GMV presenta el cas d’èxit d’uTile al I Congrés d’IA de la Junta d’Andalusia

L’obtenció i l’intercanvi de les dades necessàries per entrenar models capaços d’oferir informació de valor a través de la IA i l’aprenentatge automàtic impliquen desafiaments significatius, derivats tant de l’enorme volum d’informació de qualitat necessària com de l’obligació de garantir-ne la seguretat. Els propietaris de les dades -entitats governamentals, empreses privades o institucions de recerca- han de garantir la seva privacitat, seguretat i sobirania, i assumir que compartir certa informació pot plantejar riscos considerables i que, en la majoria dels casos, hi ha restriccions legals o polítiques que limiten la compartició de dades.

Com va explicar Pablo González, especialista en intel·ligència artificial de GMV, a la xerrada TED que va oferir al I Congrés d’IA de la Junta d’Andalusia: “Hem desenvolupat uTile, una eina basada en les tecnologies PET (Privacy-enhancing technologies o tecnologies de millora de la privacitat) que resol el desafiament de treballar amb grans volums de dades i garantir-ne la privacitat i govern, mitjançant un enfocament d’aprenentatge federat aplicable a qualsevol sector d’activitat”.

En aquest esquema, el procés d’entrenament del model es fa de manera distribuïda entre els desenvolupadors de models i els propietaris de les dades. Cada part entrena una porció del model en el seu entorn local, sense necessitat de compartir directament les dades brutes. Després, aquestes parts col·laboren per combinar les seves contribucions i construir un model d’intel·ligència artificial complet i precís.

Cas d’èxit d’observació de la Terra.

González va compartir el cas d’èxit amb què es va començar el desenvolupament de l’eina de GMV uTile: l’observació de la Terra aplicant tecnologia digital, en resposta a un repte de l’Agència Espacial Europea. Com va explicar, l’aprenentatge federat proporciona una solució efectiva per preservar la privacitat i la seguretat de les dades mentre s’aprofiten per entrenar models avançats. En aquest cas, l’eina de GMV permet analitzar l’evolució de les collites, el risc d’incendis o inundacions o l’estat de les carreteres en facilitar que els creadors de programes i els propietaris de fotos fetes des de satèl·lits col·laborin sense haver de compartir les seves dades, cadascú entrena una part del programa al seu ordinador, i després ajunten les parts per tenir un programa complet. Així, ningú no veu ni envia les dades de l’altre, i tothom hi surt guanyant.