今天上午出现了一则新闻：

意大利政府认为ChatGPT可能存在侵犯隐私的问题，因此予以暂时的禁止。

意大利政府的行为并非无法可依——在2018年，欧盟出台了《通用数据保护条例》，该条例旨在保护个人的数据隐私。

该条例的颁布，其实对人工智能的发展有非常不利的影响：人工智能模型需要大规模的数据进行训练，而对个人隐私保护必然会妨碍公司对数据的收集。没有了海量的数据，大模型的训练变得非常困难。

因此，如何既能保证个人隐私，又能够训练模型，成为一对矛盾。目前解决该矛盾的技术主要有联邦学习与安全多方计算。

1.联邦学习（Federated Learning）

假设你手机上有很多数据，有一家公司想收集你手机上的数据来训练模型，但你觉得这是你的个人隐私，不想把这些数据给公司，应该怎么办？在传统的机器学习技术中，这个问题无解，因为公司收集不到数据就无法训练模型。但是可以采用联邦学习的技术：公司会下发到你手机上一个模型，然后在你手机上训练模型，将训练好的结果上传给公司。这样一来，你手机上的数据并没有泄露给公司，公司也成功用你的数据训练了模型。

服务器将每一个用户上传上来的模型聚合在一起，形成一个整体的模型。然后再把整体模型下发给每一个用户，用户再在本地训练，再上传。这样一个“上传-聚合-下发”的过程会持续很多轮，直到最终训练好了整体模型。

2.多方安全计算（MPC）