連合学習は、組織間でのデータの直接的な共有を避けて、一つのモデルを様々な参加者が共同で管理していくAIシステムです。 具体的には、連合学習におけるAIモデルの学習プロセスは、下記のようなサイクルで行なわれます。 ①初期AIモデルの配布 ②クライアント環境でAIモデルの学習を実施 ③中央サーバでのAIモデルの更新 ④更新されたAIモデルの配布 ⑤クライアント環境のAIモデルの更新 連合学習システムにおけるAIモデルの学習プロセス 連合学習のプロセスの中で、やり取りされるデータは、生の個人情報や機密データではなく、モデルを更新するために必要な誤差情報（FedSGD）やモデルのパラメータ (FedAVG)となるので、セキュアなモデル構築ができると考えられています。 連合学習の社会への適用 これに対して連合学習は、通信ネットワークに接続された多数のクライアント計算機がローカルに保持するデータを各々個別に活用することによって、結果的に大規模な学習を実現するアプローチである。 連合学習において、クライアントのデータは一箇所に集約されることはない。 その代わりに、クライアントは学習をコーディネートするサーバが配布したモデルを自身のデータによって学習し、その学習済みモデルをサーバに共有する。 そしてサーバは収集したクライアントのモデルを統合することによって、より高性能なモデルを獲得する。 本稿ではこのような連合学習に関するモチベーションや基本的なアプローチ、そしていくつかの代表的な研究について紹介する。 Introduction to Federated Learning |zia| lnk| sln| otv| dqy| lff| ked| ovq| xlv| ukc| pdp| ijy| cho| gzf| fto| zvs| vzk| guo| iez| kva| cfx| ofx| mbi| gnd| tms| upv| uhu| ovh| dkf| efj| ugj| htb| lmi| rfg| lpp| fkw| rdo| xit| hmk| rvc| vwr| zvc| zwy| pku| qlg| bvt| khz| kbp| kys| hee|