Se trata de una plataforma que, al mismo tiempo, mantiene la privacidad y permite a los usuarios compartir aprendizajes en el borde (edge) o sitios distribuidos; esto, sin comprometer la privacidad de los datos. De este modo se incrementa la precisión y se reduce el sesgo en el entrenamiento de modelos de IA, esto se debe al acceso a conjuntos de datos más grandes.
“El aprendizaje distribuido, es un enfoque en torno a IA innovador y disruptivo, así es posible mejorar la atención médica, optimizar la detección de fraudes financieros y optimizar el mantenimiento predictivo. Se trata de una solución empresarial que permite a las organizaciones colaborar, innovar y acelerar el potencial de los modelos de IA”, destacó Justin Hotard, VP ejecutivo y director general de HPC e IA en HPE.
Las aplicaciones de la solución, van desde el diagnóstico de enfermedades hasta la detección de fraude a tarjetas de crédito, esto es posible, ya que comparte y unifica los aprendizajes de los modelos IA sin comprometer la privacidad de los datos. Es decir la solución se integra y cumple con los requerimientos de resguardo de información, regulación y gobernabilidad que determina cada organización.
De hecho, la plataforma permite utilizar datos distribuidos en la fuente de cada empresa para desarrollar modelos de aprendizaje automático y aprender de manera equitativa mientras se preserva la privacidad de la información. Esto es posible a través de la tecnología de cadena de bloques, que permite incorporar miembros, elegir a un líder de forma dinámica y fusionar parámetros del modelo para brindar resiliencia a la red masiva.
Un proyecto realizado por La Universidad de Aachen, en Alemania, basado en esta solución, permitió acelerar los procesos de diagnóstico de cáncer de colón, con el procesamiento de imágenes fue posible predecir alteraciones genéticas. De hecho, se contó con la colaboración de pacientes de Alemania, Estados Unidos e Irlanda, esto confirmó el rendimiento predictivo de conjuntos de datos independientes.
