\n<\/p>\n
La dependencia de los datos p\u00fablicos, en su mayor\u00eda datos web, para entrenar la IA est\u00e1 frenando el campo de la IA. Eso es seg\u00fan Daniel Beutel, emprendedor tecnol\u00f3gico e investigador de la Universidad de Cambridge, quien cofund\u00f3 una startup, Flower, para resolver lo que \u00e9l ve como un problema creciente en la investigaci\u00f3n de IA.<\/p>\n
\u201cLos datos p\u00fablicos centralizados son solo una peque\u00f1a fracci\u00f3n de todos los datos del mundo\u201d, dijo Beutel a TechCrunch en una entrevista por correo electr\u00f3nico. \u201cEn contraste, los datos distribuidos, los datos que est\u00e1n atrapados en dispositivos como tel\u00e9fonos, dispositivos port\u00e1tiles e Internet de las cosas o en silos organizacionales, como unidades de negocios dentro de una empresa, son mucho m\u00e1s grandes y completos, pero est\u00e1n fuera del alcance de la IA en la actualidad. \u201d<\/p>\n
Flower, que Beutel co-empez\u00f3 en 2020 con los colegas de Cambridge Taner Topal y Nicholas Lane, exjefe del Centro de IA de Samsung en Cambridge, es un intento de \u00abdescentralizar\u00bb el proceso de entrenamiento de IA a trav\u00e9s de una plataforma que permite a los desarrolladores entrenar modelos en datos repartidos en miles de dispositivos y ubicaciones. Al confiar en una t\u00e9cnica llamada aprendizaje federado, Flower no proporciona acceso directo a los datos, lo que hace que sea aparentemente \u00abm\u00e1s seguro\u00bb para entrenar en situaciones donde la privacidad o el cumplimiento son preocupaciones.<\/p>\n
\u201cFlower cree que, una vez que sea f\u00e1cil y accesible debido a las ventajas fundamentales de los datos distribuidos, este enfoque de la IA no solo se convertir\u00e1 en la corriente principal, sino tambi\u00e9n en la norma sobre c\u00f3mo se realiza el entrenamiento de la IA\u201d, dijo Beutel.<\/p>\n
El aprendizaje federado no es un enfoque nuevo. Propuesta por primera vez en la academia hace a\u00f1os, la t\u00e9cnica implica entrenar algoritmos de IA en dispositivos descentralizados que contienen muestras de datos sin intercambiar esas muestras. Se puede usar un servidor centralizado para orquestar el entrenamiento del algoritmo, o la orquestaci\u00f3n puede ocurrir de igual a igual. Pero en cualquier caso, los algoritmos locales se entrenan con muestras de datos locales y los pesos (los componentes que se pueden aprender de los algoritmos) se intercambian entre ellos para generar un modelo global.<\/p>\n
La plataforma de Flower aprovecha el aprendizaje federado para ofrecer una alternativa descentralizada para el entrenamiento del modelo de IA. Cr\u00e9ditos de imagen:<\/strong> Flor<\/p>\n<\/div>\n Startups como DynamoFL, DataFleets y Sherpa est\u00e1n empleando el aprendizaje federado de alguna forma para entrenar modelos de IA, al igual que las grandes empresas tecnol\u00f3gicas como Google.<\/p>\n \u201cCon Flower, los datos nunca necesitan abandonar el dispositivo de origen o la ubicaci\u00f3n (p. ej., las instalaciones de una empresa) durante la capacitaci\u00f3n\u201d, explica Beutel. \u00abEn cambio, ‘el c\u00e1lculo va a los datos’ y se realiza un entrenamiento parcial en cada ubicaci\u00f3n donde residen los datos, y solo los resultados del entrenamiento y no los datos finalmente se transmiten y fusionan con los resultados de todas las dem\u00e1s ubicaciones\u00bb.<\/p>\n Flower lanz\u00f3 recientemente FedGPT, un enfoque federado para entrenar modelos de lenguaje extenso (LLM) comparable a ChatGPT y GPT-4 de OpenAI. Actualmente en versi\u00f3n preliminar, FedGPT permite a las empresas capacitar a los LLM en datos repartidos por todo el mundo y en diferentes dispositivos, incluidos centros de datos y estaciones de trabajo.<\/p>\n \u201cFedGPT es importante porque permite a las organizaciones crear LLM utilizando datos confidenciales internos sin compartirlos con un proveedor de LLM\u201d, dijo Beutel. \u201cLas empresas tambi\u00e9n suelen tener datos repartidos por todo el mundo, o en diferentes partes de la organizaci\u00f3n, que no pueden moverse o abandonar una regi\u00f3n geogr\u00e1fica. FedGPT permite que todos estos datos se aprovechen al capacitar a un LLM sin dejar de respetar las preocupaciones sobre la privacidad y la fuga de datos, y las leyes que restringen el movimiento de datos\u201d.<\/p>\n Flower tambi\u00e9n se ha asociado con Brave, el navegador web de c\u00f3digo abierto, para encabezar un proyecto llamado Dandelion. El objetivo es construir un sistema de aprendizaje federado de c\u00f3digo abierto que abarque los m\u00e1s de 50 millones de clientes de navegador Brave que se usan hoy en d\u00eda, dice Beutel.<\/p>\n \u201cIA est\u00e1 entrando en un momento de regulaci\u00f3n creciente y cuidado especial sobre la procedencia de los datos que utiliza\u201d, dijo Beutel. \u201cLos clientes pueden construir sistemas de inteligencia artificial utilizando Flower donde la privacidad del usuario est\u00e1 fuertemente protegida y, sin embargo, a\u00fan pueden aprovechar m\u00e1s datos que nunca. . . . Bajo Flower, debido a los principios de aprendizaje federado, un sistema de IA a\u00fan puede implementarse y entrenarse con \u00e9xito bajo diferentes limitaciones\u201d.<\/p>\n Flower ha visto una aceptaci\u00f3n impresionante en los \u00faltimos meses, con su comunidad de desarrolladores creciendo a poco m\u00e1s de 2300, seg\u00fan Beutel. Afirma que \u00abdocenas\u00bb de empresas Fortune 500 e instituciones acad\u00e9micas son usuarios de Flower, incluidos Porsche, Bosch, Samsung, Banking Circle, Nokia, Stanford, Oxford, MIT y Harvard.<\/p>\n Animado por esas m\u00e9tricas, Flower, miembro de una de las cohortes de 2023 de Y Combinator, ha atra\u00eddo a inversores como First Spark Ventures, el director ejecutivo de Hugging Face, Clem Delangue, Factorial Capital, Betaworks y Pioneer Fund. En su ronda previa a la semilla, la startup recaud\u00f3 $ 3.6 millones.<\/p>\n Beutel dice que la ronda se destinar\u00e1 a expandir el equipo central de Flower, hacer crecer su equipo de investigadores y desarrolladores y acelerar el desarrollo del software de c\u00f3digo abierto que impulsa el marco y el ecosistema de Flower.<\/p>\n \u201cLa IA se enfrenta a una crisis de reproducibilidad, y esto es a\u00fan m\u00e1s grave para el aprendizaje federado\u201d, dijo Beutel. \u201cDebido a la falta de capacitaci\u00f3n generalizada sobre datos distribuidos, carecemos de una masa cr\u00edtica de implementaciones de software de c\u00f3digo abierto de enfoques populares. . . . Al trabajar todos juntos, nuestro objetivo es tener el conjunto m\u00e1s grande del mundo de t\u00e9cnicas federadas de c\u00f3digo abierto disponibles en Flor<\/span> para la comunidad.\u201d<\/p>\n<\/p><\/div>\n