El aprendizaje federado

El aprendizaje federado (también llamado aprendizaje colaborativo) es una técnica de aprendizaje automático que entrena un algoritmo, a través de una arquitectura descentralizada formada por múltiples dispositivos, los cuales contienen sus propios datos locales y privados.

Este enfoque, creado por Google en 2017, contrasta con las técnicas tradicionales de aprendizaje automático centralizado y de enfoques descentralizados clásicos. El aprendizaje federado es una herramienta muy potente en los sectores médico, de defensa, telecomunicaciones, Internet de las cosas o farmacia, entre muchos otros campos.

Tiene como objetivo entrenar un algoritmo de aprendizaje automático, por ejemplo, redes neuronales profundas.

El principio general de ese aprendizaje consiste en entrenar modelos locales sobre muestras de datos también locales, e intercambiar con cierta frecuencia parámetros entre esos nodos locales, para generar un modelo global compartido por todos los nodos.

La principal diferencia entre el aprendizaje federado y el distribuido radica en los supuestos que se hacen sobre las propiedades de los conjuntos de datos locales. Mientras que el distribuido tiene como objetivo original paralelizar la potencia de cálculo, el federado tiene como fin el entrenamiento en conjuntos de datos heterogéneos. El aprendizaje federado puede ser poco fiable, pues está sujeto a fallos o abandonos.

La principal ventaja del aprendizaje federado descentralizado es la privacidad de los datos, ya que los modelos locales se añaden a la red y ayudan a un modelo general; pero al no tener que compartir los datos directamente, se garantiza la confidencialidad de cada uno de los nodos y sus datos. Pero también tiene desventajas, ya que depende de la capacidad del dispositivo local para ser entrenado.

Cuando el aprendizaje federado se creó, no se sabía en qué proyectos reales en desarrollo se podía aplicar. Actualmente, se conoce el potencial de ese tipo de aprendizaje y se utiliza, principalmente, en tres áreas: en Transporte, en la conducción autónoma; en la Industria 4.0, en la fabricación Inteligente; y en la Medicina.