El Aprendizaje por Refuerzo Federado combina dos conceptos emocionantes: aprendizaje por refuerzo y aprendizaje federado.
El aprendizaje por refuerzo significa que un ordenador aprende a tomar decisiones aprendiendo de recompensas y castigos.
El aprendizaje federado permite que varios ordenadores aprendan juntos sin compartir sus datos.
En el Aprendizaje por Refuerzo Federado, muchos dispositivos o agentes trabajan juntos para aprender mejor sin intercambiar datos privados.
Así, los sistemas inteligentes pueden entrenarse de forma segura y respetuosa con la privacidad en diferentes áreas, por ejemplo, en robots, vehículos autónomos o dispositivos de hogar inteligente.