En el aprendizaje federado, en lugar de enviar los datos de cada usuario a un servidor central para entrenar un modelo, el entrenamiento ocurre localmente en cada dispositivo, y solo se envían al servidor las actualizaciones resultantes de los parámetros del modelo, que luego se combinan entre todos los dispositivos participantes.
Por qué es relevante para la privacidad
Permite mejorar un modelo con datos sensibles (como el uso del teclado en un teléfono) sin que esa información personal salga nunca del dispositivo del usuario, ofreciendo un equilibrio entre la utilidad de entrenar con datos reales y variados y la protección de la privacidad individual.