Tecnología

La española Sherpa.ai lanza una plataforma de inteligencia artificial reforzada en privacidad

  • La tecnología aplicada no comparte datos, lo que impulsa la ética y la seguridad
  • El uso del Aprendizaje Federado permite reducir la huella de carbono
Xabi Uribe-Etxebarria, fundador y CEO de Sherpa.ai

La compañía española Sherpa.ai ha anunciado este miércoles en Erandio (Vizcaya) el lanzamiento de la plataforma de Inteligencia Artificial aplicada a la privacidad de datos más avanzada. La tecnología se fundamenta en el denominado Aprendizaje Federado y permite entrenar modelos de Inteligencia Artificial sin compartir datos privados. Según la compañía, esta novedad "supondrá un gran avance en sectores como el sector salud, el sector financiero o seguridad entre otros".

El valor diferencial de la tecnología de Sherpa.ai incide en los principios de privacidad, seguridad, y ética del dato, con una plataforma que permite mejorar la exactitud de las predicciones de modelos y algoritmos, pero de forma privada y ética ya que los datos nunca se comparten.

En la presentación de la compañía, Xabi Uribe-Etxebarria, fundador y CEO de Sherpa.ai, ha declarado que "para Sherpa.ai la privacidad de datos es un valor ético fundamental y esta plataforma que anunciamos hoy puede representar un antes y un después en el uso de datos de forma privada y segura para desarrollos de Inteligencia Artificial, y tiene el potencial de ayudar a resolver grandes retos como salvar vidas, atajar el fraude, aumentar la seguridad o reducir la huella de carbono". Entre otras ventajas, la plataforma permitirá a las empresas e instituciones aprovechar todo el potencial de sus datos, y de la Inteligencia Artificial, además de explorar nuevos escenarios de colaboración entre organizaciones que ayudarán a resolver problemas que hasta ahora no tenían solución. Como por ejemplo, la cura de enfermedades que actiualmente no la tienen, optimización de recursos limitados, detección de fraude o eficiencia energética y reducción de huella de carbono, pero todo ello sin que se vulnere la privacidad de datos de las personas.

La plataforma 'Made in Spain' también presenta ventajas en cuanto a seguridad ya que, al no compartir datos, la superficie de ataque se reduce drásticamente. Además, la plataforma incorpora otras tecnologías que ayudan a preservar la privacidad como Homomorphic Encryption, Secure Multiparty Computation o Differential Privacy lo que añade otra capa de seguridad y convierte a Sherpa.ai en la plataforma más segura del mercado.

Respecto a la reducción de huella de carbono, el uso del Aprendizaje Federado permite reducir el consumo energético en entrenamiento de modelos hasta un 70% comparado con métodos tradicionales. En el mismo evento, Sherpa.ai ha anunciado los tres productos que estarán disponibles próximamente: Por un lado, destaca una versión freemium que permitirá realizar experimentos con la plataforma. La versión Enterprise, que permitirá a empresas maximizar el valor de sus propios datos. Y la versión Hub, que permitirá a organizaciones que terceros puedan usar sus datos sin necesidad de compartirlos, garantizando así la privacidad y la seguridad.

Por otra parte, la plataforma, ha sido testeada y está siendo utilizada por organizaciones globales como el KPMG, Telefónica o el NIH (Servicio de Salud de los Estados Unidos), con las que Sherpa.ai ya ha anunciado acuerdos. Sherpa.ai ha presentado su gran novedad a través de una presentación a estilo "Keynote", de casi diez minutos, muestra todo el potencial de la nueva plataforma y de la empresa. La presentación comienza con el fundador y CEO Xabi Uribe-Etxebarria, hablando sobre el contexto de la privacidad y la seguridad de los datos. Tom Gruber, Chief AI Strategy Officer y ex CTO y co-fundador de Siri, explica de forma más técnica el funcionamiento de la plataforma.

Thomas Kalil, ex director de Política de Ciencia y Tecnología en la Casa Blanca, quien se ha incorporado recientemente a Sherpa.ai como Senior Advisor for Innovation - ha señalado que "la plataforma de Sherpa.ai permitirá un mejor intercambio de datos entre organizaciones, manteniendo al mismo tiempo la confianza, privacidad y seguridad." Por su parte, Carsten Bönnemann del NIH (Departamento de Salud de USA) - considera que "la aplicación de la Inteligencia Artificial a través de la plataforma de aprendizaje federado "privacy-preserving" de Sherpa.ai permitirá mejorar el algoritmo de diagnóstico de enfermedades sin necesidad de compartir datos privados de pacientes, y que la plataforma de Sherpa.ai podría permitir explorar nuevas posibilidades de diagnóstico y tratamiento para un grupo de enfermedades que actualmente no tienen tratamiento específico."

