Los participantes calculan actualizaciones locales y el coordinador construye un modelo compartido
El aprendizaje federado es una forma de entrenar un modelo con datos repartidos entre dispositivos u organizaciones sin copiar necesariamente esos datos a un repositorio central. Un servidor envía un modelo inicial; participantes seleccionados lo ajustan con ejemplos locales y devuelven actualizaciones. El servidor las agrega y comienza otra ronda. Lo que circula son parámetros, gradientes u otros resúmenes, aunque el diseño exacto cambia según móviles, hospitales o empresas. El reto no es solo distribuir cálculo, sino coordinar datos que nunca fueron iguales.
No debe confundirse con usar un modelo ya entrenado en el dispositivo. La inferencia local solo calcula una respuesta; el aprendizaje federado modifica el modelo a partir de muchos participantes. Tampoco exige una red sin servidor: la arquitectura más común tiene un coordinador central. Forma parte de el aprendizaje automático, pero añade restricciones de comunicación, disponibilidad y gobierno que no aparecen en un conjunto de datos centralizado.
Promediar modelos locales reduce comunicaciones, pero no equivale a mezclar conjuntos de datos
Federated Averaging, o FedAvg, elige una fracción de clientes, les permite realizar varios pasos de optimización y combina sus parámetros ponderando normalmente por cantidad de ejemplos. Hacer más cálculo local reduce rondas de red, una ventaja importante cuando millones de teléfonos se conectan de forma intermitente. Sin embargo, demasiados pasos pueden hacer que cada modelo se desvíe hacia su distribución particular y dificultar la convergencia global.
Los clientes no son copias idénticas. Un teclado recibe idiomas y hábitos distintos; un hospital atiende poblaciones diferentes. Estos datos no independientes e idénticamente distribuidos, o no IID, vuelven engañoso un promedio simple. Además, algunos dispositivos tienen poca batería, redes lentas o versiones diferentes. El sistema debe decidir quién participa, cuánto pesa cada actualización y cómo evaluar grupos que podrían quedar peor representados pese a mejorar la media.
Dispositivos, organizaciones y datos partidos requieren protocolos diferentes
Se suele distinguir entre federación entre dispositivos y entre organizaciones. En la primera participan muchísimos clientes poco fiables, con pocos datos cada uno y sin identidad estable; en la segunda hay pocos centros, más cálculo y acuerdos legales duraderos. También existe partición vertical, donde entidades tienen variables distintas sobre algunas personas, frente a la horizontal, donde comparten variables pero no registros. Cada escenario exige protocolos y amenazas diferentes; no existe un FedAvg universal que resuelva todos.
Mantener datos locales reduce exposición, pero una actualización también puede revelar información
No enviar registros brutos elimina una vía de fuga, pero no demuestra privacidad por sí solo. Gradientes y parámetros pueden conservar señales sobre ejemplos de entrenamiento, y un coordinador malicioso podría diseñar consultas para extraerlas. La agregación segura permite conocer la suma de muchas contribuciones sin leer cada una por separado. La privacidad diferencial añade ruido calibrado y cuantifica una pérdida de privacidad, a cambio de precisión.
También existen ataques de envenenamiento: un participante envía una actualización manipulada para degradar el modelo o insertar un comportamiento oculto. Filtrar valores extremos ayuda en algunos casos, pero puede excluir legítimamente poblaciones distintas. Autenticación, límites de contribución, auditoría y agregación robusta forman parte de la ciberseguridad del sistema. Ninguna técnica aislada resuelve a la vez confidencialidad, integridad, equidad y utilidad.
El cuello de botella suele ser mover modelos grandes por redes y dispositivos heterogéneos
Un entrenamiento puede requerir cientos de rondas y cada modelo contener millones de parámetros. Comprimir actualizaciones, cuantizarlas o enviar solo cambios seleccionados reduce ancho de banda, pero introduce error. Los móviles participan normalmente cuando cargan, tienen conexión adecuada y están inactivos. Esa selección protege experiencia de usuario, aunque crea sesgo: quienes nunca cumplen las condiciones aportan menos datos al modelo compartido.
En instituciones, el problema cambia. Cada hospital o banco puede disponer de servidores estables, pero utiliza formatos, etiquetas y protocolos distintos. Antes de entrenar hay que acordar definición de variables, objetivo, evaluación y responsabilidad. El aprendizaje federado no corrige datos mal medidos ni incompatibles. A veces compartir un conjunto anonimizado y bien gobernado resulta más sencillo; otras veces la ley, el volumen o la sensibilidad justifican el coste federado.
Un modelo global tampoco tiene que ser idéntico para todos. La personalización ajusta capas o parámetros locales después de aprender patrones comunes, y puede mejorar poblaciones con lenguaje, sensores o enfermedades distintas. Sin embargo, adaptar demasiado borra beneficios compartidos y dificulta evaluar equidad. Otra cuestión es eliminar la contribución de un participante que retira consentimiento: el desaprendizaje federado intenta reducir su influencia sin repetir todo el entrenamiento, pero demostrar que una huella desapareció sigue siendo un problema activo.
La precisión global no basta: hay que medir grupos, rondas, fallos y ataques
Una evaluación seria compara el sistema con alternativas centralizadas y locales, mide comunicación total, energía, tiempo, estabilidad y rendimiento por participante. Debe usar datos que no entraron en entrenamiento y simular desconexiones y distribuciones distintas. Si el modelo mejora mucho a clientes frecuentes y empeora a una minoría, la media oculta un problema. También conviene probar cuánto resiste a contribuciones corruptas y qué garantía de privacidad ofrece realmente.
El valor del enfoque no es que los datos «nunca salgan» como eslogan, sino que permite diseñar flujos donde la información sensible permanece más cerca de su origen. Esa arquitectura puede reducir riesgos y abrir colaboraciones antes imposibles, pero crea otros nuevos. Comprender las rondas, la agregación y los límites evita presentar el aprendizaje federado como anonimato automático: es una herramienta de ingeniería cuyo resultado depende de protocolo, amenazas y evidencia.
