隨著全世界的開發(fā)團隊爭相開發(fā)AI工具，在邊緣設備上訓練算法變得越來越普遍。聯(lián)合學習是分布式機器學習的子集，是一種相對較新的方法，它允許企業(yè)在不直接訪問原始用戶數(shù)據(jù)的情況下改進其AI工具。

　　聯(lián)合學習由Google在2017年提出構想，是一種去中心化的學習模型，通過該模型可以在邊緣設備上訓練算法。關于Google的“設備上機器學習”方法，這家搜索巨頭將其預測文本算法推到了Android設備上，匯總了數(shù)據(jù)，并將新知識的摘要發(fā)送回了中央服務器。為了保護用戶數(shù)據(jù)的完整性，此數(shù)據(jù)是通過同態(tài)加密或差分隱私傳遞的，這是對數(shù)據(jù)添加噪聲以使結果模糊的一種做法。

　　一般而言，通過聯(lián)合學習，可以對AI算法進行訓練，而無需識別任何單個用戶的特定數(shù)據(jù)。實際上，原始數(shù)據(jù)永遠不會離開設備本身。僅匯總的模型更新會發(fā)回。這些模型更新隨后在交付到中央服務器后解密。然后，將更新后的模型的測試版本發(fā)送回選定的設備，并且在重復此過程數(shù)千次之后，顯著改善了AI算法，同時又不會危及用戶隱私。

　　預計該技術將在醫(yī)療保健領域掀起波瀾。例如，醫(yī)療初創(chuàng)公司Owkin目前正在探索聯(lián)合學習。為了利用來自多個醫(yī)療機構的患者數(shù)據(jù)，Owkin使用聯(lián)合學習來利用來自不同醫(yī)院的數(shù)據(jù)來構建AI算法。這可能會產生深遠的影響，尤其是醫(yī)院在保持患者數(shù)據(jù)的完整性并遵守HIPAA法規(guī)的前提下，能夠相互共享疾病進展數(shù)據(jù)非常寶貴。絕非唯一的醫(yī)療行業(yè)采用這項技術。自動駕駛汽車公司，智慧城市，無人機和金融科技組織將越來越多地使用聯(lián)合學習。其他一些聯(lián)合學習型初創(chuàng)公司也正在上市，包括Snips，S20.ai和Xnor.ai，后者最近被Apple收購。