在目前联邦学习的假设中，各局部模型是互相协作的，它们愿意将其知识分享给其他节点，提高系统的整体能力。我称之为协作群智。

事实上，还有另外一种可能，即模型之间是相互博弈，甚至相互对抗的。各局部模型的优化目标不同，甚至相反，因此聚合会带来对方性能的下降。

通过这种博弈和对抗，能得到系统的最差均衡，得到这种最差均衡也是有益的，而通过长期的博弈，最差均衡可以提高，系统的鲁棒性也因此提高，我称之为对抗群智。

协作群智提升系统的最优解，对抗群智提升系统的最差解，两者共同构成了完整的群智。