图尔库应用科学大学：训练AI需全社会参与，但数据仍留在本地

人工智能解决方案的安全性、数据保护与监管，已成为全球范围内备受关注的关键议题。与此同时，各类组织也在积极寻求更高效的方式来挖掘和利用自身的数据价值。图尔库应用科学大学（Turku University of Applied Sciences）所开展的SA-FlaaS项目，正是顺应这一全球发展趋势而推出的解决方案。

不妨设想这样一种场景：一家制造企业希望利用其错误报告来训练人工智能模型。如果训练数据中还能涵盖生产同类产品的竞争对手的错误报告，那么所训练出的模型将会更加实用、更具价值。

通过使用共享的训练数据，人工智能可以学习识别不同的工作阶段、流程以及工作文化是如何导致错误的。在此基础上，两家企业便可以进一步开发更高效的运营模式，提升工作场所的安全性，并主动预防问题的发生。如此一来，每个人都能从人工智能所产生的新洞见中获益。

然而，问题也显而易见：各类组织和企业往往不愿共享数据。在医疗保健或政府运作领域，这甚至不是一个意愿问题——法律和严格的监管障碍，直接阻碍了患者数据的共享。

针对这一难题，SA-FlaaS（全称“安全准确的联邦学习即服务”，Secure and Accurate Federated Learning as a Service）项目开发出了一套解决方案。该项目构建了一个基于分布式机器学习的平台，允许在不向第三方传输或披露敏感数据的前提下，完成人工智能模型的训练。

这是长期研发努力的成果。近年来，图尔库应用科学大学的研究人员在联邦学习技术的开发方面取得了国际性的成功。其中一项与脑癌研究相关的创新成果，曾在英特尔赞助的一场人工智能竞赛中名列前茅。这一国际认可充分证明，SA-FlaaS的人工智能解决方案正在竞争激烈且要求极高的市场中逐步站稳脚跟。

联邦学习蕴含商业潜力

由芬兰商业发展基金（Business Finland）资助的SA-FlaaS项目，其开发的解决方案基于联邦学习技术。每个组织都将自己的数据保留在自身系统之中，并在不与其他方共享数据的情况下，为模型训练做出贡献。

这项创新最初由医疗保健领域的需求所驱动，延续了INSIGHT研究小组其他研发项目的成果。此后，该项目的组合已进一步扩大，目标也更加宏大。

SA-FlaaS已经认识到该解决方案所蕴含的商业潜力。如果为医疗保健开发的AI解决方案能够应用于任何行业，那将代表着规模化扩张的重大机遇。