Funding Entity
Type
International
Duration
01/01/2024 – 31/12/2024
Funding Entity
FEDERAL OFFICE FOR DEFENCE PROCUREMENT ARMASUISSE
DATRIS
The DATRIS (Decentralized AI for Trustworthy and Resource-efficient Intelligent Systems) project is a cutting-edge project aimed at making Federated Learning (FL) environments more capable, trustworthy, efficient, and ethical, particularly focusing on Decentralized Federated Learning (DFL) and trustworthy Artificial Intelligence (AI). This includes making sure data is kept private and secure, and decisions made by algorithms are fair and can be explained. The project also seeks to implement the model training across many locations without needing a central control point, which could make things faster and avoid some security risks. It is also looking into making large AI language models work in these decentralized systems without compromising privacy, and making the whole system more efficient through new learning methods. The project two main goals are to build this new DFL framework to allow safe and effective learning across different devices and to include trustworthy AI features to ensure the AI systems are transparent, fair, reliable, and ethical. While focusing on these goals, the project also explores how to effectively use large AI models in FL and make the system better for real-world use across various scenarios.
El proyecto DATRIS (Decentralized AI for Trustworthy and Resource-efficient Intelligent Systems) es un proyecto innovador cuyo objetivo es hacer que los entornos de aprendizaje federado (FL) sean más capaces, fiables, eficientes y éticos, centrándose especialmente en el aprendizaje federado descentralizado (DFL) y la inteligencia artificial (IA) confiable. Esto incluye garantizar que los datos se mantengan privados y seguros, y que las decisiones tomadas por los algoritmos sean justas y puedan explicarse. El proyecto también pretende implantar el entrenamiento de modelos descentralizados sin necesidad de un punto de control central, lo que podría agilizar los despliegues y evitar algunos riesgos de seguridad. También se busca que los grandes modelos de IA funcionen en estos sistemas descentralizados sin comprometer la privacidad, y que todo el sistema sea más eficiente gracias a nuevos métodos de aprendizaje. Los dos objetivos principales del proyecto son construir este nuevo marco DFL para permitir un aprendizaje seguro y eficaz en distintos dispositivos e incluir funciones de IA fiables para garantizar que los sistemas de IA sean transparentes, justos, fiables y éticos. Al tiempo que se centra en estos objetivos, el proyecto también explora cómo utilizar eficazmente grandes modelos de IA en FL y mejorar el sistema para su uso en el mundo real en diversos escenarios.
