連合学習（Federated Learning）

連合学習とは

連合学習（Federated Learning）は、データを中央サーバーに集めず、各端末や各組織の手元で学習を行い、モデルの更新情報（重みの差分）だけを共有する分散学習手法です。データを外に出さずにAIを育てるためのアプローチとして注目されています。

仕組み

1. 中央から初期モデルを各端末／各組織に配布
2. それぞれの手元のデータでローカル学習
3. 学習で生じた重みの更新分だけを中央に送信
4. 中央が複数の更新分を統合し、新しいモデルを配布
5. 以降、上記を繰り返す

生のデータは端末・組織の内側から出ないのが要点です。

メリット

• プライバシー保護: 機微情報を外に送らない
• 法令・規程遵守: 個人情報保護、守秘義務との整合が取りやすい
• 分散コンプライアンス: 業界・国ごとに閉じたデータ活用が可能

注意点

• 通信量・工程が多く実装は複雑
• 更新情報から元データを推定するリスクへの対策（差分プライバシー等）が必要
• ローカル側に一定の計算資源が必要

士業業務との関係

税理士・弁護士業務では、顧客データをクラウドに出さずにAIを学習させたいというニーズが強くあります。連合学習は、複数事務所が共同で業務特化AIを育てつつ、個々の案件データは外に出さないといった設計を可能にする有力な枠組みで、今後の導入検討対象になりやすい技術です。