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、データを各デバイスやサーバーに分散させたまま、データを中央に集めることなくモデルを共同で学習する機械学習の手法です。プライバシーを保護しながら複数の参加者のデータからモデルを構築できる画期的なアプローチです。
フェデレーテッドラーニングの仕組み
まず中央サーバーがグローバルモデルを各クライアント（デバイスや組織）に配布します。各クライアントはローカルデータでモデルを学習し、モデルの更新情報（勾配やパラメータの差分）のみを中央サーバーに送信します。中央サーバーは各クライアントの更新を集約してグローバルモデルを改善し、再び配布するサイクルを繰り返します。
プライバシーとの関係
生データが外部に出ないため、GDPR などのデータ保護規制への準拠が容易になります。差分プライバシー（Differential Privacy）やセキュアアグリゲーション（Secure Aggregation）を組み合わせることで、更新情報からの元データの推測も防止できます。
活用事例
Googleのスマートフォンキーボード（Gboard）の予測変換、Apple のSiri、医療機関間での医用画像診断モデルの共同学習、金融機関の不正検知モデルなどで実用化されています。データを共有できない組織間でのAI協調が可能になる技術として注目されています。