¿Qué es el aprendizaje federado?

Aprendizaje federado: aprendizaje automático colaborativo sin datos de entrenamiento centralizados. El aprendizaje federado permite que los teléfonos móviles aprendan en colaboración un modelo de predicción compartido mientras mantienen todos los datos de entrenamiento en el dispositivo, desacoplando la capacidad de hacer aprendizaje automático de la necesidad de almacenar los datos en la nube. Esto va más allá del uso de modelos locales que hacen predicciones en dispositivos móviles (como la API de Mobile Vision y la respuesta inteligente en el dispositivo) al brindar capacitación en modelos al dispositivo también.

El aprendizaje automático federado es un intento de hacer que su teléfono sea inteligente por sí mismo mediante la capacitación del modelo predictivo en el propio dispositivo, a diferencia del enfoque estándar, que requiere que los datos de capacitación se centralicen en un servidor o centro de datos. Es un intento de hacer que el aprendizaje automático sea más rápido, más inteligente y consuma menos energía.

¿Cómo funciona el aprendizaje federado?

En el aprendizaje federado, su teléfono descarga el modelo actual, lo mejora aprendiendo de los datos de su teléfono y luego resume los cambios como una pequeña actualización enfocada. Solo esta actualización del modelo se envía a la nube, mediante comunicación cifrada, donde se promedia inmediatamente con otras actualizaciones de usuarios para mejorar el modelo compartido. Todos los datos de entrenamiento permanecen en su dispositivo y no se almacenan actualizaciones individuales en la nube.

Limitaciones del enfoque de aprendizaje federado

Al igual que en el aprendizaje federado, los datos de entrenamiento se almacenan en el teléfono, hay una limitación en la cantidad de problemas de aprendizaje automático que puede resolver. Problemas como el reconocimiento facial, el reconocimiento de la raza del perro, los filtros de spam de gmail requieren capacitación en un gran conjunto de datos que no es factible por teléfono. Por lo tanto, el aprendizaje federado no es aplicable a estos problemas.