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.




