Inteligencia Artificial
Qué es Aprendizaje Federado
Aprendizaje distribuido sin transferencia de datos
Aprendizaje Federado — enfoque de aprendizaje automático donde el modelo se entrena en datos distribuidos sin centralización, preservando la privacidad.
Cómo funciona
- Entrenamiento local — el modelo entrena en dispositivos de usuarios
- Agregación de gradientes — solo los parámetros del modelo se envían al servidor
- Actualización del modelo — el modelo global se actualiza sin acceso a datos
- Promediado federado — algoritmo FedAvg para fusión de pesos
- Privacidad diferencial — añadir ruido para protección
Ventajas
- Privacidad de datos — los datos nunca abandonan el dispositivo
- Cumplimiento GDPR — sin transferencia de datos personales
- Uso de datos distribuidos — acceso a grandes volúmenes
- Latencia reducida — procesamiento local
- Menor carga de red — solo se transfieren parámetros
Aplicaciones
- Teclados de smartphones — entrenamiento de entrada predictiva
- Salud — análisis de datos de diferentes clínicas
- Finanzas — modelos conjuntos sin divulgación de datos
- IoT — entrenamiento en dispositivos periféricos
- Vehículos — mejorar el autopiloto sin transferencia de video