A Fundación BBVA apoia ao CITIC para a obtención de modelos de aprendizaxe automática sustentábeis
venres, 27 de marzo do 2020
O
Centro de Investigación TIC (CITIC) da Universidade da Coruña
recibirá financiamento da Fundación BBVA para un proxecto de
investigación enmarcado nun ámbito de gran proxección: a análise
da información a gran escala, o Big Data. O
proxecto Machine Learning on the Edge (MLoE) ten o
obxectivo de desenvolver sistemas de Intelixencia Artificial para
obter modelos de aprendizaxe automática sobre dispositivos de baixo
rendemento computacional, informaron fontes do CITIC, poñendo o foco
nun dos puntos máis destacados da iniciativa: os seus importantes
niveis de privacidade. Isto será posíbel ceibando os elementos
postos en xogo da necesidade de intercambiar datos.
- O equipo de investigadoras que traballará no proxecto financiado polo BBVA
Ademais,
crearase unha contorna para o desenvolvemento de algoritmos máis
sustentábeis en canto a consumo enerxético e impacto nas emisións
de carbono.
A
iniciativa do CITIC foi unha das cinco escollidas pola Fundación
BBVA entre as 93 solicitudes recibidas a nivel estatal. Con esta
axuda, o CITIC consigue a captación de fondos por un total de
97.092,44 €.
O
investigador principal do proxecto é Óscar Fontenla, e forman parte
do equipo as investigadoras Amparo Alonso Betanzos, Bertha Guijarro
Berdiñas, Elena Hernández Pereira, Noelia Sánchez Maroño, Beatriz
Pérez Sánchez, Verónica Bolón Canedo e Laura Morán Fernández,
integrantes das áreas de Intelixencia Artificial e Ciencia e
Enxeñaría de Datos do CITIC.
Modelos
de aprendizaxe automática máis sustentábeis
Segundo
lembra o centro de investigación coruñés, os modelos de
aprendizaxe automática son capaces de resolver tarefas complexas
adestrándose sobre grandes cantidades de datos, e son útiles en
canto a resolución dunha ampla variedade de problemas. Porén,
engade o CITIC, “para poder aprender, estes modelos precisan longos
procesos de cálculo que consumen moitos recursos computacionais
aloxados en grandes centros de cómputo, e que supoñen un gran
consumo enerxético a nivel mundial”. De feito, explica o centro,
en 2016 supuxeron arredor do 3 % do consumo eléctrico do planeta.
A
idea que subxace baixo o proxecto Machine Learning on the Edge
(MloE) é dar forma a modelos que economicen recursos, que poidan ser
distribuídos sobre pequenos dispositivos de cómputo perimetral cun
baixo consumo eléctrico, como, por exemplo, as placas Raspberry PI.
Estes métodos terán aplicación directa en multitude de
aplicacións, entre elas, o mantemento preditivo de maquinaria
industrial, a medicina preventiva e o procesamento de datos en
Cidades Intelixentes.