Wat is Federated learning?
In één zin
Federated learning is een manier om AI te trainen waarbij de gegevens op de eigen apparaten blijven en alleen de geleerde aanpassingen worden gedeeld.
Ook wel: gefedereerd leren
Federated learning is een manier om een AI-model te trainen zonder dat de gegevens van gebruikers naar een centrale plek hoeven. De data blijven op het eigen apparaat of bij de eigen organisatie.
Hoe werkt het?
Normaal verzamel je alle trainingsdata op één plek. Daar leert het model van. Bij federated learning draai je dit om. Het model gaat naar de data toe, en niet andersom.
Dat gaat zo. Een centraal model wordt naar veel apparaten of organisaties gestuurd. Elk apparaat traint het model een beetje, met zijn eigen gegevens. Daarna stuurt het alleen de aanpassingen terug, en niet de gegevens zelf. De aanpassingen van alle deelnemers worden samengevoegd tot een beter model. Dit herhaal je vele keren.
Zo leert het model van veel mensen, terwijl persoonlijke gegevens lokaal blijven. Dat helpt bij privacy. Het is geen volledige garantie, want uit de aanpassingen is soms toch informatie af te leiden. Daarom voegt men vaak extra beveiliging toe.
Een voorbeeld uit de praktijk
Een toetsenbord-app op je telefoon wil beter worden in het voorspellen van het volgende woord. Je berichten wil je liever niet delen. Met federated learning leert het model op je telefoon van wat jij typt. Alleen de verbeteringen gaan terug. Ook ziekenhuizen kunnen zo samen een model trainen zonder patiëntgegevens uit te wisselen.
Waarom is dit belangrijk voor jou?
Federated learning laat zien dat AI en privacy elkaar niet hoeven uit te sluiten. Aandachtspunten:
- Het is technisch ingewikkeld en kost veel afstemming.
- Niet alle apparaten hebben dezelfde soort data, wat de kwaliteit kan beïnvloeden.
- Vraag je altijd af welke gegevens een app wel en niet deelt.
