发生了什么
Google DeepMind 宣布对其私有人工智能计算平台进行技术更新，引入持久内存层，允许人工智能助手保留跨设备的上下文，同时保持严格的隐私标准。该系统使用云中硬件强制的安全飞地来临时解密和处理数据，密钥仅保存在用户设备上。此更新将平台从无状态模型转变为支持持续、长期援助的模型。
Google DeepMind 与平台和设备、核心和云团队合作，更新了其私有 AI 计算架构。主要变化是添加了持久内存层，充当云中的安全数字保管库。与以前的无状态实现不同的是，这个新系统允许在不同设备上长期连续地提供人工智能帮助。
该架构依赖于硬件强制安全飞地和加密协议的组合。当人工智能模型需要访问用户数据时，经过身份验证的端到端加密通道将用户的设备连接到隔离的云环境。在这个安全区域内，数据在隔离的内存中临时解密以处理请求，并且任何新的上下文都会被保存并立即重新加密。至关重要的是，解锁这些数据所需的加密密钥仅保存在用户的个人设备上，确保即使是 Google 也无法访问明文数据。
为了建立对这一新功能的信任，Google 正在发布其服务器软件的防篡改公共记录。这使得运行私人人工智能计算的设备可以在传输任何个人数据之前验证该软件的真实性和未更改性。此外，该公司正在分享更新的技术白皮书和一家领先的网络安全公司的独立审计结果，邀请更广泛的隐私社区来验证系统的保护。
为什么这很重要
这一发展解决了当前人工智能隐私架构的一个关键限制：无法在不损害数据安全的情况下维护长期上下文。 Google 声称，通过将加密密钥保留在用户设备上并使用隔离的云飞地，可以实现具有设备级隐私的云规模人工智能功能。这对于个人人工智能助理的未来具有重要意义，因为它可以在移动、网络和可穿戴设备之间实现无缝连续性，而无需将敏感的用户数据暴露给云提供商或第三方。服务器软件的防篡改公共记录和独立审计结果的发布进一步增强了系统安全声明的透明度和信任度。
此更新解决了人工智能隐私方面长期存在的难题：如何为前沿模型提供云计算能力，同时保持通常与设备上处理相关的隐私保证。本地处理一直是隐私的黄金标准，但它缺乏高级人工智能任务的计算资源。该架构通过允许云规模计算而不将用户数据暴露给云提供商来弥补这一差距。
实际意义是实现真正个性化、持续的人工智能助手。例如，用户可以在笔记本电脑上恢复在手机上开始的复杂对话，或者访问之前在智能眼镜上查看的组装指令，而人工智能可以安全地保留必要的上下文。这种水平的连续性对于下一代人工智能交互至关重要，预计下一代人工智能交互将更加直观并深入融入日常生活。
透明度措施，包括公共软件记录和独立审计，对于建立信任具有重要意义。通过允许用户和社区验证系统的完整性，Google 解决了基于云的人工智能服务中数据隐私的常见问题。这种方法可以为业界隐私保护人工智能架构设立新标准。
互动机制：它实际上是如何运作的
以交互方式探索这一发展背后的基础技术。
Impossibility results in algorithmic fairness (e.g. Kleinberg et al., Chouldechova) show what?
接下来看什么
监控更新的技术简介和安全证明的发布，以验证架构声明。关注防篡改软件记录的独立验证和网络安全审核结果。观察该技术是否集成到 Gemini 或 Android 等特定消费产品中，以及它如何处理跨设备同步中的边缘情况。
更新后的私人人工智能计算技术简介和安全证明的发布和内容对于验证技术声明至关重要。独立专家可能会仔细审查安全飞地的加密方法和隔离保证。
该技术与面向消费者的产品的集成将决定其对现实世界的影响。请关注有关其在 Gemini、Android 或其他 Google 服务中使用的公告，以及它在实践中如何处理用户同意和数据管理。
隐私和安全社区对已发布的审计结果和软件验证协议的反应将是系统可信度的重要指标。需要解决架构中任何已识别的漏洞或限制，以维护用户的信任。