蘋果將​​使用設備上的用戶數據來訓練他們的人工智能

蘋果正在研究一種新方法，使其人工智能更加智能，同時保持數據的私密性。該公司計劃通過直接在設備上而不是在雲端分析用戶數據來改進其大型語言模型。蘋果的方法旨在解決僅使用合成數據進行人工智能訓練的局限性，同時確保用戶信息永遠不會離開他們的個人設備。

這種新方法是在蘋果公司開發其蘋果智能功能時出現的。與其他在服務器上收集大量用戶數據的科技巨頭不同，蘋果的系統會將合成數據與真實世界的樣本進行比較，而無需將您的個人信息發送到任何地方。這保護隱私同時仍然幫助人工智能了解人們如何實際使用他們的設備。

這複雜的注重隱私的計劃顯示了蘋果對人工智能進步和數據保護的承諾。通過使用設備上的分析，蘋果可以改進 Siri 和文本預測等功能，而不會損害使其區別於競爭對手的隱私標準。

蘋果的設備端人工智能培訓：它是如何工作的以及對用戶意味著什麼

蘋果正式進入人工智能訓練領域——但只有蘋果才能實現這一轉變。蘋果正在開發一種系統，可以從您的個人信息中學習，同時將其保存在您的設備上，而不是將您的數據存儲到大型集中式服務器中。這種以隱私為中心的策略是蘋果更廣泛的“Apple Intelligence”計劃的一部分，該計劃是一套新的生成式人工智能功能，預計將隨 iOS 18、macOS 15 和相關軟件更新一起推出。

Apple 實際上如何處理您的數據

核心概念非常聰明。蘋果已經建立了基於合成數據訓練的大型語言模型（LLM）——這些數據模仿真實的消息、電子郵件和筆記，但完全是捏造的。這些模型不會直接使用您的個人數據進行訓練。相反，蘋果利用設備上的分析來改進其模型，將合成示例與您最近的實際數據（例如電子郵件或筆記）進行比較，這些數據永遠不會離開設備。

關鍵細節如下：您的設備會找出哪些合成樣本與您的實際內容最相似。然後，它僅將元數據（例如哪個樣本最匹配）發送回 Apple 的服務器。該信號用於進一步調整基本模型，幫助蘋果的人工智能隨著時間的推移變得更加智能，而不會損害您的隱私。

差異隱私仍然發揮著重要作用

這是建立在蘋果長期使用“差異隱私”的基礎上的，該技術將隨機性注入數據分析中，因此無法精確定位個人用戶信息。在這一新的人工智能係統中，差異隱私確保即使是發送回蘋果的元數據也不能與任何人綁定。這是一種從數百萬台設備中收集廣泛趨勢的方法，而無需實際識別您的身份。

該系統還被用來改進自動更正、表情符號生成和書寫建議等功能——人工智能確實需要人性化才能做得更好。 Genmoji 是蘋果公司全新的個性化表情符號功能，是該公司如何將人工智能融入日常用戶體驗的一個典型例子。

為什麼蘋果的方法脫穎而出

這一舉措之所以意義重大，是因為它與 OpenAI、Google 或 Meta 等公司使用的策略有多麼不同。這些公司通常依賴基於雲的培訓，使用從網絡上提取的大量數據集（在某些情況下還使用用戶數據）。相比之下，蘋果正在鞏固其作為最注重隱私的大型科技公司的聲譽。他們設計了一個系統，人工智能可以根據你的數據進行學習，但永遠不會接受它。

另請閱讀：iPhone嘗試數據恢復：原因、解決方案和數據恢復方法

這種方法也為蘋果帶來了巨大的競爭優勢。通過將訓練本地化到設備上，Apple 無需像 OpenAI 或 Microsoft 那樣承擔雲 GPU 基礎設施的巨大成本。這是一個更高效的系統，可以擴展到數億部 iPhone，風險更小，迭代速度可能更快。

誰包括在內——何時？

目前，Apple 正在 iOS 18.5、iPadOS 18.5 和 macOS 15.5 的 Beta 版本中測試該系統。但它僅對選擇設備分析的用戶有效——該設置隱藏在系統首選項的“隱私和安全”部分中。它還與更廣泛地參與蘋果軟件測試計劃相關，因此早期採用者將獲得第一體驗。

預計到 2025 年秋季推出下一次重大軟件更新時，該計劃將大幅擴展。 Apple Intelligence 功能可能僅限於具有必要處理能力的較新設備，這意味著 iPhone 上的 A17+ 芯片和 Mac 上的 M 系列芯片。

iPhone 上人工智能的未來

蘋果的舉動不僅僅是為了在人工智能競賽中迎頭趕上，而是為了徹底改變競爭的條件。通過在你的設備上構建智能，蘋果正在以其他大公司尚未實現的方式將隱私和機器學習融合在一起。

期待郵件、便箋和消息中更智能的建議。期待能夠學習您風格的語音聽寫。期待聽起來像您的寫作幫助。值得注意的是，所有這些都將使用您自己的數據進行訓練——這些數據永遠不會離開您的手機。

