Hvordan ser suveren AI ut i praksis? FLock samarbeidet med Sarawak AI Centre (SAIC) for å vise hvordan føderert læring kan drive KI i offentlig sektor samtidig som data og datakraft holdes under regional kontroll.

2/ Prosjektet fant sted på stedet med Sarawak AI Centre i Kuching, ledet av Dr. @rui_sunn fra @UniofNewcastle, og @momarikar, leder for institusjonell utvikling, med støtte fra professor Patrick Then, administrerende direktør for Sarawak AI Centre. Ved å bruke føderert læring trente vi en språkmodell på distribuert lokal maskinvare på ekte Sarawak-malaysiske data.

3/ Hva vi demonstrerte: → Samarbeidende opplæring uten deling av rådata gjennom FL Alliance, bevaring av datasuverenitet og støtte tverrinstitusjonell innovasjon. → Distributed Inference kjører store modeller på mindre GPU-er ved å sharde på lokal infrastruktur, og tilbyr et mer bærekraftig alternativ til sentraliserte datasentre.

4/ Malaysia er hjem til 100+ urfolksspråk, med mer enn 40 bare i Sarawak. De fleste av dem er ikke fanget opp i nåværende LLM-er. FLocks tilnærming muliggjør raskere modelltrening på disse språkene, noe som hjelper offentlige tjenester med å forbedre effektiviteten samtidig som lokal kontekst bevares.

5/ Eksperimentet viste hvordan regjeringer kan bygge suveren AI: modeller som trenes i samarbeid uten å eksponere rådata, med distribuert slutning som forbedrer motstandskraften utover fremmede systemer. For offentlig sektor muliggjør FLocks fødererte læring private AI-applikasjoner i stor skala. Dette åpner døren for grenseoverskridende samarbeid.