Disfruta escuchando nuestro podcast
Episodios recientes
The SynapticCity Phenomenon: When All Foundation Models Marry Federated Learning and Blockchain
Autores: Roberto Gómez-Espinosa, Sergio Zaera
Abstract
Nuestro trabajo propone un marco innovador para las ciudades inteligentes que integra Modelos de Foun- dación (FM), Aprendizaje Federado (FL) y Blockchain para hacer frente a retos clave en la gestión de datos urbanos, como la privacidad, la escalabilidad y la precisión predictiva. Combinando el poder predictivo de los FM con las capacidades de preservación de la privacidad del FL y la gobernanza segura y transparente proporcionada por Blockchain, creamos una solución robusta y descentralizada para gestionar diversos datos urbanos.
Nuestro enfoque permite el análisis de datos en tiempo real y la toma de decisiones, garantizando al mismo tiempo que la información sensible permanezca segura. Para demostrar la eficacia de esta plataforma integrada, presentamos un caso de uso en la gestión de inventarios y la previsión de ventas para empresas de ciudades inteligentes, mostrando su potencial para mejorar la eficiencia operativa, la privacidad de los datos y la resiliencia económica. Esta sinergia de tecnologías avanzadas establece un nuevo estándar de gestión segura, adaptable y colaborativa.
Palabras Clave: Smart Cities, Foundation Models, Federated Learning, Blockchain, Smart Contracts.
TL;DR: Este trabajo propone un marco para ciudades inteligentes que combina modelos de cimentación, aprendizaje federado y blockchain para mejorar la privacidad de los datos, la escalabilidad y la precisión predictiva en entornos urbanos.
Adaptive Federated Learning basado en Blockchain: Nuevas Fronteras la Gestión Logística y de Arsenales
Autores: Zaera Mata, Sergio, Jimeno Paloma, Castañeda Pablo, Dorado Ander, Franco Jesús, Gómez-Espinosa Roberto
Abstract
En la actualidad, las operaciones de defensa y seguridad requieren de enfoques innovadores y efectivos para la gestión logística y de arsenales. Este trabajo propone un ecosistema basado en el aprendizaje federado (Federated Learning, FL), integrado con la tecnología de Blockchain (BC) y contratos inteligentes (Smart Contracts, SC), dirigido a optimizar la eficiencia operativa y estratégica en el sector de la defensa. La plataforma sugerida capitaliza los avances en Internet de las Cosas (IoT) para el adiestramiento descentralizado de modelos de Inteligencia Artificial (IA), lo cual ofrece mejoras sustanciales en la privacidad de datos, la seguridad transaccional y la confiabilidad en la gestión de recursos. Por medio de la aplicación sinérgica de FL, se garantiza una estrategia colaborativa y una instrucción en modelos autónomos que preservan la privacidad al tiempo que se intensifica la seguridad y la integridad del manejo de información crítica.
Blockchain proporciona una estructura inmutable para el registro de modelos, así como un mecanismo de auditoría transparente y descentralizado, mientras que los SC aplicados refuerzan la automatización de procesos operacionales y relaciones regulativas. La viabilidad y eficacia de nuestro sistema se demostraron a través del Proyecto GREEN, donde la implementación de estas tecnologías permitió la optimización de estaciones de recarga para vehículos eléctricos (VE) como un caso exitoso en el ámbito urbano. Extendiendo esta metodología al contexto de la Defensa, el concepto Gestión Logística y de Arsenales en el Sector de Seguridad (GLASS) se presenta como un enfoque transformador para la gestión de inventario, ofreciendo una gestión logística mejorada, una precisa determinación de la demanda de recursos y un eficiente sistema de alertas dentro de entornos de seguridad altamente regulados.
Palabras Clave: Blockchain, Digital Twin, Federated Learning, Inteligencia artificial, Physics-Informed Neural Networks, Smart Contracts.
