DEPA propone llevar los modelos de IA hacia los datos locales en India
Por JP Software ·
JP Software El Ministerio de Electrónica y Tecnología de la Información de India (MeitY) presentó la arquitectura Data Empowerment and Protection Architecture (DEPA) for AI Training, una propuesta técnica diseñada para que los desarrolladores entrenen modelos de inteligencia artificial directamente sobre datos locales protegidos, sin extraer la información sensible de las organizaciones que la resguardan.
Datos clave
- «El modelo viaja hacia los datos, en lugar de que los datos viajen hacia el modelo», según declaró el profesor Ajay Kumar Sood, asesor científico principal del gobierno de la India.
- El marco prevé beneficiar a 400 millones de personas y micro, pequeñas y medianas empresas desatendidas mediante el acceso a crédito formal, según MeitY.
- El sistema contempla aplicaciones educativas para 250 millones de estudiantes dentro de un sector EdTech valuado en 29 mil millones de dólares, según el documento del marco de trabajo.
- El procesamiento se ejecuta en «entornos de datos seguros basados en hardware» donde la información permanece cifrada y aislada incluso durante su uso, según MeitY.
Cómo funciona la arquitectura de DEPA
El esquema divide a los participantes en proveedores de datos de entrenamiento (TDP), como hospitales y bancos, y consumidores de datos de entrenamiento (TDC), que son las entidades dedicadas a entrenar modelos. La interacción ocurre a través de una Plataforma de Intercambio de Datos (DEP).
En estas plataformas se aplican técnicas de privacidad diferencial para evitar que el modelo aprenda o revele información específica de individuos. Según el documento oficial, todas las operaciones dentro de estos entornos aislados generan registros inmutables con propósitos de auditoría, lo que permite verificar el cumplimiento de las reglas fijadas por los dueños de los datos.
Áreas de aplicación previstas
El gobierno de la India proyecta utilizar este esquema en sectores de alto impacto como la salud, para facilitar el diagnóstico médico y el descubrimiento de fármacos a partir de datos clínicos actualmente fragmentados. En el sector financiero, busca habilitar el intercambio seguro de registros entre bancos para expandir el crédito, mientras que en educación busca resolver problemas de interoperabilidad para habilitar credenciales de habilidades y aprendizaje personalizado.
Por qué te importa
Para los equipos de ingeniería y ciencia de datos, este enfoque redefine cómo se negocia y se consume información para entrenar sistemas de aprendizaje automático. La regulación y la protección de datos avanzan hacia infraestructuras donde el acceso directo a bases de datos en crudo deja de ser viable. Diseñar tus tuberías de entrenamiento pensando en entornos de ejecución confiables, técnicas de privacidad diferencial y cómputo confidencial será indispensable para construir soluciones de IA en industrias altamente reguladas como la financiera o la médica.