フェデレーテッドラーニングとは？

フェデレーテッドラーニング（Federated Learning、連合学習）とは、複数の端末や組織がそれぞれの手元にあるデータを外部に送り出すことなく、分散した場所でモデルを訓練し、その学習結果（勾配やパラメータの更新量）だけを中央サーバーに集約してひとつのAIモデルを作り上げる機械学習の枠組みです。

従来の機械学習では、訓練データを一か所に集めてモデルを学習させるのが一般的でした。しかしこの方法は、医療記録・金融取引・スマートフォンの入力履歴などの個人情報を外部に転送する必要があり、プライバシーリスクや法的規制の観点から問題となるケースがありました。フェデレーテッドラーニングはこの課題を解決するために提案され、Googleが2017年にスマートフォンのキーボード予測改善に応用したことで広く知られるようになりました。

仕組みは大きく次のステップで進みます。

• 中央サーバーが初期モデルを各端末に配布する
• 各端末はローカルデータでモデルを更新し、差分のみをサーバーへ送る
• サーバーが各端末の更新を集約してグローバルモデルを改善する
• 改善されたモデルを再び各端末に配布する

この手法はデータそのものを共有しないためプライバシー保護に優れる一方、通信コストや端末間のデータ偏り（Non-IID問題）、悪意のある端末による攻撃への対策など、固有の技術的課題も存在します。医療、金融、IoT機器など、データの機密性が高い分野での活用が特に期待されています。