Apple Photos背后的技术与深度学习及隐私的未来

无处不在的AI辅助成果为我们未来的智能生活指明了两条实现方向——云端与设备内，这种戏剧般的分支选择亦如故事般精彩纷呈。在云阵营中，谷歌公司举起领袖旗帜。而在设备端，苹果则一呼百应。那么谁能够在对抗最终胜出？各擅胜场抑或是双双失利？

如果是在一个星期前，我个人绝对会将选票毫不犹豫地投给云阵营。在拜读了Jeff Dean撰写的《谷歌的大规模深度学习》一文后，相信大家会和我一样惊叹于谷歌实现的技术成果——精妙、普适、智能、系统化且极具优势。

而苹果公司则在将深度学习引入自家产品方面表现得较为迟钝。但这似乎也在意料之中，苹果方面有着自己的发展规划。其并不打算充当什么早期采纳者，而更倾向于推出已经被消费者市场所广泛接受的技术成果。

还有一种可能性，事实上苹果公司的行事作风相当隐秘，他们也许掌握着外界无从知晓的深度学习成果。当然，对于这一点我没法打包票。

但能够间接证明这种推论的证据在于，苹果公司即将以种全新方式拓展深度学习：差异化隐私+功能强大的设备处理器+可下载模型离线训练+承诺不收集任何个人信息+完美保密的深度学习机制。

Photos对Photos

在本次WWDC 2016大会的主题演讲中，苹果公司介绍了其全新照片应用，并宣称将利用深度学习技术帮助用户搜索图片、将照片整理成簿以及通过迷你快照形式收集照片、视频与位置。

这些功能听起来与Google Photos如出一辙。事实上，Google Photos设计团队已经能够在无需为照片添加标签的前提下实现搜索。大家不必标记即可找到对应内容的图片。

二者的差异之处在于类似功能的不同实现方式。

苹果公司采用了怎样的实现方式？我们在WWDC 2016大会的脱口秀环节上找到了一些线索。

深度学习何时起效？

主持人Gruber帮我问出了最为关心的问题: 深度学习何时起效?

最终答案分为以下几点：

深度学习运行在苹果的数据中心之内。其构建一套模型，且可供设备进行下载。训练过程并不涉及用户数据，而是依托于外部数据集实现模型构建。拍摄照片时该模型即得到应用。分析工作在照片进入照片库的同时瞬间完成。其通过110亿次计算对照片内容进行归类，分辨“其中是一匹马”或者“其中是一座山”。iOS设备上的GPU已经相当强大，因此能够迅速完成这些处理任务。很明显，由于拍摄操作在数量上并不夸张，所以也不会对电池续航造成太大影响。全部现有照片在后台进行分析。由于这会占用相当一部分计算能力，所以相关分析工作会在夜间设备接入电源进行充电时进行。分析结果不会在同一用户的设备间共享。每台设备会分别进行上述分析流程。未来具体实现方式可能有所变化，即分析结果可能共享。由于开发一套面向这类数据共享机制的安全系统非常困难，因此等待也是可以理解的。
隐私是最大的差别所在

虽然苹果方面并没有谈及其具体训练方式，但很可能参考了谷歌在深度学习中的部分思路。

二者真正的差别在于对隐私的处理态度。谷歌方面会将全部个人数据保存在云端，并利用个人与他人数据加以训练。换言之，谷歌公司很清楚这些数据各来自哪位用户。事实上，我时常想到一种反乌托邦场景，即谷歌利用掌握的信息重建个人用户的大脑神经网络，并以模拟方式了解我们对于广告宣传及政治事件的态度——太可怕了。

苹果公司采用的是完全不同的另一种处理思路。苹果方面永远不会了解手机上的分析结论，也不会查看用户的个人数据。这一点已经在发布会上进行了无数次强调，也让人们对数据与隐私安全更加放心。

Craig Federighi:

是的。需要明确的是，对于这些照片本身，其架构集以加密方式存储在云端，而元数据——包括用户创建的元数据以及我们深度学习后分类得出的元数据——同样经过加密，苹果无法进行读取。

那么苹果要如何保证不会上传用户的数据并了解个人信息？其采用的是方案名为差异化隐私（简称DP）。我之前从没听说过这项技术，因此对其倍感好奇。

Matthew Green在《差异化隐私是什么？》一文中对DP进行了详尽说明，这是一项大数据技术成果，利用统计数据隐藏用户身份，从而在数学层面证明用户隐私得到保护。

那么其实际效果如何？ Matthew Green表示:

