现代移动设备可以访问大量适合学习模型的数据，这反过来又可以极大地改善设备上的用户体验。例如，语言模型可以提高语音识别和文本输入，图像模型可以自动选择好的照片。然而，这种丰富的数据通常是隐私敏感的，数量大，或者两者兼备，这可能会妨碍使用常规方法登录到数据中心并在那里进行培训。我们提倡将训练数据分布在移动设备上，并通过聚合本地计算的更新来学习共享模型。我们称这种分散的方法为联合学习。