現代移動設備可以訪問大量適合學習模型的數據，這反過來又可以極大地改善設備上的用戶體驗。例如，語言模型可以提高語音識別和文本輸入，圖像模型可以自動選擇好的照片。然而，這種豐富的數據通常是隱私敏感的，數量大，或者兩者兼備，這可能會妨礙使用常規方法登錄到數據中心并在那里進行培訓。我們提倡將訓練數據分布在移動設備上，并通過聚合本地計算的更新來學習共享模型。我們稱這種分散的方法為聯合學習。