Practical AI Podcastは2026年11月13日(現地時間)の放送で、Federated Learning (連合学習) がプライバシーを保護しつつAIモデルがプライベートデータから学習する方法について議論した。Flower Labsの研究科学者であるロレンツォ・サニ (Lorenzo Sani) 氏がゲスト出演し、LLMトレーニングにおける協調学習の役割や、モデルの軌跡がagentic AIシステムを改善する方法、そしてオープンウェイトモデルの利点について詳述した。同ポッドキャストでは、ローカルホスト型AIエージェントのヘルスケアやロボット工学への応用も探求した。
ロレンツォ・サニ氏は、Practical AI Podcastのクリス・ベンソン (Chris Benson) 氏との対談で、自身の研究内容を説明した。サニ氏はケンブリッジ (Cambridge) 大学のPhD研究者であり、Flower Labsの研究科学者として、プライバシーを保護しつつAIモデルがプライベートデータから学習するFederated Learning (連合学習) を探求している。特に、協調学習が大規模言語モデル (LLM) のトレーニングにおけるプライベートデータへのアクセスをどのように拡大できるか、モデルの軌跡がagentic AIシステムをどのように改善できるか、そしてオープンウェイトモデルがもたらす利点について言及した。また、ヘルスケアやロボット工学など、ローカルホスト型AIエージェントの現実世界での応用についても議論された。
サニ氏は元々物理学のバックグラウンドを持ち、ボローニャ (Bologna) で修士課程の最終学年に機械学習関連のテーマ、特に医療アプリケーションにおけるプライバシー保護に目を向けた。当時、Federated Learningは新しい分野であり、その動機とプライバシー保護の要素に魅力を感じたという。結果として、サニ氏はFlower frameworkの初期ユーザーの一人となり、ケンブリッジ大学の研究グループと出会うことになった。
博士課程に進んだサニ氏は、Federated Learning技術をLLMの事前学習に応用する研究に取り組んだ。これは当時誰も手掛けていない分野であり、DeepMindによる興味深い研究がいくつかあったものの、サニ氏らはさらに深いアプローチを目指したと述べた。当初は困難であったが、数ヶ月をかけて必要なツールを開発し、現在は多数の論文がその技術と科学を探求し、良好な結果を得ていることを示している。Federated Learningは、サイロ化され、散在し、異質なデータを標準的な方法で扱うことが難しい場合に、効果的なトレーニング方法を提供する。
参考: Practical AI (Changelog) (アーカイブ) — 2026年11月14日 02:59 (JST)
原文ハイライト"How can AI models learn from private data without compromising privacy?"