要點

• 蘋果將​​使用設備上的數據分析來改進其人工智能，以保護您的信息的私密性。
• 該公司混合使用合成數據和真實樣本，而不將個人數據發送到蘋果服務器。
• 這種以隱私為中心的方法有助於蘋果增強人工智能功能，同時保持其對用戶數據保護的承諾。

用戶數據與蘋果AI發展的交集

蘋果的人工智能開發方法平衡了創新與用戶隱私。該公司創建了可以從用戶交互中學習的系統，同時保持嚴格的數據保護標準。

用戶隱私原則

蘋果已經做出了用戶隱私是基石其人工智能戰略。該公司明確表示，他們“在訓練基礎模型時不使用用戶的私人數據或用戶交互”。這一承諾決定了 Apple 收集和處理信息的方式。

在開發人工智能功能時，蘋果會盡可能優先考慮設備上的處理。這種方法將敏感數據保留在用戶的 iPhone 或 Mac 上，而不是將其發送到外部服務器。

該公司採用“隱私設計”框架。這意味著隱私考慮因素從一開始就內置到產品中，而不是後來添加。

蘋果還通過選擇加入功能和明確的隱私設置為用戶提供控制權。這些控制讓人們決定他們共享哪些數據以改進人工智能。

差異隱私的作用

差異隱私是蘋果公司用來收集有用數據而不識別特定用戶的數學框架。該技術在信息離開設備之前向信息添加隨機“噪聲”。

該系統的工作原理是分析許多用戶的模式，同時掩蓋個人的貢獻。例如，蘋果可能會了解到許多人使用某些短語而不知道誰說了什麼。

蘋果情報使用這種方法來改進自然語言處理而不影響個人對話。

該公司製定了“隱私預算”，限制了可以提取任何單個用戶的信息量。這為隱私保護創造了數學保證。

蘋果公司率先在消費技術中大規模使用差異隱私。他們的實施平衡了統計準確性和強大的隱私保護。

增強 Siri 和生成式人工智能

Siri 的改進來自於分析人們與助手互動的模式。蘋果使用匿名語音命令來教 Siri 新短語和響應。

公司的私有云計算系統為人工智能處理創造了一個安全的環境。這允許執行更複雜的任務，同時仍然保護用戶數據。

Apple Intelligence 將設備上模型與雲處理相結合，以獲得更高級的功能。系統決定任務的哪些部分可以保留在本地以及哪些部分需要更多的計算能力。

文本預測和寫作建議可以從用戶的打字方式中學習，而無需將實際內容髮送給 Apple。這創造了個性化體驗，且沒有隱私風險。

這些進步有助於 Siri 更好地理解上下文並更自然地回答問題。該助手現在可以處理曾經需要網絡搜索的複雜查詢。

用於 AI 培訓的設備分析

蘋果收集匿名使用統計數據來確定人工智能需要改進的領域。這些數據顯示了人們最常使用哪些功能以及他們在哪些方面面臨困難。

設備分析提供有關電池使用情況、應用程序性能和功能流行度的見解。蘋果利用這些信息來優化人工智能係統以提高效率。

該公司採用一種稱為“本地差異隱私”的技術進行分析。這會在數據離開設備之前添加噪音，從而使個人用戶無法識別。

分析幫助 Apple 在不訪問個人內容的情況下發現數百萬台設備的模式。例如，他們可能會了解到某些人工智能功能會很快耗盡電池電量。

用戶反饋機制還為改進提供直接輸入。這種分析和反饋的結合創造了一個持續增強的循環，同時尊重隱私邊界。

人工智能功能的應用和影響

Apple 的設備端人工智能分析可實現多項強大功能，在增強用戶體驗的同時保護隱私。這些創新涵蓋從地圖改進到創意工具，全部由 Apple 提供支持基礎模型直接在用戶的設備上運行。

圖像識別和環視功能

蘋果的圖像識別技術在設備處理方面取得了重大進展。該系統可以通過分析照片來識別地標、植物、動物和日常物體，而無需將數據發送到外部服務器。

該技術為 iOS 中增強的“環視”功能提供支持，類似於 Google 的街景，但具有更好的隱私保護。當用戶虛擬地瀏覽街道時，蘋果情報自動識別建築物外牆、街道標誌和興趣點。

