{"id":45258,"date":"2024-08-07T09:50:42","date_gmt":"2024-08-07T07:50:42","guid":{"rendered":"https:\/\/www.techopedia.com\/es\/?p=45258"},"modified":"2024-08-07T09:56:46","modified_gmt":"2024-08-07T07:56:46","slug":"aprendizaje-federado","status":"publish","type":"post","link":"https:\/\/www.techopedia.com\/es\/aprendizaje-federado","title":{"rendered":"Por qu\u00e9 los LLM “locales” en tus propios dispositivos pueden ser la pr\u00f3xima gran novedad"},"content":{"rendered":"

La llegada de los Grandes Modelos Ling\u00fc\u00edsticos (LLM)<\/a> ha marcado un cambio en varios sectores, sobre todo con modelos como ChatGPT<\/a>, que muestran capacidades ling\u00fc\u00edsticas avanzadas y a\u00f1aden nuevas funciones.<\/p>\n

Una caracter\u00edstica emergente, el Aprendizaje Federado (FL), se perfila como el pr\u00f3ximo cambio potencial del juego<\/strong>, al permitir el entrenamiento de modelos a trav\u00e9s de dispositivos descentralizados o servidores que contienen muestras de datos locales.<\/p>\n

A diferencia de centralizar todos los datos, el FL entrena los modelos directamente en los dispositivos locales, enviando s\u00f3lo las actualizaciones del modelo a un servidor central para su agregaci\u00f3n.<\/p>\n

Puedes ver ad\u00f3nde va esto: una versi\u00f3n extremadamente eficiente en tu tel\u00e9fono u ordenador<\/strong>, pero que sigue contribuyendo a la evoluci\u00f3n de los chatbots y tiene efectos generalmente favorables sobre la privacidad, la seguridad de los datos, los recursos computacionales y la escalabilidad.<\/p>\n

\n
\n
\n
\n \n <\/i>\n <\/button>\n \n Resumen\n <\/span>\n Resumen<\/span>\n <\/div>\n \n
    \n
  1. \n
  2. \n
  3. \n
  4. \n
  5. \n
    \n El resultado final<\/a>\n <\/div>\n <\/li>\n <\/ol>\n
    <\/div>\n
    \n