يسمى أيضاً التعلم التعاوني، وهو أحد تقنيات التعلم الآلي، يتم فيه تدريب خوارزميات التعلم الآلي على بيانات محلية موجودة في الأجهزة الطرفية ومن دون إرسال هذه البيانات إلى المخدِّم أو تبادلها بين الأجهزة المختلفة.
يتيح التعلم الموحَّد لمجموعة من البرامج أو المطورين بناء نموذج تعلم آلي فعّال دون مشاركة بيانات المستخدمين، وبالتالي يعالج مشكلات خصوصية وأمن البيانات. وكانت شركة جوجل أول من أطلق هذا المفهوم في عام 2017.
فيما يلي بعض الفوائد الأساسية للتعلم الموحد في التعلم الآلي:
قامت شركة آبل باستخدام هذه التقنية مؤخراً في تدريب نسخٍ مختلفة من نموذج التعرف على صوت المتكلم على جميع أجهزة مستخدميها باستخدام بيانات الصوت المتاحة على هذه الأجهزة محلياً فقط، ثم يقوم بإرسال النماذج المُحدَّثة فقط إلى المخدِّم المركزي ليتم دمجها في النموذج الرئيسي. وبهذه الطريقة، فإن جودة المساعد الصوتي في التعرف الصحيح على هوية المتكلم تتحسن بشكلٍ متواصل على الرغم من أن بيانات الصوت الخام لا تغادر أبداً أجهزة الآيفون والآيباد الخاصة به.
يمكن أن تعمل نماذج التعلم الموحد مع تقنيات التعلم الآلي المختلفة ولكن نوع البيانات وحالات الاستخدام تحدد طريقة تطبيقها، إليك أهم المجالات:
يستخدم لبناء نماذج معتمدة على سلوك المستخدم من مجموعة بيانات من الهواتف الذكية دون تسريب البيانات الشخصية، مثل التنبؤ بالكلمة التالية، واكتشاف الوجه، والتعرف على الصوت.
يمكن لصناعة الرعاية الصحية والتأمين الصحي الاستفادة من التعلم الفيدرالي لأنه يسمح بحماية البيانات الحساسة في المصدر الأصلي. يمكن لنماذج التعلم الموحدة أن توفر تنوعاً أفضل للبيانات من خلال جمع البيانات من مواقع مختلفة مثل المستشفيات والسجلات الصحية الإلكترونية لتشخيص الأمراض النادرة.
يوفر التعلم الموحد تجربة أفضل للسيارة ذاتية القيادة إذ تحتاج المركبات ذاتية القيادة إلى هذه البيانات للاستجابة:
يمكن للتعلم الموحد تحقيق كل هذه الأهداف والسماح للنماذج بالتحسن بمرور الوقت من خلال المدخلات المجمعة من السيارات المختلفة.