La plataforma de Sherpa.ai tiene aplicación en múltiples sectores, entre los que se incluyen el sector salud, donde Sherpa.ai, donde como la compañía anuncio hace varias semanas, ya trabaja con el NIH, el servicio de salud de Estados Unidos, puede ayudar a mejorar algoritmos para el diagnóstico y tratamiento de enfermedades que hasta ahora no tenían cura. También el sector financiero, donde la plataforma de Sherpa.ai puede ayudar a mejorar la detección de fraude de forma más precisa. O otros sectores como el de Seguridad o Industria 4.0 donde las organizaciones se pueden beneficiar de entrenar modelos de forma colaborativa respetando siempre la privacidad.

comentariosicon-menu1WhatsAppWhatsAppFacebookFacebookTwitterTwitterLinkedinlinkedin
arrow-comments
Deja tu comentario
elEconomista no se hace responsable de las opiniones expresadas en los comentarios y los mismos no constituyen la opinión de elEconomista. No obstante, elEconomista no tiene obligación de controlar la utilización de éstos por los usuarios y no garantiza que se haga un uso diligente o prudente de los mismos. Tampoco tiene la obligación de verificar y no verifica la identidad de los usuarios, ni la veracidad, vigencia, exhaustividad y/o autenticidad de los datos que los usuarios proporcionan y excluye cualquier responsabilidad por los daños y perjuicios de toda naturaleza que pudieran deberse a la utilización de los mismos o que puedan deberse a la ilicitud, carácter lesivo, falta de veracidad, vigencia, exhaustividad y/o autenticidad de la información proporcionada.

Luis Lopez
A Favor
En Contra

Me gustaría explicar que vende de forma más objetiva:

Imagina que tenemos un montón de imágenes de mamas , unas con inicio de cáncer otras sin cáncer.

El big data ML (machine learning) tradicional las juntaría todas en una nube y obtendría mediante Entrenamiento un patrón o modelo, ese patrón ayudaría al médico en la detección de cáncer.

Dejo un ejemplo-tutorial de “Detección histopatológica del cáncer” https://www.kaggle.com/code/qitvision/a-complete-ml-pipeline-fast-ai

Esas imágenes de cánceres son “datos blandos” es decir no pùedes ser subidas a la nube , necesitan un tratamiento, esto se puede realizar de 2 maneras:

Cifrando los ficheros y ofuscando los datos , antes de subirlos a la nube

Entrenar en el cliente (el ordenador del hospital) con las imágenes sensibles , eso crea un mini patrón o modelo, estos mini patrones son subidos a la nube y se crea una maxi patrón. Esta rama de machine learning es llamada federated learning (eso es el producto que se vende) .

Este federated learning, es muy común en los móviles android (v2.0 nov-2009) , para entrenar modelos de publicidad. Entrena con tus datos en local, lo sube (todos los android) a la mega nube y ahí afina el modelo , para darte a ese móvil android la publicidad óptima.

Esto no lo ha inventado Xabi, esto está ampliamente extendido y las mejores librerías (códigos) son públicas:

Google ofrece tutoriales para implementar su librería de ML https://www.tensorflow.org/federated/federated_learning?hl=es-419

Y descargar el codigo de ejemplo para implementarlo libremente https://github.com/tensorflow/federated

Con la librería de ML de Facebook-Microsoft PyTorch tambien se puede implementar libremente https://github.com/AshwinRJ/Federated-Learning-PyTorch

Bien, las grandes Tech te ceden su “motor” (el código abierto de los enlaces) pero hay que montarlo y ponerle ruedas y eso hace Sherpa u otra consultoría.

Pero, las grandes Tech ya te venden las ruedas montadas, implementan este servicio en sus nubes:

Google Cloud: https://cloud.google.com/vertex-ai/docs/beginner/beginners-guide

Microsotf Azure Cloud: https://learn.microsoft.com/es-es/azure/machine-learning/how-to-use-automated-ml-for-ml-models

AWS Amazon Cloud: https://aws.amazon.com/es/getting-started/hands-on/machine-learning-tutorial-automatically-create-models/

Respecto a la huella de carbono, estas tecnologías internamente son caras de procesar (en consumo de electricidad es como minar bitcoins)

Nota: “este tío es un hater, lo hace sin saber, etc”, por favor, revisar los enlaces.

Dada esta explicación, mi opinión: yo soy tambien de BILBAO, y me molesta que genere-sugiere la idea de que lo ha inventado el, que solo Sherpa posee esta tecnología cuando Google la regala con los Phoskitos (véase enlaces).



Y también mostrar, mi preocupación por los departamentos de Telefónica y KPMG correspondientes, no ser capaces de abrir una cuenta en las high tech Cloud o implementar el código descrito de federated learning.

Si has llegado hasta aquí ,espero haber resuelto la duda que se te pasa por la cabeza “esto es humo¿sí o no?, que es novedoso o solo está muy bien vendido ¿sí o no? “

Puntuación 2
#1