Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
レンゴウガクシュウってご存知ですか?
Search
Masahiko Hashimoto
September 08, 2026
Technology
23
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
レンゴウガクシュウってご存知ですか?
連合学習ってご存知ですか?
第7回東海医療DX研究会でお話したスライドです。
Masahiko Hashimoto
September 08, 2026
More Decks by Masahiko Hashimoto
See All by Masahiko Hashimoto
The concept of developing a new kana-kanji conversion method in the era of LLM
hashimom
0
25
LLM時代のかな漢字変換のつくりかた
hashimom
0
250
今年は、『浅草』、『川越』、 そして【名古屋】です!
hashimom
0
450
Other Decks in Technology
See All in Technology
Kiro Crewしか勝たん!?
miu_crescent
PRO
0
170
Driving AI Adoption Using In-House GPUs to Serve Qwen
po3rin
2
430
[RSJ26] NarrativeFlow: Flow-Based Vision-Language-Action Model Using Robot Velocity Fields
keio_smilab
PRO
0
150
DGX Sparkを2台使って いろいろ動かす話
sonoda_mj
1
130
リージョンの壁を越える、 ちょっと変わったAWSサービスの話
falken
PRO
0
210
Claude Codeで開発以外の業務も爆速化しよう!
minorun365
PRO
12
9.6k
JAWS-UG初心者支部#88わいわい初心塾(夏休みの宿題やったかGit編)
otsuki
0
120
設計の世代交代を乗り越える、14年続くAndroidアプリの開発戦略
sansantech
PRO
1
120
推論の観測、できていますか? 〜 Google Cloud Gemini Enterprise Agent Platformで 3つの Gemini モデルを実測して踏んだ、評価の罠 〜
shukob
PRO
0
140
Benchmarking Vector Databases: pgvector vs. LanceDB
tsho
0
140
Hub & Spoke 環境のネットワークルーティングを分解してみる
tsuyataku
1
520
[RSJ26] Building a VLA Model Based on Self-Distilled Classification
keio_smilab
PRO
0
190
Featured
See All Featured
Design of three-dimensional binary manipulators for pick-and-place task avoiding obstacles (IECON2024)
konakalab
0
570
Making the Leap to Tech Lead
cromwellryan
135
10k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
Design in an AI World
tapps
1
300
We Are The Robots
honzajavorek
0
330
Winning Ecommerce Organic Search in an AI Era - #searchnstuff2025
aleyda
1
2.1k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
232
55k
Introduction to Domain-Driven Design and Collaborative software design
baasie
1
970
Skip the Path - Find Your Career Trail
mkilby
1
220
Abbi's Birthday
coloredviolet
3
9.7k
Measuring & Analyzing Core Web Vitals
bluesmoon
9
990
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
1
2.7k
Transcript
レンゴウガクシュウってご存知ですか? はしもとまさひこ @第7回東海医療DX研究会
自己紹介 Name: はしもとまさひこ(鹿さん) @shikanotsukimi • • • • • 東海道らぐ
(Tokaido LinuxUesrGruop) OSC名古屋の中の人 日本openSUSEユーザ会 なんとなくかな漢字変換を実装してる人 一応本業もAI屋さん。←某研究所でお仕事してる人 ※今日はこの話 そういえば最近「物理文芸部の活動報告」って小説を書いてたような書いてないような?? 2/16
そういえばOSC名古屋ってなんだっけ? オープンソースカンファレンス名古屋の略。 来年も5月に開催予定! ※スタッフ絶賛募集中〜 場所は毎年 吹上ホール です! 3/16
今日のお話 連合学習ってご存知ですか? 4/16
連合学習とは?(こんなやつ?) 某研究所に 作らされた 動画です! 5/16
もう少しわかりやすく? 彼女たちはネット ワークで繋がって いるため高確率で あいこになる ……らしい 著作権に抵触しないよう とある画像をAIに 修正させました(ぉぃ) 6/16
で。結局、連合学習って? 連合学習 従来のAI開発 拠点A 拠点B 拠点A 1001011 0101 100101 10101
100101 10101 100101 10101 中央サーバー 中央サーバー 100101 10101 100101 10101 拠点B 100101 10101 100101 10101 データを サーバーに送る 100101 10101 100101 10101 1001011 0101 拠点C 拠点D モデルパラメータを サーバーに送る 100101 10101 拠点C 拠点D 7/16
どんな利点がある? 拠点A 機密データなどを外に出すことなく AIを学習させることができる 10010110 101 拠点B 1001011 0101 中央サーバー
サーバーに集めるのは AIのモデルパラメータのみ 10010110 101 データは外に出さない 1001011 0101 拠点C 拠点D 8/16
連合学習の仕組み ① 自クライアントのみの学習データを用いて クライアントが学習を実施 拠点B 拠点A 100101101 01 10010110 101
② 学習結果となるAIパラメータをサーバーへ送信 サーバーはそれを集約する ③ 各クライアントから集められたAIパラメータを 集約(具体的には平均化)する ④ 集約されたAIパラメータを 各クライアントへ配信する 以降、①へ戻る ① ② 100101101 01 ③ 中央サーバー ④ 10010110 101 拠点C 拠点D 9/16
こんな仕組みも使えます! 拠点B 拠点A AIモデルから学習に使用したデータを復元する モデル反転攻撃の存在 100101101 01 1001011 0101 差分プライバシー(Differential
Privacy): ⇒送信するAIパラメータにノイズを加算することで 元の学習データを復元しにくくする AIパラメータ ノイズ 加算して サーバーへ送信 より強固にデータを守る! 1001011 0101 ① ② ③ 中央サーバー ④ 1001011010 1 復元不可 1001011 0101 拠点D 拠点C ここにノイズ を加算 10/16
こんなことできます!(たぶん) ①医療画像解析(?) ②インフォームド・コンセント(??) ③……を掛け合わせたみたいなやつ(???) 何を言ってるんだ!? と思われるかもしれませんが 一つ一つ説明していきます(^^;; 11/16
①医療画像解析 世界各地の病院の医療画 像をネットワークで繋い で学習させてるデモ (……のつもり) https://journal.ntt.co.jp/article/14508 12/16
②インフォームド・コンセント 医療従事者が患者に対し、病状や治療内容、リスクについて十分に説明し、患 者がそれを正しく理解・納得した上で、自分の意思で医療方針に同意するプロ セス(説明と同意)のこと →すみません私あまり詳しくわかってません! で、この説明をするのに 生成AI(LLM)を使って難解な医療用語をわかりやすい言葉に置き換える みたいなこともできます(たぶん) 13/16
③……を掛け合わせたようなやつ(?) 医療画像を解析して、結果を患者さんのわかりやすい言葉に 置き換えて説明する(VLMの活用) 医療画像 VLM Vision Language Model わかりやすい言葉に 置き換えた日本語文章
14/16
今日聞いてみたいこと 1.改めて、医療分野におけるAI活用って どんなものがありますか? 2.そもそもAIモデルを 再学習させる必要はありますか? 3.結局連合学習って使い道ありますか? 15/16
おまけ JDLA(日本ディープラーニング協会)向けの 動画もあるのでこちらもよろしければ。 何故やることに なったのだろう?? 16/16