Sztuczna inteligencja zyskuje na znaczeniu w projektach sektora kosmicznego. W tych projektach rozwiązanie jest tak samo ważne jak jakość danych. Obecny potencjał rozwiązań z zakresu uczenia maszynowego pozwala na ich wykorzystanie w celu uzupełnienia lub – w niektórych przypadkach – wręcz zastąpienia klasycznych technik wykonywania zadań, takich jak przetwarzanie sygnałów czy wykrywanie nieprawidłowości. Ponadto im więcej jest dostępnych danych, tym lepszą uzyskuje się wydajność, a zatem normalnym jest fakt, że różne podmioty pracują razem nad wspólnym rozwiązaniem. Może to jednak stanowić problem pod względem prywatności, a wymiana danych pomiędzy poszczególnymi stronami nie zawsze jest możliwa.

Aby stawić czoła temu problemowi, Juan Miguel Auñón, Analityk Danych w GMV, zaprezentował na spotkaniu „Big Data from Space 2021 (BIDS21)” rozwiązanie uTile PET, służące do wspólnego opracowywania algorytmów sztucznej inteligencji bez naruszania prywatności którejkolwiek ze stron. Podczas swojego wystąpienia przedstawił on również jako przykład secure k-means – algorytm klastrowania, który umożliwia organizacjom współpracę w celu uzyskania wspólnych korzyści, chroniąc przy tym przez cały czas ich prywatność.

uTile PET to rozwiązanie opracowane przez firmę GMV, które pozwala wykorzystać poufne i prywatne dane do doskonalenia algorytmów oraz modeli analitycznych uczenia maszynowego, spełniając przy tym w każdym momencie wymogi organizacji, a także gwarantując prywatność danych oraz zgodność z obowiązującymi przepisami. Dzięki tej technologii nie musimy wybierać między prywatnością danych a możliwością ich zastosowania, ponieważ technologia ta opiera się na zaawansowanych metodach kryptograficznych, umożliwiających szyfrowanie danych podczas niezbędnego ich przetwarzania. Tym sposobem uTile PET pozwala na to, aby wrażliwe dane organizacji nigdy nie były ujawniane ani przesyłane między różnymi działami, organizacjami czy krajami.