Federativno učenje kao alat za otvorene modele strojnog učenja u eUpravi

Federativno učenje (engl. Federated learning, FL) pojavilo se kao nova, podatkovno usporedna tehnika strojnog učenja (engl. Machine learning, ML) uspoređenog s podacima, koja dopunjuje nedostajuće poveznice potrebne u području umjetne inteligencije kako bi se uskladilo s ograničenjima vezanim za propise o privatnosti podataka. Osim što omogućuje ML-u da izbjegne prepreke vezane uz privatnosti podataka, stvara nove prilike olakšavajući globalno otkrivanje znanja kroz modele obuke treninga koji koriste distribuirane skupove podataka različitih davatelja podataka izvora i s različitim pravima vlasništva i pristupa. Takav pristup zagovara stvaranje otvorenih modela – proširenje koncepta otvorenih podataka – gdje podaci potrebni za izgradnju otvorenog modela mogu biti otvoreni, zatvoreni i kombinacija oboje. Otvoreni modeli FL-a (engl. Federated learning open models, FLOM) usklađeni su s korištenjem novih ometajućih disruptivnih tehnologija za postizanje 'znanja o gomili' u potpori donošenja odluka i politika temeljenih na podacima i dokazima, prepoznatih kao treća generacija metodologije eUprave. Ovaj članak predlaže jednostavan FL okvir, s detaljnim vodičem o implementaciji FLOM-a, uz dva primjera koji spadaju u domenu eUprave.