系統默認對人臉和車牌進行模糊處理。在您看到圖像之前，這種情況就直接發生在您的設備上。您的手機不會留下任何可識別的信息。

借助同樣的技術，用戶還可以使用自然語言查詢來搜索他們的照片庫，例如“在海灘上查找我的狗的照片”。

Apple 地圖中的視覺智能

Apple 地圖現在通過視覺智能提供更智能的導航。此功能使用人工智能來了解您通過相機看到的現實世界。

當您將手機指向街道時，該應用程序會實時識別餐館、商店和地標。所有處理都發生在您的設備上，而不是在雲端。

該系統通過增強現實疊加顯示營業時間、評級和菜單信息等詳細信息。即使在數據連接較差的地區，這種方法也能發揮作用，因為大部分識別都是在本地進行的。

視覺智能還有助於在購物中心和機場等受支持的地點進行室內導航。它可以識別結構元素，準確引導您前往需要前往的地方。

Genmoji 和圖像生成

Genmoji 代表蘋果進軍人工智能生成的自定義表情符號領域。用戶可以描述他們想要的東西（“戴著墨鏡的興奮的貓”），系統會立即在他們的設備上創建獨特的表情符號。

該技術使用蘋果設備上的人工智能模型生成圖像而不將您的描述發送到外部服務器。這樣既能保護隱私，又能提供創造性的結果。

用戶可以為消息、郵件和其他應用程序創建無限的自定義表情符號。系統會隨著時間的推移了解您的風格偏好，並根據您的對話上下文提出建議。

同樣的技術還支​​持根據照片創建智能貼紙。人工智能識別主題、刪除背景並自動創建貼紙。

圖像遊樂場和內容創作

Image Playground 將 Apple 的生成式 AI 功能從表情符號擴展到完整的圖像創建。用戶可以通過文字提示生成藝術品、插圖和照片編輯。

該系統提供各種藝術風格，並可以使用新的背景、燈光效果或對象移除來修改現有照片。所有處理都在您的設備上進行，從而保證您的原始圖像的私密性。

一個關鍵功能是“清理照片”，它可以自動刪除不需要的對象，修復照明問題並提高圖像質量。人工智能無需特定指令即可識別問題。

與競爭對手不同的是，蘋果圖像生成模型不要直接在您的個人照片上進行訓練。相反，他們使用差分隱私技術提取一般模式，同時保證個人數據的安全。

常見問題解答

蘋果的人工智能培訓方法引發了有關隱私、功能和用戶控制的幾個重要問題。這些關鍵問題有助於我們了解蘋果如何平衡創新與用戶數據保護。

Apple 採用哪些方法來確保負責任地使用人工智能並遵守隱私標準？

蘋果使用差分隱私技術保護用戶信息，同時改進他們的人工智能係統。這種方法允許他們在不訪問特定個人詳細信息的情況下學習模式。

蘋果表示他們不使用私人個人數據在訓練他們的基礎模型時。相反，他們嚴重依賴合成數據來構建系統。

該公司將大部分處理保留在設備本身上，而不是將數據發送到雲服務器。這限制了個人信息的暴露。

設備端智能模型如何改善用戶使用 Apple 設備時的體驗？

由於數據不需要傳輸到遠程服務器，因此設備上的處理使蘋果的人工智能功能響應速度更快。這為用戶創造了更順暢的交互。

該系統可以根據用戶使用設備的方式提供更個性化的建議。由於人工智能可以從設備本身學習，因此它可以更好地預測用戶需求。

由於通過網絡發送的數據減少，因此電池壽命得以延長。當互聯網連接不可用時，人工智能也可以工作。

用戶可以選擇退出用於訓練蘋果人工智能係統的數據共享嗎？

是的，Apple 為用戶提供了選項控制他們的數據的使用方式用於人工智能訓練。用戶可以在隱私控件中調整這些設置。

該公司採用選擇加入的方法設計其係統，以收集更敏感的數據。這讓用戶能夠掌控自己分享的信息。

當用戶的數據可能被用於改進人工智能功能時，清晰的通知會通知用戶。這種透明度讓人們做出明智的選擇。

Apple 在其設備功能中使用什麼類型的人工智能模型？

蘋果公司員工大語言模型 (LLM)表彰他們的 Apple Intelligence 功能。這些模型支持文本預測、摘要和其他語言任務。

公司同時開發設備上和服務器基礎模型處理不同類型的人工智能任務。較小的模型直接在手機上運行，​​而更複雜的操作可能需要服務器支持。

計算機視覺模型有助於照片組織、對象識別和增強現實功能。它們與完整人工智能係統的語言模型一起工作。

蘋果的人工智能方法如何體現其對用戶隱私和數據控制的承諾？

蘋果的人工智能訓練方法遵循其長期以來的隱私至上理念。他們使用技術途徑在不損害個人信息的情況下改進人工智能。

該公司從一開始就將隱私直接構建到他們的人工智能係統中。這與競爭對手不同，競爭對手可能先收集數據，然後再添加隱私保護。

蘋果將​​數據收集限制在功能改進所需的範圍內。這種極簡主義方法降低了隱私風險，同時仍然允許人工智能進步。

用戶可以通過哪些方式管理或限制蘋果人工智能技術對其數據的利用？

用戶可以通過 Apple 設備上的“設置”應用查看和調整隱私設置。這些控件為不同類型的數據提供了詳細的選項。

蘋果提供了刪除可能用於人工智能訓練的個人數據的功能。這使用戶能夠持續控制他們的信息。

定期隱私報告向用戶展示他們的設備共享哪些信息。這些報告幫助人們了解和調整他們的數據如何用於人工智能功能。