FLaaS – Federated Learning as a Service (FLaaS)

Il progetto nasce per rispondere a una sfida sempre più rilevante: permettere a organizzazioni diverse di collaborare nello sviluppo di modelli di intelligenza artificiale senza scambiarsi dati, tutelando privacy e proprietà informativa. Il Federated Learning consente proprio questo, ma gli strumenti attuali richiedono competenze tecniche elevate e spesso generano “federazioni usa e getta” che non favoriscono continuità, riuso e scalabilità. Il progetto propone una visione più ampia e duratura, trasformando il Federated Learning in un vero e proprio servizio accessibile.

L’obiettivo è definire un modello chiamato Federated Learning as a Service (FLaaS), nel quale istituzioni e centri di ricerca possano offrire in modo strutturato l’accesso ai propri dati, permettendo agli utenti di inviare modelli da addestrare in modalità federata. Questa impostazione semplifica la gestione dei processi, aumenta la trasparenza e aiuta a sfruttare il valore dei dati senza rinunciare alla riservatezza.

Le principali difficoltà riguardano la complessità degli strumenti esistenti, l’assenza di piattaforme pensate per un uso continuativo e la necessità di nascondere agli utenti le parti più tecniche dell’infrastruttura. Senza soluzioni intuitive, il Federated Learning resta confinato a esperti e non può essere adottato su larga scala da istituzioni, imprese e ricercatori.

Il progetto ha creato un’interfaccia web semplice e intuitiva che permette di accedere ai dati locali e di abbinarli alle richieste di addestramento federato. Il backend gestisce automaticamente le operazioni tecniche tramite container e sistemi di orchestrazione, consentendo un uso della tecnologia senza barriere. La piattaforma è stata testata utilizzando risorse HPC e Big Data del Centro Nazionale, indispensabili per lavorare con dataset estesi e modelli complessi.

Rendere più semplice l’addestramento di modelli distribuiti può accelerare l’innovazione in molti settori, dalla Sanità alla Finanza. La possibilità di collaborare senza condividere i dati permette a organizzazioni pubbliche e private di valorizzare i propri archivi informativi senza correre rischi di privacy. Modelli migliori e più robusti possono migliorare servizi digitali e favorire un uso responsabile dell’intelligenza artificiale.

FLaaS può abilitare nuovi modelli di business in cui le istituzioni mettono a disposizione dati e capacità di calcolo per addestramenti federati. Il progetto proseguirà con l’esplorazione di nuove tecniche di Federated Learning e prevede di rendere disponibile il codice sorgente, così da permettere a università, aziende ed enti pubblici di replicare la piattaforma nei propri contesti.