真正的个性。还有一种新的“Secure Aggregation”协议，可以将你的数据传输到云端，将密码学技术推向新的水平。即使有100或1000个用户参与，服务器也只会读取你的安全数据。
这是一种聪明的方法，可以帮助谷歌将自己的机器学习系统从冗余的任务中解脱出来，又可以为帮助不同用户进行升级。谷歌指出，联合学习不能应对所有人工智能（AI）的使用情况，但它可以帮助你在几个方面让球滚向正确方向。除了提供Assistant建议和更好的文本预测，谷歌还希望联合学习能够改善照片评级方式，此前其主要基于人们查看、分享或删除照片的类型进行评级。
如果这听起来有点儿耳熟，那是因为它不是新事物。联合学习基本上是一个关于差异化隐私（Differential Privacy）的时髦术语，苹果从去年开始就在使用它。差异化隐私是一种密码学标准，匿名用户数据可以精确地检查一组用户生成的数据。它不是解析每个数据集，而是将它们进行批处理。
在iOS 10发布的时候，苹果公司宣布将在QuickType(文本预测工具)和表情符号中应用差异化隐私功能，并表示:“这项技术将有助于改善QuickType、表情符号、Spotlight深度链接以及Notes的Lookup Hints。”联合学习甚至会在设备插入并连接到WiFi时承担更繁重的工作，这正是苹果为Photos何其他机器学习努力选择处理传输数据的方式。
除了巧妙的命名方案之外，谷歌在机器学习和人工智能上也采用了某种形式的隐私保护，这一点还是很不错的。TensorFlow给人留下深刻印象，我们对其“迷你版”是否会进入谷歌其他应用程序中拭目以待。此外，TensorFlow也可能会成为第三方开发者的独立API，甚至可能会出现在下个月的谷歌的I/O开发者大会上。（英文来源/insights.dice，编译/机器小易，校对/小小）
