El mundo de la inteligencia artificial ha entrado, para quedarse, en la vida de todos. Desde empresas hasta particulares, a todos nos toca en mayor o menor grado esta nueva tecnología que ha revolucionado desde la investigación hasta la seguridad. Dentro de ella hay numerosas variantes y variables. Una de ellas, y que hoy vamos a conocer un poco mejor, es la del aprendizaje federado.
¿Qué es el aprendizaje federado?
El aprendizaje federado se enmarca dentro de lo que conocemos como machine learning, esto es, modelos de aprendizaje automático. Pero, a diferencia del aprendizaje centralizado, el federado desvincula los datos que se utilizan de los que comprometen la privacidad o la seguridad de las personas.
Pongamos un ejemplo: nuestro móvil tiene un corrector que podemos activar cuando tecleamos, de manera que nos corrige palabras o expresiones cuando estas están mal escritas. Pero ese corrector va aprendiendo de lo que nosotros redactamos: predice palabras que usamos con más frecuencia e incluso algunas de nuestra invención. Es decir, aprende de nosotros y suma ese conocimiento al que el dispositivo traía de serie. Esto es un buen ejemplo de aprendizaje federado.
Tipos de aprendizaje federado
Existen, en esencia, dos tipos principales de aprendizaje federado: el horizontal y el vertical.
En el aprendizaje horizontal, distintas organizaciones de tipo similar colaboran recopilando grupos de datos parecidos entre sí para ampliar este conjunto y enriquecerlo. El ejemplo de los dispositivos móviles a los que cada usuario entrena estaría dentro de este tipo. Los datos se recogen y se hace una media de los distintos modelos.
Sin embargo, en el aprendizaje vertical cada conjunto o silo de datos aporta información diferente; sin embargo, la puesta en común de toda esta información, la traslación de estos datos de características diferentes a un mismo nodo, puede tener múltiples aplicaciones. Imaginemos, por ejemplo, un individuo sometido a distintas pruebas médicas en distintos centros médicos. Unas revelarán el estado de salud de su cerebro; otras, de su corazón; otras, de su salud mental, etcétera. Bien, cruzar esos datos para obtener información relevante sobre él es algo que puede resolver el aprendizaje federado vertical.
Aplicaciones
El aprendizaje federado, a pesar de su poco tiempo de vida, ya se aplica en diferentes campos:
- La conducción autónoma. Esta tecnología, aún en pruebas, necesita de una enormidad de datos que el aprendizaje federado podría manejar sin poner en riesgo la seguridad ni la privacidad de nadie.
- Medicina. Es, seguramente, el campo en el que más está prosperando este tipo de aprendizaje. Manejar las enormes bases de datos de centros hospitalarios sin comprometer la privacidad de sus pacientes pasa, necesariamente, por un sistema como este.
- Industria. En este sector el aprendizaje automático es fundamental para garantizar la eficacia y seguridad en los procesos de producción. Descentralizar estos datos es imprescindible para no atentar contra la seguridad de las personas que los aportan.
Ventajas
La principal es la privacidad de esos datos, tal como asegura la propia AEPD, que se envían a una red en lugar de compartirse directamente, lo que garantiza la confidencialidad de los mismos. Hay quienes ponen el acento en que los tiempos de entrenamiento son mayores que con el aprendizaje centralizado; sin embargo, y debido a que los dispositivos cada vez tienen mayor y mejor capacidad de ejecutar los algoritmos de aprendizaje, estos tiempos se van reduciendo.
