El trabajo de aprender sobre el entorno para comprender mejor las intenciones de los usuarios para controlarlo se distribuye entre dispositivos. Crédito: 2025 Ochiai et al. Cc-by-nd
Investigadores de la Universidad de Tokio desarrollaron un marco para permitir la automatización de edificios basada en inteligencia artificial descentralizada con un enfoque en la privacidad. El sistema permite que los dispositivos con IA, como cámaras e interfaces, cooperen directamente, utilizando una nueva forma de comunicación de dispositivo a dispositivo. Al hacerlo, elimina la necesidad de servidores centrales y, por lo tanto, la necesidad de retención de datos centralizadas, a menudo vista como un posible punto débil de seguridad y riesgo para los datos privados.
Vivimos en un mundo cada vez más automatizado. Los automóviles, las casas, las fábricas y las oficinas están ganando una gama de funciones automatizadas para dirigirlos, calentarlos, encenderlos o controlarlos de alguna manera. Hay una serie de enfoques para los sistemas de automatización, pero la mayoría requiere muchos comportamientos programados, que pueden ser intensivos e inflexibles, o cuando la IA está involucrada, requiere un alto grado de centralización. Pero esto trae consigo algún riesgo.
“Un sistema típico de automatización de casas u oficina para luces o control de temperatura puede involucrar cámaras para monitorear a los ocupantes y alterar las condiciones en su nombre”, dijo la profesora asociada Hideya Ochiai del Departamento de Ingeniería de Información e Ingeniería de Comunicación.
“Bajo un enfoque convencional, dichos datos, que la mayoría consideran bastante personales, especialmente si es de su propia casa, se agregarán en un sistema central. Una violación de este sistema podría arriesgarse a la fuga de esos datos personales. Por lo tanto, mi equipo y yo ideamos un enfoque mejorado que no solo está descentralizado, sino que también elimina la necesidad de almacenar datos personales más tiempo de lo necesario para los procesos de automatización inmediatos”.
Su enfoque, llamado Automatización de edificios sin lógica distribuida (D-LFBA), describe cómo los dispositivos como cámaras y otros sensores, y controladores para las luces o el control de temperatura, se pueden hacer para comunicarse directamente, lo que evita depender de la centralización, y se puede dar una pequeña cantidad de almacenamiento interno, mitigar la necesidad de capturar y mantener más datos de los necesarios. Su trabajo fue presentado en la Conferencia IEEE sobre Inteligencia Artificial 2025.
“Efectivamente difundimos la carga de una red neuronal, el programa de computadora responsable de aprender y controlar las cosas, en los dispositivos del entorno”, dijo Ochiai. “Entre las ventajas ya mencionadas, debe proporcionar una capa de compatibilidad de proveedores cruzados, lo que significa que el entorno de automatización no necesita estar compuesto por sistemas de un fabricante”.
Lo que hace que D-LFBA sea especialmente único es su capacidad para aprender sin ser programado. Utilizando marcas de tiempo sincronizadas, el sistema coincide con las imágenes con los estados de control correspondientes a lo largo del tiempo. A medida que los usuarios interactúan con su entorno, volteando los interruptores o moviéndose entre habitaciones, el sistema aprende esas preferencias. Con el tiempo, se ajusta automáticamente.
“Incluso sin que los humanos escriban lógica, la IA puede generar un control de grano fino”, dijo Ochiai. “Vimos que durante las pruebas el año pasado, los usuarios se sorprendieron de lo bien que el sistema se adaptó a sus hábitos”.
Más información: Automatización de construcción gratuita de lógica de privacidad utilizando aprendizaje dividido, conferencia IEEE sobre inteligencia artificial 2025
Proporcionado por la Universidad de Tokio
Cita: Desarrollo de la automatización de edificios de privacidad (2025, 5 de mayo) Recuperado el 5 de mayo de 2025 de https://techxplore.com/news/2025-05-privacy-ware-automation.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
