Nuevos enfoques para el procesamiento de datos de IA descentralizado, federado y sostenible (RIA)

Resultado esperado:

Se espera que los resultados del proyecto contribuyan al desarrollo de nuevos enfoques, herramientas y técnicas que superen los obstáculos de las técnicas actuales de computación de IA centralizadas: límites en la disponibilidad de energía y capacidad de computación de IA en entornos autónomos centralizados, disponibilidad limitada de tipos de chips de IA, calidad y seguridad de los datos y latencia en el procesamiento de datos de IA. El objetivo final es ayudar a superar los cuellos de botella de la capacidad de computación de IA de la UE ofreciendo modelos de computación de IA alternativos descentralizados y sostenibles que permitan la explotación de diversas arquitecturas de procesamiento de hardware y enfoques de escalado.

Alcance:

Este tema se centra en tecnologías y técnicas que permiten que el procesamiento de datos de IA aproveche los recursos de computación distribuidos a través del continuo de computación en la nube y en el borde a lo largo de todo el ciclo de vida del modelo de IA, desde la recopilación de datos, el entrenamiento, el ajuste fino y la implementación. Para superar el estado del arte actual en el área, las áreas de investigación consideradas incluyen:

• Investigar arquitecturas de IA distribuidas, descentralizadas y federadas habilitadas para el “continuo de computación” más allá del aprendizaje federado e integrar herramientas de compresión de modelos y nuevos mecanismos para permitir que el procesamiento de datos de IA se escale a través de múltiples y diversas infraestructuras de computación.
• Desarrollo, implementación y operación de flujos de trabajo de IA a través de infraestructuras heterogéneas y distribuidas a lo largo del continuo de computación (borde, nube, HPC), incluida la posibilidad de incorporar paradigmas de computación innovadores (computación neuromórfica y cuántica) y mejoras de eficiencia de hardware (por ejemplo, incluyendo computación en memoria y aproximación de hardware y software).
• Nuevos métodos y técnicas para mejorar la disponibilidad y consistencia de los datos para el procesamiento de datos de IA descentralizado. Estos consideran herramientas para garantizar la calidad de los datos (por ejemplo, prevención del desequilibrio o inconsistencia de los conjuntos de datos en fuentes de datos distribuidas), optimización del volumen para transferencias de datos entre entornos y gestión de datos distribuidos, todo ello preservando la privacidad de los datos y evitando fugas de datos (por ejemplo, mediante protección criptográfica avanzada como la criptografía post-cuántica para la resistencia a las amenazas cuánticas emergentes).
• Nuevas herramientas y mecanismos para medir, monitorear y mejorar la eficiencia energética de extremo a extremo y la sostenibilidad del procesamiento de datos de IA a través del continuo de computación, incluida la exploración de las implicaciones energéticas y de sostenibilidad de las arquitecturas de procesamiento de IA heterogéneas y su impacto en el diseño de la infraestructura de computación y la sostenibilidad a largo plazo.

Las propuestas de proyectos exitosas deben mostrar los desarrollos propuestos en al menos dos casos de uso complementarios en diferentes dominios. Estos casos de uso deben demostrar el valor obtenido y el impacto potencial de los logros del proyecto en situaciones del mundo real, así como abordar aplicaciones y sectores clave críticos para la competitividad de Europa. Los casos de uso deben proporcionar ejemplos y escenarios convincentes y atender la reproducibilidad del valor añadido y el impacto de los resultados en sectores económicos adicionales.

Las actividades se espera que comiencen en TRL 3 y alcancen TRL 6-7 al final del proyecto – ver Anexo General B.