Inteligência Artificial
O que é Aprendizado Federado
Aprendizado distribuído sem transferência de dados
Aprendizado Federado — abordagem de aprendizado de máquina onde o modelo é treinado em dados distribuídos sem centralização, preservando a privacidade.
Como funciona
- Treinamento local — modelo treina nos dispositivos dos usuários
- Agregação de gradientes — apenas parâmetros do modelo são enviados ao servidor
- Atualização do modelo — modelo global atualiza sem acesso aos dados
- Média federada — algoritmo FedAvg para fusão de pesos
- Privacidade diferencial — adição de ruído para proteção
Vantagens
- Privacidade de dados — dados nunca saem do dispositivo
- Conformidade LGPD — sem transferência de dados pessoais
- Uso de dados distribuídos — acesso a grandes volumes
- Latência reduzida — processamento local
- Menor carga de rede — apenas parâmetros são transferidos
Aplicações
- Teclados de smartphones — treinamento de entrada preditiva
- Saúde — análise de dados de diferentes clínicas
- Finanças — modelos conjuntos sem divulgação de dados
- IoT — treinamento em dispositivos de borda
- Veículos — melhorar autopiloto sem transferência de vídeo