Avast, productos de seguridad digital y privacidad y Borsetta, empresa de servicios de hardware informático seguro de IA; anunciaron que se unirán a Intel para lanzar el Instituto Privado de Investigación Colaborativa de IA (Private AI Collaborative Research Institute). El propósito de la colaboración será avanzar y desarrollar tecnologías que fortalezcan la privacidad y la confianza para la IA descentralizada.
Origen
El Instituto privado de IA (Private AI Institute), fue creado por la Oficina de Investigación y Colaboración Universitaria (URC) de Intel. Éste amplió el potencial de colaboración del Instituto invitando a Avast y Borsetta a unir fuerzas.
Por lo cual, en conjunto emitieron una convocatoria de propuestas de investigación a principios de este año y seleccionaron los primeros nueve proyectos de investigación.
Contarán con el apoyo del Private AI Collaborative Research Institute en ocho universidades:
- Carnegie Mellon University, U.S.A. University of:
- California, San Diego, U.S.A.
- Southern California, U.S.A.
- Toronto, Canadá
- Waterloo, Canadá
- Technical University of Darmstadt, Alemania
- Université Catholique de Louvain, Bélgica
- National University of Singapore, Singapur
Objetivo
El Instituto Privado de Investigación Colaborativa de IA, fomentará y apoyará la investigación fundamental en la resolución de los desafíos del mundo real para la sociedad; y adoptará un enfoque ético para el desarrollo de la IA.
Mediante la descentralización de la IA y el traslado de análisis de IA al borde de la red; las empresas tienen como objetivo liberar datos de los silos, proteger la privacidad y la seguridad, además de mantener la eficiencia.
Por lo anterior, tendrá como objetivo superar los desafíos que enfrentan las industrias y las sociedades en la actualidad. Esto incluye, pero no se limita a:
- Los datos de entrenamiento se descentralizan en silos aislados y a menudo son inaccesibles para el entrenamiento centralizado.
- Las soluciones actuales que requieren un único centro de datos de confianza son frágiles; el entrenamiento centralizado puede ser fácil de atacar modificando datos en cualquier lugar entre la recopilación y la nube. No existe un marco para la formación segura descentralizada entre los participantes desconfiados.
- Los modelos centralizados se vuelven obsoletos rápidamente a medida que los datos en el borde cambian con frecuencia. Hoy en día, los ciclos de lote poco frecuentes para la recopilación, la formación y la implementación pueden dar lugar a modelos obsoletos; no es posible el reentrenamiento continuo y diferencial.
- Los recursos informáticos centralizados son costosos y limitados por la comunicación y la latencia.
- El aprendizaje automático federado, técnica utilizada para entrenar un algoritmo en múltiples dispositivos perimetrales descentralizados, es limitada. Aunque la IA federada puede acceder a los datos en el perímetro, no puede garantizar simultáneamente la precisión, la privacidad y la seguridad.
Cabe destacar que Borsetta se ha unido al Instituto Privado de Investigación Colaborativa de IA debido a su creencia; de impulsar un marco de preservación de la privacidad para apoyar el futuro de un mundo hiperconectado potenciado por la IA.
Si deseas más información sobre inteligencia artificial consulta este enlace