田中専務
拓海先生、お時間をいただき恐縮です。部下から「フェデレーテッドラーニング（Federated Learning、FL）で公平性を改善できる論文が出ています」と言われまして、正直ピンと来ないのです。これって要するに、ウチのデータを誰にも見せずにAIを公平にする話なのでしょうか？
AIメンター拓海
素晴らしい着眼点ですね！大丈夫、一緒に整理しますよ。要点は三つです：まずFederated Learningはデータを現場に残したまま協調学習する仕組みであること、次に現場ごとのデータ差がモデル偏り（バイアス）を生むこと、最後にDBFedという手法はクライアント側で敏感属性に関する情報を明示的に扱い偏りを抑えることで、公平性を改善できる、という点です。
田中専務
敏感属性というのは、例えば性別や年齢、地域などのことでしょうか。そうすると、それを社内で明確に扱うということは、プライバシーリスクになりませんか？
AIメンター拓海
良い質問です。DBFedのポイントは、敏感属性を中央に送らずクライアント側でエンコード（符号化）する点です。つまり、性別や年齢の
