เปรียบเทียบวิธี

	การเรียนรู้แบบรวมศูนย์ที่กำกับดูแลตนเอง	การเรียนรู้แบบกำกับดูแลตนเอง
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2021–2022	2018–2020
ผู้ริเริ่ม	McMahan et al. (federated); Zhuang et al. and others (federated SSL combination)	LeCun, Y. and community (formalized ~2018–2020)
ประเภท	Federated self-supervised pretraining paradigm	Representation learning paradigm
แหล่งต้นตำรับ	Zhuang, W., Wen, Y., & Zhang, S. (2021). Divergence-aware Federated Self-Supervised Learning. In International Conference on Learning Representations (ICLR 2022).	LeCun, Y. & Misra, I. (2022). Self-supervised learning: The dark matter of intelligence. Meta AI Blog. https://ai.facebook.com/blog/self-supervised-learning-the-dark-matter-of-intelligence/
ชื่อเรียกอื่น	FedSSL, Federated Self-supervised Learning, Federated Contrastive Learning, Self-supervised Federated Pretraining	SSL, self-supervised pre-training, pretext-task learning, unsupervised representation learning
ที่เกี่ยวข้อง	5	3
สรุป	Self-supervised Federated Learning combines federated training — where data never leaves local devices — with self-supervised pretext tasks such as contrastive learning or masked prediction. Clients learn general-purpose representations from their own unlabeled data and share only model updates, not raw data, with a central server that aggregates them into a global encoder.	Self-supervised learning (SSL) is a machine-learning paradigm that generates its own supervisory signal directly from unlabeled data by defining an auxiliary pretext task — such as predicting masked words, rotating images, or contrasting augmented views — and uses the learned representations as a powerful starting point for downstream tasks with minimal labeled examples.