連合学習 (Federated Learning)
読み: れんごうがくしゅう
最終更新: 2026-06-30・AI PICKS編集部
定義
連合学習とは、データを一箇所に集めずに各端末や組織のローカル環境でモデルを学習させ、更新した重みだけを共有してグローバルモデルを改善するプライバシー保護型の機械学習手法のこと。
連合学習 (Federated Learning)とは — 詳しく解説
連合学習は、Googleが2017年に提唱した分散型機械学習フレームワーク。医療・金融・IoTなど生データの外部送信が法的・倫理的に困難な領域で急速に普及している。各参加ノード（端末や組織サーバー）はローカルデータでモデルを訓練し、生データは送らずに勾配や重みの差分だけを中央サーバーへ送信。中央サーバーがFedAvgなどで集約してグローバルモデルを更新するサイクルを繰り返す。 2026年の実運用で現場がぶつかる落とし穴は主に3つ。①通信コスト：LLMクラスの大規模モデルでは重み更新が数GB単位に膨らみ、エッジデバイスがボトルネックになる。②非iid問題：ノード間のデータ分布が偏ると精度が収束しない。③プライバシー保証の過信：勾配逆算攻撃により重みの差分から元データを推定できるため、差分プライバシーや秘密計算との併用が実質必須。 AI PICKSが現場の声をもとにまとめた相場感では、エンタープライズ向け構築（TFF・PySyft・FATE等）に初期150〜500万円、月次運用に30〜80万円が目安。2026年事例では規制対応コストが全体の40%を占めるケースも多く、PoC段階では既存MLOpsプラットフォームで代替可能か先に検討することを強く推奨する。
連合学習 (Federated Learning)の使用例
- 複数病院が患者データを外に出さず診断AIを共同訓練。各施設でローカル学習→勾配のみ送信してグローバルモデルを更新した国内医療連合の事例。
- スマートフォンの予測変換モデルを端末側で学習・更新し、入力履歴はサーバーへ送らない。Googleがリリース時から採用するフェデレーテッドアプローチの代表例。
連合学習 (Federated Learning)に関連するAIツール
関連用語
「インフラ・学習」の他の用語
既存の AI モデルを 自社データで追加学習させて 専門特化させる方法。
データから法則を自動学習させる AI 技術の総称。 ディープラーニングや LLM もここに含まれる。
ニューラルネットワークを多層化した機械学習手法。 LLM / 画像認識 / 音声認識 の基盤技術。
Self-Attention 機構を中核とするニューラルネット構造。 LLM / 画像 / 音声 すべての基盤。
入力系列のどこに注目すべきかを 動的に重み付けする仕組み。 Transformer の中核。
LoRAとは、大規模モデルの重みを凍結したまま低ランク行列ペアを追加挿入することで、全パラメータの1%以下の計算コストで特定ドメインへの適応を実現するファインチューニング手法のこと。
AI用語辞典をすべて見てみませんか
12カテゴリ・352語以上を体系的に整理しています
辞典トップへ