Federated Learning 4장 카드뉴스

데이터를 중앙 서버로 모으지 않고 각 기기·기관에 둔 채, 로컬에서 계산한 모델 업데이트만 모아 공동 모델을 만드는 분산 기계학습 방식입니다. 한국어로는 연합학습이라고 부릅니다. 2016년 Google 연구진이 FedAvg 알고리즘 논문에서 처음 명명했습니다. 원본 데이터가 밖으로 나가지 않아 개인정보·기밀이 걸린 모바일·의료·금융 분야에서 주로 쓰입니다. 데이터 반출 없이 여러 기관이 협력해 하나의 모델을 키울 수 있다는 점이 핵심 가치입니다.

페더레이티드 러닝(Federated Learning), 우리말로 연합학습은 데이터를 모으는 대신 학습을 보내는 방식입니다. 각자의 스마트폰이나 병원 서버가 자기 데이터로 공부한 뒤, 데이터가 아니라 공부한 요약(모델 업데이트)만 중앙에 보내요. 중앙 서버는 이를 평균 내 공동 모델을 만들고 다시 나눠 줍니다. 개인정보를 내보내지 않고도 함께 배우는 구조라, 프라이버시 규제가 강한 분야에서 주목받습니다.

케이스 1: Google — Gboard 키보드 단어 예측 Google은 2017년 안드로이드 키보드 Gboard에 연합학습 적용을 공식 발표했습니다 [2]. 다음 단어 예측 모델을 150만 대 규모의 기기에서 학습시켰습니다 [3]. 충전 중·무과금 네트워크·대기 상태일 때만 참여시키는 조건을 걸었습니다 [3]. 도입효과: 다음 단어 예측 정확도(top-1 recall) 상대 5% 개선(서버