Aprendizaje federado basado en blockchain para la gestión logística y de arsenales
Autores: Zaera Mata, Sergio, Gallego Adrián, Pablo , Jimeno Sánchez-Patón, Paloma , Castañeda Fuentes, Pablo , Franco Moreu, Jesús , Gómez-Espinosa Martín, Roberto
Abstract
La revolución experimentada por las técnicas de Inteligencia Artificial (IA) en la última década merece especial atención. Sin embargo, el enfoque convencional de entrenamiento centralizado de modelos de IA plantea limitaciones sustanciales y despierta preocupaciones significativas en términos de privacidad. Ante este panorama, es imperativo buscar alternativas que permitan aprovechar la información disponible sin poner en peligro la privacidad, con el fin de generar beneficios mutuos para todas las partes involucradas. Este estudio aborda los desafíos técnicos y colaborativos inherentes a la implementación de tecnologías de IA y propone soluciones innovadoras basadas en el Internet of Things (IoT).
Se identifican tres desafíos primarios: la limitada capacidad computacional para volúmenes masivos de datos, los imperativos de seguridad y privacidad establecidos por las normativas, y la reticencia de individuos y organizaciones a compartir información sensible. Para enfrentar estos desafíos, se propone la adopción del enfoque de Federated Learning (FL), combinado con tecnologías de Blockchain (BC) y Smart Contracts (SC).
Para demostrar las capacidades de este ecosistema, se propone un caso de uso en la gestión logística y de arsenales en el sector de Defensa y Seguridad, abordando desafíos relacionados con la seguridad, confiabilidad y trazabilidad de la información. Esta combinación de tecnologías ha sido previamente estudiada y aplicada en proyectos realizados por HI-Iberia, específicamente en el proyecto GREEN, que se centra en la optimización de las estaciones de recarga de vehículos eléctricos, desarrollado en colaboración con Naturgy, una empresa experta en el ámbito energético.
Palabras Clave: Inteligencia artificial, Federated Learning, Blockchain, Smart Contracts, Internet of things.
GREEN: Inteligencia Colaborativa para Ciudades Sostenibles
Autores: Zaera Mata, Sergio, Jimeno Paloma, Castañeda Pablo, Dorado Ander, Franco Jesús, Gómez-Espinosa Roberto
Abstract
El proyecto GREEN se centra en desarrollar inteligencia colaborativa para ciudades sostenibles, con el objetivo de integrar aplicaciones seguras y eficientes de inteligencia artificial (AI) con datos masivos de Internet of Things (IoT). El caso de uso principal es la optimización de estaciones de recarga de vehículos eléctricos (EV) para predecir la demanda energética, negociar precios de manera eficiente y mejorar la utilización de la infraestructura. El proyecto emplea Federated Learning (FL) para modelos predictivos que preservan la privacidad, Blockchain para la gestión descentralizada y segura de datos, y Smart Contracts (SC) para automatizar procesos y garantizar la transparencia. A través de estas tecnologías, GREEN facilita el entrenamiento distribuido de modelos de AI mientras mantiene la localización de los datos, mejora la eficiencia en la gestión de recursos urbanos y reduce el desperdicio de energía.
La plataforma no solo se enfoca en la recarga de EV, sino que también se alinea con iniciativas más amplias de Smart City, con aplicaciones potenciales en transporte público, monitoreo ambiental y planificación urbana. Los resultados clave incluyen reducciones significativas en emisiones de gases de efecto invernadero, mejora en la calidad del aire y niveles más bajos de ruido urbano. El proyecto apoya la integración de energías renovables en las estaciones de recarga y promueve la eficiencia energética y el acceso equitativo, particularmente en áreas rurales. El enfoque holístico de GREEN aborda los desafíos urbanos mientras fomenta el desarrollo sostenible y la innovación tecnológica, contribuyendo a un futuro de ciudades resilientes, inclusivas y respetuosas con el medio ambiente.
Palabras Clave: Inteligencia Artificial, Federated Learning, Internet de las Cosas, Blockchain, Smart Contracts, Ciudades Inteligentes, Sostenibilidad, Estaciones de Recarga, Optimización Energética, Movilidad Urbana, Vehículos Eléctricos, Gestión de Recursos, Privacidad de Datos, Transparencia, Reducción de Emisiones.