El objetivo principal de este documento es analizar la investigación influyente de las tecnologías de aprendizaje distribuido que desempeñan un papel clave en el mundo 6G. La próxima tecnología 6G se espera que cree una red de comunicación inalámbrica inteligente, altamente escalable, dinámica y programable capaz de servir a muchos dispositivos inalámbricos heterogéneos. Se espera que se implementen varias técnicas de aprendizaje automático (ML) en la inteligente red inalámbrica 6G que proporcionen soluciones a problemas de redes altamente complejos. Para lograr esto, se espera que varios nodos y dispositivos 6G generen toneladas de datos a través de sensores externos, y se necesitará un análisis de datos. Con datos masivos y distribuidos, y diversas innovaciones en hardware informático, se espera que las técnicas de ML distribuido desempeñen un papel importante en 6G. Aunque tienen varias ventajas sobre las técnicas de ML centralizadas, implementar los algoritmos de ML distribuido en entornos inalámbricos con recursos limitados puede ser un desafío. Por lo tanto, es importante seleccionar un algoritmo de ML adecuado basado en las características del entorno inalámbrico y los requisitos de recursos del proceso de aprendizaje. En este trabajo, analizamos las técnicas de ML distribuido recientemente introducidas con sus características y posibles beneficios al centrar nuestra atención en los documentos más influyentes en el área. Finalmente, ofrecemos nuestra perspectiva sobre los principales desafíos y ventajas para las redes de telecomunicaciones, junto con los principales escenarios que podrían acontecer.