实际答案可能外人永远无法知晓。不过总体来讲，看起来苹果公司似乎确实诚实地践行了自己的隐私保护承诺，同时提供了可行的解决方案，这才是最重要的。

Craig Federighi列举了以下DP示例（内容经过编辑）：

基本思路是，如果大量用户输入某个实际上并不存在的单词，那么我们将不再将其视为拼写错误，甚至可能将其纳入拼写补全推荐。

在这种情况下，我们希望全部客户都能够理解该单词，但我们又不希望知晓具体是哪位用户输入了该词。没错，我们要刻意回避这种将习惯与个人挂钩的信息。

如果我们获取的只是数据片段中的一个侧面，那么我们拥有的最多也只是这部分片段。在所收集到的大量此类片段中，也许其表面的含义与实际情况并不相符，对吧？

但只要样本量充足，这种不相符的问题将自行得到解决。因此如果我们希望学习新出现的单词，我们会对其进行哈希处理，并从哈希中提取单一bit，例如将其称为1。与此同时，手机设备会对数据内容进行混淆，意味着即使其读取到的数据为1，其也可能通过随机算法将其表达为0。

苹果公司获得的数据正是这类混淆处理后的结果。但由于拥有充足的数据量，苹果方面仍然能够建立起宏观视角，并了解大规模群体表现出的真实倾向。具体来讲，苹果公司能够借此了解广泛用户的思维方式，但却无法具体将其与个人联系起来。

苹果公司正是利用这样的机制，凭借全球十亿台手机帮助自身建立认知优势。

Gruber提出了DP实现保密的一大关键点。由于数据与货币不同，我们无法在一段时间后判断数据的具体来源，因此即使出现法律纠纷、苹果也无法将数据与个人联系起来。换言之，如果苹果公司的某些人员未来希望利用数据牟取利益，也根本不可能实现。

谷歌公司还开发出了众多模型，其中包含令人印象深刻的功能，且身材纤细可直接运行在智能手机之内。最典型的实例就是利用视觉取景器识别计算机中的文本。而后，其会进行文本翻译并直接把结果叠加在图片之上。谷歌公司很清楚，智能化技术必须能够在移动设备端全面完成，因此其不必远程接入云计算中心。TensorFlow模型能够运行在手机上，这意味着云训练与远程设备相匹配，但就目前看谷歌不太可能为其采用差异化隐私保护。

苹果公司实现差异化隐私的同时又会失去什么？

看起来苹果公司似乎放弃了立足个人的深度学习分析，但这也只是种可能性。

以谷歌公司的Smart Reply为例。在手机之上，大家需要快速回复邮件，但输入内容往往不太方便。因此，谷歌开发出一套系统，用于预测使用频率较高的各类回复信息。

第一步是训练一套小型模型，用于预测某条信息是否适合作为快捷回复。如果将这种方式推而广之，甚至能够作为信息序列有针对性地实现预测型回复。

举例来说，在电子邮件当中，使用频率最高的感恩节邀请回复内容包括：我们也来；一定准时到；我们来不了，很抱歉。

这很像是苹果的设计风格。

下面再进一步，通过建立一套模型预测用户可能做出的反应。例如，我们可能会对邀请消息做出怎样的回复？也许苹果公司做不到如此具体的个性化效果，这是因为其不会在云中保留身份信息，而仅存在宏观的数据聚合视图。而在涉及个性化信息时，苹果公司的政策限制要求其只能在设备内部进行模型训练。

这就引发了数据匮乏问题。单纯访问设备上的数据能否准确代表用户的喜好？苹果公司只依靠iMessage或者Siri就能掌握我们的习惯吗？抑或是苹果公司会拦截指向Twitter、电子邮件、Facebook乃至谷歌搜索的流量？

再就是存在计算问题。根据Jeff Dean的说法，我的理解是整套神经网络是由成千上万的参数构成，而非单纯参考设备内运行的信息。

另外还有“多重人格”问题需要考虑。很明显，我们在使用电话、iPad以及桌面系统时，交互习惯自然有所区别。如果立足于各独立设备，那么我们的习惯自然也存在巨大差异。这意味着苹果公司必须打造出某种元训练层，即将各类设备结合起来以构建起统一的用户视图。这种作法恐怕比将全部信息传输至云端更具挑战。

那么这种个性化能力的缺失是否致命？至于对谷歌而言是如此。谷歌公司最近在其谷歌I/O 2016大会上发布了全面普及机器学习的战略。其中的典型方案就是Google Assistant，这款新的个人AI将更为全面地服务用户。

那么苹果是否关心这一点？谷歌公司似乎希望将深度学习本身作为主要目标，而苹果则更倾向于利用这项技术打造更出色的产品。虽然存在巨大差别，但只要有着苹果这位竞争对手的威胁，谷歌就必须提供更具吸引力的生态系统以发展技术成果。

每支团队都需要决定其是否需要构建及部署深度学习系统。这不仅是一项技术方案，更会带来道德层面的拷问。直到现在，我们只见证过一类深度学习系统实例，而苹果公司的思路显然提供了不同的实现模式。

遗憾的是，苹果公司制定的隐私模式很难普及，因为其向来对自家方案采取封闭政策。在另一方面，谷歌公司则忙于利用深度学习探索整个世界。一方强调隐私，一方强调分析结论，多元的发展方向对于我们用户而言显然是件好事。
本文转自d1net（转载）