机器学习 圈的一个疑问是， 苹果 的隐私限制是否会阻碍 神经网络 算法 ，这也是上文中提到的第二个问题。经过大量数据训练， 神经网络 才能准确。如果 苹果 不采集用户行为数据，又从哪里得到数据呢？与其它公司一样， 苹果 用公开数据集训练 神经网络 ，但总有需要更新更准确的数据的时候，而这又只能从用户中来。 苹果 的做法是在不知道用户是谁的情况下收集信息。它会对数据匿名处理，随机打上识别信息。
从iOS 10开始， 苹果 会开始使用一种名为差分隐私（Differential Privacy）的新技术，它会对信息进行众包处理，让个人身份无法识别。这种技术可能用在出现新流行词，而它又不在 苹果 知识库中时；也会用在某个链接突然变得与相关查询的答案相关时，或某个表情被大量使用时。“传统的方式会将用户每次输入都传到服务器上，然后遍历数据来找到感兴趣的东西。但我们有端到端加密，不会这样行事。”虽然差分隐私是一个较为学术的词，但 苹果 想让它变得更加普及。
Federighi表示，“我们数年前就开发研究，做出了能大范围使用的有趣的成果。它的隐私程度令人惊叹。”简单来说，差分隐私就是对数据的若干片段加入数学噪音，这样 苹果 能识别用使用模式，又不会辨别出个人身份。 苹果 还授权研究相关技术的 科技 家发表论文，公布他们的工作。
六
显然， 机器学习 改变了 苹果 产品的方方面面，但对于 苹果 本身， 机器学习 改变了什么，还有待观察。从感觉上说， 机器学习 似乎与 苹果 公司的气质格格不入。 苹果 喜欢对用户体验进行全方位的控制，所有事情都事先帮你设计好， 代码 极致优化。但使用 机器学习 ，就意味着要将一部分决定权交由软件处置。将用户体验逐渐交给机器控制， 苹果 能接受这样的设定吗？
“这件事情引起了内部无穷无尽的争论”，Faderighi 说，“我们对此曾有过非常深入的思考。以往我们根据经验，从多个维度控制人机交互的种种细节，以达到最佳的用户体验。但如果你开始训练机器通过大量数据模拟人的行为，结果就不再是 苹果 设计师所擅长的。所有的一切都来自数据。”
但 苹果 并没有回头，Schiller 说，“尽管这样的技术将改变我们的工作方式，但为了做出更高质量的产品，我们终将在这条路上越走越远”。
也许这就是问题的答案： 苹果 并不会大张旗鼓地宣扬自己采用了多么先进的 机器学习 技术，但他们仍会尽可能地将之运用到产品中，以期获得更好的用户体验。藏在你iPhone中的Apple Brain就是最好的证明。
