Prywatność AI w telefonie zależy od tego, gdzie aplikacja przetwarza konkretne żądanie: na urządzeniu, w chmurze albo częściowo w obu miejscach. Sam fakt, że telefon obsługuje model lokalny, nie oznacza, że cała aplikacja zawsze działa bez połączenia z chmurą.
Model lokalny nie opisuje całej aplikacji
Model lokalny wykonuje obliczenia na urządzeniu. To jednak aplikacja decyduje, z jakiego modelu i interfejsu korzysta przy danym zadaniu. Android udostępnia Gemini Nano przez usługę systemową AICore, z której aplikacja może korzystać po zintegrowaniu odpowiednich interfejsów API. Szczegóły opisuje dokumentacja Android Developers dotycząca Gemini Nano.
Android Developers podaje, że AICore nie ma bezpośredniego dostępu do internetu, a jego żądania internetowe, w tym pobieranie modeli, przechodzą przez usługę Private Compute Services. Ten opis dotyczy granicy sieciowej AICore. Nie przesądza o tym, jakie połączenia sieciowe może wykonywać sama aplikacja.
Kiedy Android może skorzystać z chmury
Android dokumentuje także hybrydowy interfejs Firebase AI Logic. Jeśli Gemini Nano jest niedostępny lub nieobsługiwany na urządzeniu, ten wariant może skierować żądanie do Gemini Flash albo Gemini Pro w chmurze. Aplikacja może więc korzystać z lokalnego modelu, a mimo to przewidywać ścieżkę chmurową dla części zadań.
Możliwość działania lokalnego zależy ponadto od sprzętu, limitów tokenów, dostępności modelu i jego możliwości. Token to jednostka, na którą model dzieli tekst podczas przetwarzania. W praktyce nazwa modelu w telefonie nie wystarcza, by ustalić trasę danych: znaczenie ma konkretna funkcja i sposób, w jaki aplikacja ją obsługuje.
Co Apple mówi o Private Cloud Compute
Apple opisuje Private Cloud Compute (PCC) jako rozwiązanie dla złożonych zadań Apple Intelligence, które wymagają większych modeli działających w chmurze. Według firmy dane są przetwarzane w celu wykonania żądania, a po zwróceniu odpowiedzi usuwane. Apple podaje też, że nie są dostępne dla pracowników firmy, również tych z uprawnieniami administracyjnymi. Opis architektury PCC opublikowany przez Apple przedstawia te zabezpieczenia jako założenia projektu.
PCC nie zapewnia szyfrowania end-to-end podczas samej inferencji, czyli obliczeń wykonywanych przez model. Apple wyjaśnia, że model w chmurze musi mieć dostęp do treści żądania w postaci niezaszyfrowanej, aby je przetworzyć. Szyfrowanie połączenia z serwerem i ograniczenia dostępu opisane przez Apple dotyczą zatem innych etapów i zabezpieczeń niż szyfrowanie end-to-end w trakcie obliczeń.
Co sprawdzić przed użyciem funkcji AI
Przy konkretnej funkcji warto ustalić trzy rzeczy: czy aplikacja wykonuje zadanie na urządzeniu, czy może przekazać je do modelu w chmurze oraz jakie dane zawiera wysyłane żądanie. Jeśli funkcja korzysta z lokalnego modelu, nadal liczy się to, czy aplikacja nie wybiera innej ścieżki dla części zadań. W przypadku przetwarzania chmurowego istotne są deklarowane przez usługę zasady obsługi danych i zabezpieczenia podczas obliczeń.
