Nach zweieinhalb Jahren hat das von Professor Nikolaos Laoutaris am IMDEA Networks geleitete Projekt MLEDGE (Cloud and Edge Machine Learning) gezeigt, dass sich föderiertes Lernen mit Cloud- und Edge-Computing-Infrastrukturen kombinieren lässt, um sicherere, effizientere und nutzerfreundlichere Lösungen im Bereich der künstlichen Intelligenz zu entwickeln. Die Projektergebnisse wurden bereits in realen Anwendungen der traditionellen und digitalen Wirtschaft eingesetzt.Anwendungen, die etwas bewirken
Das Projekt hat konkrete Anwendungen entwickelt und getestet, die seine Wirkung deutlich veranschaulichen. Zunächst wurden in Zusammenarbeit mit Orange und Acuratio Echtzeit-COVID-Risikokarten erstellt, die es den Behörden ermöglichen, im Falle künftiger Gesundheitskrisen schnell und fundiert Entscheidungen zu treffen.
Darüber hinaus ermöglichte MLEDGE gemeinsam mit Inmarepro und Acuratio die Optimierung des Energieverbrauchs in der Industrie durch die Vernetzung von Dampfpumpen an vier Industriestandorten. Dieser Ansatz verbessert die Energieeffizienz, ohne den Datenschutz zu beeinträchtigen, und trägt zum Umweltschutz bei. Inmarepro entwickelt derzeit ein kommerzielles Angebot für seine Kunden, basierend auf den Ergebnissen und der im Rahmen von MLEDGE transferierten Technologie.Wichtigste Neuerungen des Projekts
Zu den wichtigsten Fortschritten des Projekts gehören:
- FedQV ist ein neuer Algorithmus, der vom Konzept der quadratischen Abstimmung inspiriert ist und die Art und Weise verbessert, wie auf verschiedenen Geräten trainierte Modelle der künstlichen Intelligenz kombiniert werden.
- PriPrune, ein System, das ihre Leistung verbessert, ohne die Privatsphäre der Nutzerdaten zu beeinträchtigen.
- Die Integration dieser Innovationen in eine kommerzielle, föderierte Lernplattform, die von dem spanischen Unternehmen Acuratio entwickelt wurde, ist ein klares Beispiel für den Technologietransfer vom Labor in die spanische Industrie.
„Dank MLEDGE konnten wir die neuesten Forschungsergebnisse direkt an Unternehmen und Kunden weitergeben und damit zeigen, dass es möglich ist, Effizienz, Sicherheit und Datenschutz in Echtzeit zu vereinen“, betont Nikolaos Laoutaris.Auswirkungen auf die Gesellschaft und die Datenwirtschaft
MLEDGE trägt zu einer sichereren Datenwirtschaft bei, in der sensible Informationen von Nutzern und Unternehmen zuverlässig zum Trainieren von Modellen der künstlichen Intelligenz verwendet werden können, während gleichzeitig der Einsatz von Energieressourcen optimiert wird.
Das Projekt hinterlässt ein konkretes Erbe in Form von Systemen zur Bewältigung von Gesundheitskrisen, Werkzeugen zur Optimierung industrieller Prozesse und Methoden, die die Einführung von föderiertem Lernen in Spanien beschleunigen. „Die Kooperationen mit Unternehmen wie Orange, Acuratio und Inmarepro werden fortgesetzt und erforschen weiterhin neue Anwendungsbereiche wie Smart Cities, digitale Gesundheit und urbane Mobilität“, ergänzt Laoutaris.
Das Projekt MLEDGE wurde vom spanischen Ministerium für digitale Transformation und öffentlichen Dienst im Rahmen des Wiederaufbau-, Transformations- und Resilienzplans (PRTR) mit Mitteln der Europäischen Union – NextGenerationEU – finanziert.
