聯邦學習（Federated Learning）是一種分散式機器學習方法，它允許多個參與方在不交換原始數據的情況下共同訓練人工智能模型。旨在解決傳統集中式機器學習中的數據隱私和安全問題。

在傳統的機器學習過程中，所有數據需要集中到一個中央服務器進行處理和訓練。而在聯邦學習中，模型訓練過程被分散到多個終端設備或機構中進行，只有模型參數（如權重）會被傳輸和彙總，原始數據則留在本地，從而大大增強了數據隱私和安全性。

這種創新的學習範式不僅保護了用戶的數據隱私，還減少了大量數據傳輸帶來的網絡負擔，同時能夠利用分散在各個終端的豐富數據資源，訓練出更加強大和通用的AI模型。