Hoe AI leert zonder je data te delen
Bij federated learning blijven je gegevens op je telefoon en gaat alleen het getrainde model heen en weer. Hoe werkt dat, en waar wringt het?

Bij gewone AI-training worden gegevens verzameld op één server, waar het model er vervolgens op leert. Bij federated learning blijven de gegevens op het apparaat staan en gaat alleen het model zelf heen en weer.
Hoe de training werkt
De centrale server stuurt een startmodel naar een groot aantal apparaten. Elk apparaat past dat model aan met zijn eigen lokale gegevens. Daarna stuurt het alleen de wijzigingen terug, de zogenaamde gradiënten of gewichten, niet de gegevens zelf. De server middelt die updates tot één nieuw globaal model. Dat proces herhaalt zich in rondes tot het model goed genoeg is.
Het bekendste algoritme hiervoor, FedAvg, werd in 2017 beschreven door onderzoekers van Google. Het middelt de updates gewogen naar het aantal lokale voorbeelden per apparaat.
Het toetsenbord op je telefoon
Het duidelijkste voorbeeld is de woordvoorspelling op Android-toetsenborden. Wat je typt is persoonlijk: berichten, zoekopdrachten, namen. Als elke toetsaanslag naar een server zou gaan om het model te verbeteren, is dat een groot privacyrisico. Met federated learning traint het toestel zelf op wat je typt, en gaat alleen de verbetering van het model de deur uit. Iedereen profiteert daarna van de gezamenlijke kennis, zonder dat iemands woorden worden opgeslagen.
Google gebruikt die aanpak voor het Gboard-toetsenbord. Het trainen gebeurt meestal wanneer het toestel is opgeladen, niet gebruikt wordt en op wifi zit. Zo blijft de impact op batterij en dataverbruik beperkt.
Privacy en nauwkeurigheid zijn geen gratis
Federated learning is niet automatisch privé. Ook de modelupdates kunnen iets verraden over de lokale gegevens. Daarom voegt men vaak differential privacy toe: er wordt gecontroleerde ruis aan de updates toegevoegd, zodat de bijdrage van één gebruiker niet meer terug te herleiden is. Die ruis kost nauwkeurigheid, dus de ontwerper moet een afweging maken.
Een tweede probleem is dat de data per apparaat sterk verschillen. Iemand typt Nederlands, een ander Frans, een derde vooral emoji. Zulke ongelijke verdelingen maken het model trager om te convergeren en kunnen het scheef laten trainen op de patronen van de meest actieve gebruikers. Daar komt de beperkte bandbreedte bij: duizenden updates per ronde vragen om efficiënte communicatie, en niet elk toestel is altijd beschikbaar.






