Asier Urío Larrea (Aranguren, Navarra, 1980), investigador del Instituto de Smart Cities (ISC) de la Universidad Pública de Navarra (UPNA), ha creado nuevos algoritmos de inteligencia artificial que permiten mejorar el llamado aprendizaje federado, una técnica que entrena sistemas de forma conjunta sin necesidad de compartir datos. Esta forma de aprendizaje consigue que distintos dispositivos, como ordenadores o sensores, colaboren en la construcción de un modelo común, pero sin que ninguno tenga que enviar sus datos al resto, lo que preserva la privacidad. Se puede aplicar, por ejemplo, al control de redes meteorológicas, a los sistemas de salud digital y al Internet de las Cosas (IoT, por sus siglas en inglés). Así, lo recoge su tesis doctoral, defendida en la Universidad Pública de Navarra (UPNA).
Asier Urío Larrea, nuevo doctor por la UPNA.
“El aprendizaje automático o ‘machine learning’ es una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan, es decir, que generen modelos que mejoren con la experiencia y se basen en el uso de datos —explica Asier Urío—. Entre sus aplicaciones, se pueden citar la medicina y las finanzas”.
Sin embargo, por diversos motivos, “ya sean legislativos —la normativa europea de protección de datos—, éticos —privacidad de los datos— o incluso técnicos, no siempre es posible disponer de todos los datos en un único punto para poder aplicar estos algoritmos”. “Con el fin de tratar este problema, surge el denominado aprendizaje federado. Esta técnica tiene como objetivo poder crear un modelo a partir de la información de los agentes participantes, sin que estos tengan que enviar sus propios datos”, indica este integrante del grupo de investigación Inteligencia Artificial y Razonamiento Aproximado (GIARA), dirigido por el catedrático e investigador del Instituto ISC Humberto Bustince Sola.
Así, cada participante entrena su propio modelo local en su dispositivo. Después, se comparten únicamente los resultados de ese entrenamiento, nunca los datos originales. Finalmente, todos esos resultados se combinan para construir un único modelo general, que recoge lo aprendido entre todos sin comprometer la privacidad.
Tomar decisiones con datos inexactos
Sin embargo, uno de los principales desafíos de este tipo de sistemas es cómo tomar decisiones cuando los datos no son exactos, están incompletos o son difíciles de interpretar. Para ello, el autor de la tesis recurre a la lógica difusa, una herramienta matemática que permite manejar la información de forma flexible. Por ejemplo, en lugar de clasificar algo como “alto” o “bajo” de forma tajante, la lógica difusa permite hablar de “más o menos alto”, lo que resulta útil cuando no hay una frontera clara.
Entre las aportaciones más destacadas de la investigación está el desarrollo de un sistema de reglas basadas en lenguaje natural, que pueden ser entendidas por personas expertas y utilizadas para tomar decisiones. Estas reglas se generan de forma automática y se comparten entre los diferentes nodos del sistema (es decir, los dispositivos que colaboran en el aprendizaje), combinándolas entre sí y descartando las que resultan redundantes o contradictorias.
Un continuo de datos
Además, la tesis propone un nuevo algoritmo capaz de detectar patrones en flujos continuos de datos, como los generados por sensores, sin necesidad de almacenar toda la información. Esto permite que el sistema se adapte a los cambios en tiempo real y con menor consumo de recursos. Estas soluciones pueden aplicarse en ámbitos como el control de redes meteorológicas, sistemas de salud digital o dispositivos conectados a través del Internet de las Cosas.
La tesis doctoral, que ha sido dirigida por el ya citado Humberto Bustince y por Graçaliz Pereira Dimuro, profesora de la Universidad Federal de Rio Grande del Sur (Brasil), ha sido calificada con sobresaliente “cum laude”. Además, ha recibido la mención internacional, tras una estancia de tres meses en la Universidad de Essex (Reino Unido) . Gracias a una ayuda de la sociedad IEEE Computational Intelligence Society, Asier Urío pudo investigar bajo la supervisión del investigador británico nacido en Málaga Javier Andreu-Pérez, director del grupo Smart Health Technologies en el Centro para la Inteligencia Computacional de la institución académica inglesa, una de las más destacadas en ciencias de la computación del país.
Breve currículum
Asier Urío se tituló en Ingeniería Agronómica en la UPNA (2003) para, posteriormente, cursar dos carreras en la UNED: Ingeniería Técnica en Informática de Sistemas (2006) e Ingeniería Técnica en Informática de Gestión (2007). En esta universidad a distancia completó poco después el Máster Universitario en Inteligencia Artificial Avanzada (2012).
Mientras realizaba sus estudios en la UNED, trabajó como profesor de informática y de tecnología en educación secundaria (2005-2022) y ejerció como director del IES Mendillorri BHI de Pamplona (2014-2020). Además, fue docente asociado en la UPNA durante siete años.
Finalmente, Asier Urío realizó su tesis doctoral con un contrato de investigador predoctoral en el grupo GIARA. Como resultado de su investigación, el nuevo doctor ha publicado dos artículos en revistas de prestigio en el área de ciencias de la computación e inteligencia artificial como “IEEE Transactions on Cybernetics” y “Applied Soft Computing”. Es coautor también de dieciséis trabajos presentados tanto en congresos nacionales como internacionales.