Dalam buku ini, kami mengkaji masalah pembuatan model AI dari data yang disimpan di banyak lokasi berbeda, dan tidak dapat dengan mudah dipindahkan ke satu lokasi. Penerapan AI dalam situasi ini memerlukan pendekatan pembelajaran gabungan. Dalam pendekatan ini, model lokal dibuat di setiap situs dari data yang ada secara lokal dan model ini dipindahkan ke server yang menggabungkan semua model lokal ke dalam satu model. Pendekatan federasi tidak perlu terbatas pada pembuatan model, namun juga dapat digunakan pada tahap inferensi, ketika model digunakan untuk pengambilan keputusan. Dalam pendekatan inferensi gabungan, keputusan dapat dibagikan ke berbagai lokasi berbeda untuk meningkatkan kualitasnya.