¿Cómo se ve la IA soberana en la práctica? FLock trabajó con el Centro de IA de Sarawak (SAIC) para mostrar cómo el aprendizaje federado puede impulsar la IA en el sector público mientras mantiene los datos y la potencia de cálculo bajo control regional.

2/ El proyecto se llevó a cabo en el sitio del Sarawak AI Centre en Kuching, liderado por el Dr. @rui_sunn de @UniofNewcastle, y @momarikar, Jefe de Desarrollo Institucional, con el apoyo del Profesor Patrick Then, CEO del Sarawak AI Centre. Utilizando aprendizaje federado, entrenamos un modelo de lenguaje en hardware local distribuido con datos reales del malayo de Sarawak.

3/ Lo que demostramos: → Entrenamiento colaborativo sin compartir datos en bruto a través de FL Alliance, preservando la soberanía de los datos y apoyando la innovación entre instituciones. → La inferencia distribuida ejecuta grandes modelos en GPUs más pequeñas mediante el sharding en la infraestructura local, ofreciendo una alternativa más sostenible a los centros de datos centralizados.

4/ Malasia alberga más de 100 lenguas indígenas, con más de 40 solo en Sarawak. La mayoría de ellas no están capturadas en los LLM actuales. El enfoque de FLock permite un entrenamiento más rápido de modelos en estas lenguas, ayudando a los servicios públicos a mejorar la eficiencia mientras se preserva el contexto local.

5/ El experimento mostró cómo los gobiernos pueden construir IA soberana: modelos entrenados de manera colaborativa sin exponer datos en bruto, con inferencia distribuida que mejora la resiliencia más allá de los sistemas extranjeros. Para el sector público, el aprendizaje federado de FLock permite aplicaciones de IA privadas a gran escala. Esto abre la puerta a la colaboración transfronteriza.