في عالم يتزايد فيه الانشغال بحماية البيانات الشخصية، يظهر GuidaPA كحل مبتكر يلبي حاجة الإدارة العامة الإيطالية إلى تطوير خدمات دردشة توفر الخصوصية. تم تصميم GuidaPA باستخدام تقنية التعلم الفيدرالي (Federated Learning)، حيث يتم تدريب النموذج على وثائق من منصتين وطنيتين، SIGESON و SIDFORS.

تتضمن قاعدة بيانات الدراسة حوالي 8 صفحات من كتيبات SIGESON و31 صفحة من كتيبات SIDFORS. ورغم أن الدراسة تعتمد على الوثائق العامة كبديل آمن، فإن الاستخدام المستهدف يمتد ليشمل مصادر داخلية محكومة، مثل التذاكر وكتيبات الموظفين.

يعتمد GuidaPA على التحكم بالوصول القائم على الأدوار (Role-Based Access Control) والمعالجة الآمنة للبيانات على جانب العميل، بالإضافة إلى الرصد الصريح لتأثيرات البيانات غير المستقلة والمتناسقة. تم استخدام خوارزمية QLoRA (4-bit) على مدى 15 جولة في التعلم الفيدرالي مع تقسيم بيانات التدريب/الاختبار بنسبة 80/20 لكل عميل. تم تقييم جودة الإجابات باستخدام معايير ROUGE وBLEU-4 وMETEOR.

تظهر النتائج أن النموذج الفيدرالي الأفضل حقق نتائج جيدة جداً منها ROUGE-1/2/L تبلغ 61.10/55.77/59.44 وBLEU-4 تبلغ 45.02 وMETEOR تبلغ 63.94. ومن المثير للإعجاب أن هذه النتائج تتقارب مع تلك التي تم الحصول عليها من نموذج مركزي خاص دون الحاجة لنقل البيانات. كما أن تحسين نموذج المجال يعزز من جودة الأداء، حيث ارتفعت درجات ROUGE-1 من 41.45 إلى 62.18 وBLEU-4 من 26.97 إلى 50.90.

هذا يشير بوضوح إلى أن التعلم الفيدرالي يمكن أن يقدم ذكاءً إصطناعيًا ذا جودة عالية للخدمات العامة دون الحاجة لمشاركة البيانات مركزياً. تعد GuidaPA خطوة كبيرة نحو دمج الذكاء الاصطناعي في القطاع الحكومي مع الحفاظ على خصوصية الأفراد.