Ir al contenido principal

Glosario de IA Data & Retrieval

¿Qué es el aprendizaje federado?

Aprendizaje federado (Federated Learning)

← Todos los términos del glosario
En pocas palabras

Forma de entrenar un modelo común entre muchos dispositivos u organizaciones dejando los datos donde están y compartiendo solo actualizaciones del modelo.

Explicación

El aprendizaje federado entrena un modelo de aprendizaje automático entre muchos poseedores de datos separados, como móviles, hospitales u oficinas bancarias, sin reunir sus datos en bruto en un solo sitio. Cada participante entrena el modelo actual con sus propios datos y devuelve solo la actualización resultante; un servidor coordinador combina esas actualizaciones en un nuevo modelo común y repite el proceso. Lo propusieron investigadores de Google, cuyo algoritmo de promediado federado sigue siendo la referencia. Encaja en sectores regulados y casos con datos sensibles en los que los datos no pueden o no deben salir de su origen.

Cómo funciona

  • Un coordinador envía el modelo actual a los participantes.
  • Cada participante lo entrena un tiempo con sus datos locales.
  • Los participantes devuelven actualizaciones del modelo, no los datos.
  • El coordinador promedia o combina de otra forma las actualizaciones en un modelo mejor.
  • El ciclo se repite hasta que el modelo es suficientemente bueno.

Dónde se usa

En dispositivos, permite que un modelo de teclado o de voz mejore con el uso que la gente hace del móvil sin subir lo que escribe o dice. Entre organizaciones, permite que hospitales, bancos o aseguradoras construyan un modelo con la experiencia de todos mientras cada uno guarda sus registros en casa.

También se usa dentro de una misma empresa cuando los datos están en distintos países o unidades de negocio con normas que impiden centralizarlos.

Límites que conviene conocer

  • Las actualizaciones pueden revelar información sobre los datos, así que el aprendizaje federado se suele combinar con agregación segura, privacidad diferencial o ambas.
  • Los datos cambian mucho de un participante a otro, lo que hace el entrenamiento más lento e inestable que con datos centralizados.
  • La comunicación y la coordinación son el coste principal, sobre todo con muchos dispositivos.
  • Los participantes necesitan datos y capacidad de cómputo suficientes, y un acuerdo de gobierno: de quién es el modelo, quién puede usarlo y cómo se controla su calidad.

Preguntas frecuentes

¿Qué es el aprendizaje federado en pocas palabras?

En lugar de llevar los datos al modelo, llevas el modelo a los datos. Cada participante mejora el modelo en local y solo se comparten y combinan las mejoras.

¿El aprendizaje federado es seguro y privado?

Reduce el riesgo porque los datos en bruto se quedan en origen, pero por sí solo no garantiza la privacidad: las actualizaciones del modelo pueden revelar información. Se suele acompañar de técnicas como la agregación segura y la privacidad diferencial, además de los controles de seguridad normales.

¿Qué es un ejemplo de aprendizaje federado?

Los teclados de móvil que aprenden mejores sugerencias de palabras a partir de cómo escriben muchos usuarios, sin que el texto salga de cada teléfono. En sanidad, varios hospitales que entrenan juntos un modelo de diagnóstico sin compartir historiales de pacientes.

¿El aprendizaje federado ayuda a cumplir el RGPD?

Puede ayudar con la minimización de datos, porque los datos personales no se centralizan. No elimina obligaciones: en algunos casos las actualizaciones pueden seguir siendo datos personales, y hace falta igualmente una evaluación jurídica y de privacidad.

¿Qué diferencia hay entre aprendizaje federado y entrenamiento distribuido?

El entrenamiento distribuido reparte un trabajo entre máquinas de un mismo centro de datos, con datos que la organización controla y puede mover. El aprendizaje federado trabaja con participantes que conservan sus propios datos, a menudo en dispositivos poco fiables o entre organizaciones distintas.

Dónde aparece en Thinkia

Para seguir leyendo

Fuentes

Actualizado: 2026-10-21

¿Quieres ver cómo se aplica en tu organización?

Habla con un experto en IA