Google ha sviluppato un modo per far diventare Gboard ancora più intelligente col passare del tempo

Google ha appena pubblicato un interessante articolo sul Federated Learning, un nuovo metodo per migliorare i suggerimenti offerti, ad esempio, da una tastiera virtuale come Gboard. Il funzionamento, in breve, è il seguente: il dispositivo scarica dal cloud l'attuale modello di predizione e lo migliora in base ai dati raccolti sullo smartphone, riassumendo poi i cambiamenti da apportare al modello, e caricando solo questi ultimi sul server (ovviamente con connessione sicura). L'aggiornamento così ricevuto viene "pesato" in base a quelli ricevuti dagli altri dispositivi, in modo da migliorare il modello generale. Tutti i dati di addestramento rimangono sul dispositivo dell'utente.

Al momento il Federated Learning è in test proprio su Gboard per Android, che al momento conta oltre mezzo miliardo di download. Quando Gboard mostra un suggerimento, lo smartphone memorizza informazioni sul contesto attuale e sul fatto che il suggerimento sia stato usato o meno. Il Federated Learning elabora questo storico di interazioni sul dispositivo e sulla base di esso suggerisce delle modifiche da apportare alla futura iterazione del modello di predizione di Gboard.

L'idea è affascinante e fa leva sul machine learning sul quale Google sta sempre più insistendo nel corso degli anni. È importante specificare, per dovere di privacy, che nessun aggiornamento per uno specifico utente viene memorizzato nel cloud di Google, e che sono tutti dati anonimi, volti a migliorare l'algoritmo di Gboard in generale, e non le predizioni personalizzare per il singolo utente (anche se, ovviamente, da un miglioramento generico trarranno tutti beneficio). Chiariamo infine che il training avviene solo con il dispositivo in idle, collegato all'alimentatore, e su rete Wi-Fi, quindi non ci saranno impatti su performance e autonomia. Maggiori informazioni sul blog di Google.