El siguiente paso del machine learning: aprendizaje desde el móvil

Google está probando una nueva aproximación en la recogida de datos procedentes de la interacción de los usuarios con sus dispositivos móviles que ha denominado «federated learning» (aprendizaje federado), una forma de aprendizaje automático colaborativo sin un centro de datos centralizado.

El nuevo sistema de Google aprende de forma colaborativa, es decir, los distintos móviles comparten un modelo predictivo que mejora al usar los datos del terminar para aprender. El sistema, posteriormente, resume de este aprendizaje en una «pequeña actualización enfocada», explican Brendan McMahan y Daniel Ramage, miembros de Google Research, división de investigación de la compañía, en un comunicado.

Lo único que se envía es esta pequeña actualización a la nube donde no se almacena, pero se encuentra con otras pequeñas actualizaciones procedentes de otros dispositivos que, en conjunto, mejoran el modelo que comparten.

Al no tener que pasar por los servidores de la compañía, el propio teléfono tiene la capacidad de implementar las mejoras con una latencia entre 10 y 100 veces menor, sin necesidad de recibir una actualización de Android para ello. Además, su funcionamiento no implicaría un mayor consumo de energía, sino que incluso lo reduciría.

Federated Learning propicia que la mayor parte de los datos no salgan del terminal, por lo que contribuye a la privacidad. No obstante, una parte de los datos recogidos por el sistema sí que es enviada a Google a través de la Nube, aunque solamente un «resumen de los cambios», que se transmiten como si se tratase de pequeñas actualizaciones, y mediante una comunicación encriptada. Hoy en día, el sistema está aún en pruebas por parte de Google a través de Gboard, el teclado de Android, que incluye una pequeña versión de la biblioteca abierta TensorFlow con Federated Learning.