Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Gefedereerd leren

Engels: Federated Learning · Ook wel: FL, federated learning, federated machine learning, federatief leren

In het kort

Federatief leren is een methode van machine learning waarbij één model leert van lokale gegevens op verspreide apparaten of servers. De gegevens blijven op hun eigen plek en gaan niet naar één centrale computer, zoals bij gewoon machine learning het geval is. Zo kunnen verschillende ziekenhuizen samen één model trainen op gegevens van patiënten, terwijl die gegevens in het eigen ziekenhuis blijven.

Waarom is dit belangrijk?

Tijdens de energietransitie kunnen organisaties de vraag naar stroom in een wijk inschatten, zonder dat verbruiksgegevens laten zien wanneer een bewoner thuis is. In de energiesector bepalen organisaties daarmee hoeveel netcapaciteit nodig is om vraag en aanbod te laten aansluiten. Voor huishoudens blijft het eigen verbruik dan buiten het zicht van onderzoekers, maar deze aanpak werkt alleen in bepaalde gevallen.

Zo werkt het in de praktijk

In de softwaresector traint Google het toetsenbord Gboard met gefedereerd leren. Modellen voor het volgende woord leren op de telefoon zelf. Toepassingen liggen ook in defensie en in de telecomsector.

Onderzoekers vragen hoe een gedeeld model leert als gegevens per deelnemer sterk verschillen. Die ongelijke verdeling maakt één model lastig. Het past dan niet vanzelf bij elke deelnemer. Google Research onderzoekt die training samen met differential privacy.

In de praktijk hoort gefedereerd leren bij differential privacy. Die techniek beperkt wat een model over één persoon onthult. Alle Gboard-modellen die leren van gegevens van gebruikers, gebruiken deze combinatie.

Gecontroleerd op 23 oktober 2026