Jak wygląda suwerenna AI w praktyce? FLock współpracował z Sarawak AI Centre (SAIC), aby pokazać, jak uczenie federacyjne może wspierać AI w sektorze publicznym, jednocześnie utrzymując dane i moc obliczeniową pod regionalną kontrolą.

2/ Projekt odbył się na miejscu w Sarawak AI Centre w Kuching, prowadzony przez dr. @rui_sunn z @UniofNewcastle oraz @momarikar, szefa rozwoju instytucjonalnego, z wsparciem profesora Patricka Thena, dyrektora generalnego Sarawak AI Centre. Używając uczenia federacyjnego, wytrenowaliśmy model językowy na rozproszonym lokalnym sprzęcie na rzeczywistych danych w języku Sarawak Malay.

3/ Co zademonstrowaliśmy: → Wspólne szkolenie bez udostępniania surowych danych poprzez FL Alliance, zachowując suwerenność danych i wspierając innowacje międzyinstytucjonalne. → Rozproszone wnioskowanie uruchamia duże modele na mniejszych GPU poprzez podział na lokalną infrastrukturę, oferując bardziej zrównoważoną alternatywę dla scentralizowanych centrów danych.

4/ Malezja jest domem dla ponad 100 języków rdzennych, z czego ponad 40 znajduje się tylko w Sarawak. Większość z nich nie jest uwzględniona w obecnych LLM. Podejście FLocka umożliwia szybsze szkolenie modeli w tych językach, pomagając usługom publicznym poprawić efektywność przy jednoczesnym zachowaniu lokalnego kontekstu.

5/ Eksperyment pokazał, jak rządy mogą budować suwerenną AI: modele trenowane wspólnie bez ujawniania surowych danych, z rozproszonym wnioskowaniem poprawiającym odporność poza systemy zagraniczne. Dla sektora publicznego, federacyjne uczenie FLock umożliwia prywatne aplikacje AI na dużą skalę. To otwiera drzwi do współpracy transgranicznej.