|
網上文字聊天、互通信息，都喜歡用表情圖像、也就是俗稱的 Emoji，來表達一下當時的情緒，也算是一點幽默。蘋果公司特別調查了用戶愛用那些表情圖像，結果第一名是大家熟知的「喜極而泣笑臉」，占 25%，第二名是「愛的紅心」，占 5%，其餘大家愛用的各「臉譜」如下圖。
（蘋果用戶Emoji 調查，喜極而泣笑臉最受歡迎。取自網路）
調查之後，蘋果又設計了幾百種新的 Emoji，不用傳統的呆板臉部表情，改用繪製精美的繪圖，用來代表文字，讓大家見圖識字，隨 iOS11.1 附送。這些新設計包括表情豐富的笑臉，中性的角色，服飾，食物，動物，神話人物等，或許能讓文字通信增加少許點綴。
（蘋果的新「繪圖文字」 Emoji。取自網路）
表情圖畫自然是在 iPhone 與 iPad 上使用，那蘋果是怎麼調查的、怎麼知道喜極而泣笑臉是大家最喜愛的，又是怎麼排名的？最直接的方法，可能是用戶每次使用圖像就紀錄一次，但這涉及隱私，一旦資訊洩漏會產生問題。所以蘋果用了機器學習的方法，取得答案，但絲毫不涉及個人隱私，即使資訊洩漏，也不會知道用戶個別的行為。
這個方法稱為「差別隱私」(Differential Privacy)，從用戶取資料的時候加一層干擾噪音，資料就可能不完全正確，最後把每一用戶加過噪音的資料結合，仍可以了解大方向的走勢，但不涉及任何個人隱私，因為加過噪音干擾的個人資料，無從判斷是否正確。
蘋果在他們的機器學習期刊舉了一個例子，比如說選前民調，民調服務員打電話問一位選民，投票給 A 候選人，還是投票給 B 候選人，然後紀錄結果。不論服務員問了選民多少個人資訊，如果調查紀錄洩漏或被盜，甚至公開，後果不堪設想。
如果服務員換一種方式，請選民先擲一枚銅板，如果是正面，就說實話，會投給 A 或投
給 B，如果是反面，那就隨意說 A 或 B，也就是 A 與 B 各有 50%。所以民調人員所聽到的答案，無法斷定是不是實話，但總和起來，可以說答案的 75% 是實話、25% 是謊話（擲銅板正反面的機會各有 50%)。這個方法因為了解噪音的運作，所以仍可宏觀的預測結果，但排除個人隱私的問題。
差別隱私用在解決特定類別的問題上，不針對個人、針對群體，像是某一族群感染某種疾病的機會，特別有效，在對個人實際情況不確知之下，可以得出對群體在統計上的特質。蘋果的 Emoji 調查就是這麼來的，從願意分享資訊 (Share iPhone Analytics ON) 的用戶取得資料，加上干擾噪音，再隨機取樣加密，送到蘋果伺服器，但不包括硬體識別號碼與收取的時間，所以沒有隱私問題。
資料加干擾噪音，並沒有一定的規則，上面說的擲銅板只是一個簡單的例子，但關鍵在隨機性，也就是把取得的資料用隨機分布調整，只要在差別上能滿足隱私的預期結果，都是可用方法。不同的結果需用不同的噪音，越是精密設計，越能展現差別隱私的功效。
別看這些好玩的 Emoji 排名，背後的機制還相當的聰明。
|
