Blind Federated Learning sin un modelo inicial

En la actualidad, Capgemini Engineering lidera el consorcio AI4HealthyAging, una iniciativa dirigida a detectar precozmente las enfermedades derivadas del envejecimiento a través de la Inteligencia Artificial. Su ejecución se realiza a través de un consorcio público-privado formado por 15 entidades y cuenta con una dotación de 12,5 millones de euros, cuya financiación se enmarca dentro del programa Misiones de I+D en Inteligencia Artificial 2021.

En el contexto de AI4HealthyAging, José Luis Salmerón, Principal AI & Quantum Scientist en Capgemini Engineering, e Irina Arévalo han publicado el artículo científico titulado “Blind Federated Learning without initial model”.

Dicha publicación en su abstract recoge que el aprendizaje federado es un enfoque emergente de aprendizaje automático que permite la construcción de un modelo entre varios participantes que poseen sus propios datos privados. Este método es seguro y preserva la privacidad, por lo que resulta adecuado para entrenar un modelo de aprendizaje automático utilizando datos sensibles de distintas fuentes, como hospitales. En este trabajo, los autores proponen dos metodologías innovadoras para el aprendizaje federado de mapas cognitivos difusos basado en Particle Swarm Optimisation de forma que se preserve la privacidad. Además, una aportación relevante que incluye esta investigación es la ausencia de un modelo inicial en el proceso de aprendizaje federado, haciéndolo efectivamente ciego. Esta propuesta se prueba con varios conjuntos de datos abiertos, mejorando tanto la exactitud como la precisión. Podéis acceder al paper completo aquí: