Asier Urío Larrea, investigador de la Universidad Pública de Navarra, ha desarrollado innovadores algoritmos de inteligencia artificial que mejoran el aprendizaje federado, permitiendo entrenar modelos sin compartir datos. Esta técnica preserva la privacidad al permitir que dispositivos colaboren en la creación de un modelo común. Su investigación, destacada por su enfoque en la lógica difusa y el análisis de datos continuos, tiene aplicaciones en redes meteorológicas y salud digital.
Asier Urío Larrea, investigador del Instituto de Smart Cities (ISC) de la Universidad Pública de Navarra (UPNA), ha desarrollado innovadores algoritmos de inteligencia artificial que optimizan el aprendizaje federado. Esta técnica permite entrenar sistemas de manera colaborativa sin la necesidad de compartir datos, lo que resulta crucial para preservar la privacidad. Dispositivos como ordenadores y sensores pueden trabajar juntos en la creación de un modelo común sin enviar información personal, aplicándose en áreas como el control de redes meteorológicas, sistemas de salud digital y el Internet de las Cosas (IoT).
Urío explica que “el aprendizaje automático o ‘machine learning’ es una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender”. Sin embargo, señala que por razones legislativas, éticas o técnicas, a menudo no se puede centralizar toda la información necesaria para aplicar estos algoritmos. Aquí es donde entra en juego el aprendizaje federado, que permite crear modelos a partir de los datos generados localmente sin comprometer la seguridad.
Cada participante entrena su propio modelo en su dispositivo y solo comparte los resultados del entrenamiento. Esto asegura que los datos originales permanezcan protegidos. Sin embargo, uno de los retos más significativos es cómo tomar decisiones basadas en datos imprecisos o incompletos. Para abordar este problema, Urío utiliza la lógica difusa, una herramienta matemática que facilita el manejo flexible de información. En lugar de clasificar datos estrictamente, esta lógica permite descripciones más matizadas como “más o menos alto”.
Entre las contribuciones más relevantes de su investigación se encuentra un sistema basado en reglas comprensibles en lenguaje natural, diseñado para ser utilizado por expertos en la toma de decisiones. Estas reglas se generan automáticamente y se comparten entre los dispositivos participantes, combinando y eliminando redundancias.
La tesis doctoral también presenta un nuevo algoritmo capaz de identificar patrones en flujos continuos de datos generados por sensores sin necesidad de almacenar toda la información. Esto permite adaptarse a cambios en tiempo real y reduce el consumo de recursos. Las aplicaciones son vastas e incluyen desde redes meteorológicas hasta dispositivos conectados mediante IoT.
La investigación fue dirigida por Humberto Bustince y Graçaliz Pereira Dimuro, obteniendo una calificación sobresaliente “cum laude”. Además, Urío recibió una mención internacional tras realizar una estancia en la Universidad de Essex (Reino Unido), donde trabajó bajo la supervisión del investigador Javier Andreu-Pérez.
Asier Urío cuenta con un sólido historial académico; se graduó en Ingeniería Agronómica en 2003 y luego cursó dos titulaciones adicionales en Informática a través de la UNED. Completó un Máster Universitario en Inteligencia Artificial Avanzada antes de dedicarse a la enseñanza secundaria durante casi dos décadas.
Su trabajo doctoral fue realizado dentro del grupo GIARA y ha dado lugar a publicaciones en revistas prestigiosas como “IEEE Transactions on Cybernetics” y “Applied Soft Computing”, así como dieciséis trabajos presentados en congresos tanto nacionales como internacionales.