主权AI在实践中是什么样的？ FLock与沙捞越人工智能中心（SAIC）合作，展示了联邦学习如何在公共部门推动AI，同时保持数据和计算能力在区域控制之下。

2/ 该项目在古晋的沙捞越人工智能中心现场进行，由来自@UniofNewcastle的Dr. @rui_sunn和机构发展负责人@momarikar领导，并得到了沙捞越人工智能中心首席执行官Patrick Then教授的支持。 我们使用联邦学习，在分布式本地硬件上对真实的沙捞越马来语数据进行了语言模型的训练。

3/ 我们展示了： → 通过FL Alliance进行协作训练，无需共享原始数据，保护数据主权并支持跨机构创新。 → 分布式推理在较小的GPU上运行大型模型，通过在本地基础设施上分片，提供了一个比集中数据中心更可持续的替代方案。

马来西亚拥有100多种本土语言，其中仅在砂拉越就有超过40种。大多数这些语言在当前的LLM中并未被捕捉。 FLock的方法使这些语言的模型训练更快，帮助公共服务提高效率，同时保留地方背景。

5/ 实验展示了政府如何构建主权AI：通过协作训练模型而不暴露原始数据，分布式推理提高了超越外国系统的韧性。 对于公共部门，FLock的联邦学习使得大规模私有AI应用成为可能。这为跨境合作打开了大门。