IA de aprendizaje federado desarrollada para hospitales y bancos sin compartir información personal

El aprendizaje federado se ideó para resolver el problema de la dificultad de agregar datos personales, como registros médicos de pacientes o datos financieros, en un solo lugar. Sin embargo, durante el proceso en el que cada institución optimiza la IA entrenada en colaboración para adaptarla a su propio entorno, surgió una limitación: la IA se adaptó demasiado a los datos de la institución específica, haciéndola vulnerable a nuevos datos.

Un equipo de investigación ha presentado una solución a este problema y ha confirmado su rendimiento estable no sólo en campos críticos para la seguridad como hospitales y bancos, sino también en entornos que cambian rápidamente, como las redes sociales y las compras en línea.

El equipo de investigación dirigido por el profesor Chanyoung Park del Departamento de Ingeniería Industrial y de Sistemas desarrolló un nuevo método de aprendizaje que resuelve fundamentalmente el problema crónico de degradación del rendimiento del aprendizaje federado, mejorando significativamente el rendimiento de generalización de los modelos de IA. el trabajo es publicado en el arXiv servidor de preimpresión.

El aprendizaje federado es un método que permite a varias instituciones entrenar conjuntamente una IA sin intercambiar datos directamente. Sin embargo, surge un problema cuando cada institución ajusta el modelo conjunto de IA resultante a su entorno local. Esto se debe a que el amplio conocimiento adquirido anteriormente se diluye, lo que genera un problema de sobreajuste local en el que la IA se adapta excesivamente sólo a las características de los datos de una institución específica.

Por ejemplo, si varios bancos construyen conjuntamente una «IA de revisión de préstamos colaborativos» y un banco específico realiza ajustes centrándose en los datos de los clientes corporativos, la IA de ese banco se vuelve fuerte en las revisiones corporativas, pero sufre un sobreajuste local, lo que lleva a un rendimiento degradado en la revisión de clientes individuales o de nueva creación.

El equipo del profesor Park introdujo el método de datos sintéticos para resolver este problema. Extrajeron solo las características centrales y representativas de los datos de cada institución para generar datos virtuales que no contienen información personal y los aplicaron durante el proceso de ajuste. Como resultado, la IA de cada institución puede fortalecer su experiencia de acuerdo con sus propios datos sin compartir información personal, manteniendo al mismo tiempo la perspectiva amplia (rendimiento de generalización) obtenida a través del aprendizaje colaborativo.

Los resultados de la investigación mostraron que este método es particularmente efectivo en campos donde la seguridad de los datos es crucial, como la atención médica y las finanzas, y también demostró un rendimiento estable en entornos donde continuamente se agregan nuevos usuarios y productos, como las redes sociales y el comercio electrónico. Demostró que la IA puede mantener un rendimiento estable sin confusión incluso si una nueva institución se une a la colaboración o las características de los datos cambian rápidamente.

El profesor Chanyoung Park del Departamento de Ingeniería Industrial y de Sistemas dijo: «Esta investigación abre un nuevo camino para garantizar simultáneamente experiencia y versatilidad para la IA de cada institución y al mismo tiempo proteger la privacidad de los datos. Será de gran ayuda en campos donde la colaboración de datos es esencial pero la seguridad es importante, como la IA médica y la IA de detección de fraude financiero».