1.3. 隐私

人工智能发展有一个现实问题：为了构建更强大的算法，研究人员正在使用越来越多的大数据和计算能力，并依赖于中心化的云服务。这不仅会产生惊人的碳排放量，而且还限制了人工智能应用的运行速度，同时造成很多隐私问题。

微型人工智能的兴起正在改变这一点。科技巨头和学术研究人员正在探索新的算法，在不丧失能力的情况下缩小现有的深度学习模型。与此同时，新一代的专用人工智能芯片有望将更多的计算能力集成到更紧密的物理空间中，以更低的功耗来训练和运行人工智能算法。

这些技术进步正在惠及广大消费者。去年 5 月，谷歌宣布可以在用户手机上运行谷歌助手，而无需向远程服务器发送请求；从苹果的 iOS 13 操作系统开始，iPhone 上可本地运行 Siri 的语音识别功能和 QuickType 键盘；IBM 以及亚马逊现在也提供了开发平台来制作和部署微型人工智能。

微型人工智能所带来的好处是显而易见的。现有的服务比如语音助手、自动更正和数码相机等将变得更好更快，不必每次都需要连接云端才能运行深度学习模型；此外，微型人工智能也将使新的应用成为可能，比如基于移动端的医学影像分析或对反应时间要求更快的自动驾驶汽车；最后，本地化的人工智能更利于隐私保护，因为你的数据不再需要离开设备就能实现服务或功能的进化。

但是，随着人工智能技术得到分布普及，它所面临的挑战也随之而来。例如，打击那些不法监视系统或深度伪造视频可能会变得更加困难，歧视性算法也可能激增。研究人员、工程师和政策制定者们现在需要共同努力，对这些潜在危害进行技术和政策检查。1

1.3.1. 侵犯隐私

传输数据可能会侵犯隐私。数据可能被恶意的参与者截获，并且当数据存储在一个单一的位置（如云）时，其安全性就会降低。通过将数据保存在设备上并尽量减少通信，能够提高数据安全性和隐私性； ZAO应用的协议要求3用户献祭他的数据。

DAFL: Data-Free Learningof Student Networks (ICCV 2019)3

对于必要的敏感数据，可以采取加密的方式进行传输，将数据变成不可解释性的形式，即使泄露了也不会带来风险。4