Inteligencia Artificial Descentralizada (IAD)

?Qué es la IA descentralizada (IAD)?

Un sistema de inteligencia artificial descentralizado (DAI) es un tipo de solución de inteligencia artificial (IA) que utiliza la tecnología blockchain para distribuir, procesar y almacenar datos en una red de nodos.

Los sistemas de IA descentralizados permiten a los usuarios utilizar modelos de IA previamente entrenados en sus dispositivos locales para que puedan beneficiarse de los conocimientos generados por la IA sin entregar sus datos a una autoridad centralizada.

Como parte de un enfoque descentralizado, el usuario puede utilizar un modelo de IA previamente construido para procesar los datos almacenados en su dispositivo y enviar los resultados a un tercero sin compartir sus datos personales subyacentes.

?Cuáles son los componentes básicos de la IA descentralizada?

Como explica el profesor Longbing Cao, investigador de IA:

“IAD se refiere al pensamiento, las metodologías, las tecnologías, los sistemas y los servicios de IA para desarrollar, gestionar y desplegar inteligencia descentralizada en entornos descentralizados”

Esto incluye “almacenar, actualizar, compartir e intercambiar inteligencia descentralizada entre agentes, nodos o dispositivos descentralizados; e integrar inteligencia descentralizada de agentes locales y a través de ecosistemas descentralizados (con sus servicios y entornos) para inteligencia de nivel superior y resolución inteligente de problemas”.

Los sistemas descentralizados de IA se construyen con una serie de componentes básicos, como plataformas de IA o aplicaciones descentralizadas (dApps), libros de contabilidad distribuidos por blockchain, contratos inteligentes, aprendizaje federado y tecnologías de cifrado homomórfico.

Los libros de contabilidad distribuidos de blockchain permiten a los desarrolladores de IA distribuir modelos de machine learning (ML) previamente construidos a los dispositivos de los usuarios. A continuación, estos dispositivos pueden actuar como agentes autónomos que llevan a cabo tareas de inferencia de IA a nivel local, ya sea como entidad independiente o como parte de una red conectada coordinada.

Asimismo, el aprendizaje federado y el cifrado homomórfico ayudan a aislar y mantener la privacidad de las actividades de procesamiento de datos en el dispositivo del usuario, de modo que su información no pueda ser vista por terceros no autorizados.

El resultado final es un sistema de IA descentralizado que permite:

• Que los usuarios proporcionen sus datos a los modelos de entrenamiento de IA sin revelarlos a terceros;
• Procesamiento y toma de decisiones que operan independientemente de una autoridad centralizada;
• Que los desarrolladores distribuyan modelos de entrenamiento? previamente construidos a través de una red de nodos;
• Mayor transparencia sobre la actividad de procesamiento de un modelo de IA.

?Para qué sirve la IA descentralizada?

Tradicionalmente, el desarrollo de sistemas de IA ha permanecido aislado entre un pu?ado de proveedores tecnológicos como Google y OpenAI, que han contado con los recursos financieros necesarios para desarrollar la infraestructura y los recursos necesarios para construir y procesar grandes conjuntos de datos.

Sin embargo, la centralización del desarrollo de la IA en la industria ha supuesto que las organizaciones necesiten contar con una financiación significativa para poder desarrollar y procesar los datos necesarios para competir en el mercado.

Del mismo modo, también ha incentivado a los proveedores a adoptar un enfoque de caja negra o black box para el desarrollo de la IA, dando a los usuarios y reguladores poca o ninguna transparencia sobre cómo funcionan y toman decisiones los modelos de IA de una organización. Esto dificulta la identificación de imprecisiones, sesgos, prejuicios e información errónea.

Las aplicaciones descentralizadas de IA abordan estas deficiencias proporcionando una solución para alejar el desarrollo de la IA de los proveedores centralizados y acercarlo a investigadores más peque?os que innovan como parte de una comunidad de código abierto.

Al mismo tiempo, los usuarios pueden aprovechar localmente las ventajas de la toma de decisiones basada en la IA sin necesidad de compartir sus datos personales con terceros.

Aprendizaje federado frente a IA descentralizada

El aprendizaje federado es el nombre que se da a un enfoque en el que dos o más modelos de IA se entrenan en distintos ordenadores, utilizando un conjunto de datos descentralizado. En una metodología de aprendizaje federado, los modelos de aprendizaje automático se entrenan con los datos almacenados en un dispositivo de usuario sin que esos datos se compartan con el proveedor anterior.

Aunque esto suena similar a la IA descentralizada, hay una diferencia clave. En el aprendizaje federado, una organización tiene un control centralizado sobre el modelo de IA utilizado para procesar los conjuntos de datos, mientras que en un sistema de IA descentralizado no hay una entidad central encargada de procesar los datos.

Así pues, el aprendizaje federado suele ser utilizado por organizaciones que buscan construir un modelo de IA centralizado que tome decisiones basadas en datos que han sido procesados de forma descentralizada (normalmente para mantener la privacidad del usuario), mientras que las soluciones de IA descentralizadas no tienen una autoridad central a cargo del modelo subyacente que procesa los datos.

Como explicó a Techopedia Patricia Thaine, cofundadora y consejera delegada de Private AI, “el aprendizaje federado tiende a tener un modelo centralizado que se actualiza basándose en los aprendizajes de los modelos distribuidos. Un sistema descentralizado tendría múltiples nodos que llegan a un consenso, sin un modelo central como autoridad”.

“Creo que las dos podrían confundirse porque ambas son formas distribuidas de IA. En general, dependiendo del problema, pueden ser muy difíciles de hacer bien, siendo principalmente las grandes empresas como FAANG, Microsoft o similares las que tienen la experiencia y los recursos para hacer la I+D necesaria para un despliegue fiable a escala.”

Ventajas de la IA descentralizada

El uso de una arquitectura de IA descentralizada ofrece algunas ventajas clave tanto a los desarrolladores de IA como a los usuarios. Algunas de ellas son:

• Los usuarios pueden beneficiarse de la toma de decisiones basada en IA sin compartir sus datos;
• Más transparencia y responsabilidad sobre cómo se toman las decisiones basadas en IA;
• Los investigadores independientes tienen más oportunidades de contribuir al desarrollo de la IA;
• La tecnología Blockchain ofrece nuevas oportunidades para la codificación;
• La descentralización abre nuevas oportunidades de integración con Web3 y el metaverso.

Democratizar el desarrollo de la IA

Aunque la IA descentralizada aún está entre pa?ales, tiene el potencial de democratizar el desarrollo de la IA, proporcionando más oportunidades para que los desarrolladores de modelos de código abierto interactúen con los usuarios independientemente de una autoridad centralizada.

Si un número suficiente de proveedores apoya los modelos de IA descentralizada, esto podría reducir significativamente el control que los desarrolladores de modelos propietarios tienen en el mercado y aumentar la transparencia sobre el desarrollo de la IA en su conjunto.