Tras dos años y medio de trabajo, el proyecto MLEDGE (Cloud and Edge Machine Learning), liderado por el profesor Nikolaos Laoutaris en IMDEA Networks, ha demostrado que es posible unir aprendizaje federado (federated learning, en inglés) con infraestructuras de computación en la nube y en el borde (cloud-edge) para crear soluciones de inteligencia artificial más seguras, eficientes y cercanas a las personas usuarias. Los resultados del proyecto se traducen en aplicaciones reales tanto en la economía tradicional como en la digital.

Aplicaciones que marcan la diferencia

El proyecto ha desarrollado y probado aplicaciones concretas que ilustran su impacto. En primer lugar, cabe señalar la realización de mapas de riesgo de COVID en tiempo real, en colaboración con Orange y Acuratio, que permiten a las autoridades tomar decisiones rápidas y precisas en caso de futuras crisis sanitarias.

Por otro lado, con Inmarepro y Acuratio, se ha llevado a cabo una optimización del consumo energético en la industria, al conectar bombas de vapor de cuatro plantas industriales para mejorar la eficiencia energética sin comprometer la privacidad de los datos y ayudando a proteger el medioambiente. Inamrepro está desarrollando una oferta comercial para sus clientes basada en los resultados y la tecnología transferida a través de MLEDGE.

Innovaciones clave del proyecto

Entre los principales avances del proyecto destacan:

• FedQV, un nuevo algoritmo inspirado en la idea del voto cuadrático, mejora la forma en que se combinan modelos de inteligencia artificial entrenados en distintos dispositivos.
• PriPrune, un sistema que permite mejorar su rendimiento sin comprometer la privacidad de los datos de las personas usuarias.
• La integración de estas innovaciones en una plataforma comercial de aprendizaje federado, desarrollada por la empresa española Acuratio, como ejemplo claro de transferencia tecnológica del laboratorio a la industria española.

“Gracias a MLEDGE, hemos logrado llevar los últimos resultados de investigación directamente a empresas y clientes, demostrando que es posible combinar eficiencia, seguridad y privacidad en tiempo real”, destaca Nikolaos Laoutaris.

Impacto en la sociedad y la economía de los datos

MLEDGE contribuye a una economía de los datos más segura, donde información sensible de personas y empresas puede ser utilizada de manera confiable para entrenar modelos de inteligencia artificial, al tiempo que se optimiza el consumo de recursos energéticos.

El proyecto deja un legado tangible en forma de sistemas que pueden ayudar a gestionar crisis sanitarias, herramientas que optimizan procesos industriales y metodologías que aceleran la adopción de aprendizaje federado en España. Además, “las colaboraciones establecidas con empresas como Orange, Acuratio e Inmarepro continúan desarrollándose y explorando nuevas aplicaciones en ciudades inteligentes, salud digital y movilidad urbana”, añade Laoutaris.

MLEDGE ha sido financiado por el Ministerio para la Transformación Digital y de la Función Pública, a través del Plan de Recuperación, Transformación y Resiliencia (PRTR) y con fondos de la Unión Europea – NextGenerationEU.