Entrenamiento descentralizado de modelos de IA en los propios dispositivos móviles de los usuarios sin que sus datos privados salgan de sus teléfonos.
Explicación y Contexto Conceptual
El Aprendizaje Federado (Federated Learning) es un paradigma revolucionario de Machine Learning inventado por investigadores de Google para entrenar modelos predictivos sobre conjuntos masivos de datos descentralizados y privados.
En el modelo clásico de IA, todos los datos personales (búsquedas, clics, compras) se transmitían a un servidor central corporativo para entrenar el algoritmo. En el aprendizaje federado, el modelo base se descarga directamente en el teléfono móvil del consumidor; el dispositivo entrena localmente el modelo con el comportamiento privado del usuario y envía únicamente las 'actualizaciones de pesos y gradientes matemáticos' de vuelta a la nube.
El servidor central agrega los gradientes de millones de teléfonos (mediante agregación segura) para mejorar el algoritmo global sin haber visto jamás un solo dato personal individual.
Ejemplo en la Práctica
Un teclado predictivo para smartphones aprende las preferencias publicitarias del usuario localmente en el móvil sin transmitir los textos que escribe a ningún servidor.