Hewlett Packard Enterprise přináší novou éru inovací pro podporu využívání umělé inteligence – rojové učení (HPE Swarm Learning)
Řešení pracuje na základě sdílení a sjednocení poznatků, na které v edge computingu přišla AI, a přitom zachovává anonymitu dat.
HPE Swarm Learning byl vyvinut výzkumnou a vývojovou organizací Hewlett Packard Labs. Jde o první decentralizovaný rámec strojového učení, který ochrání soukromí dat. Řešení je určeno k nasazení jak v místech vzniku dat (edge), tak v distribuované síti datových center. Poskytuje přizpůsobitelné kontejnery, které lze snadno integrovat s AI pomocí rozhraní HPE Swarm API. Díky tomu mohou organizace okamžitě sdílet zjištěné poznatky, a to jak uvnitř, tak mimo svou IT infrastrukturu. Všichni kolegové z oboru tím získají lepší výsledky, a to, aniž by sdíleli skutečná data.
„HPE Swarm Learning je novým výkonným konceptem rozvíjejícím metody umělé inteligence pro nasazení ve veřejném i soukromém sektoru. Navíc kombinuje sílu rozšiřování datových sad s inovacemi a poznatky organizací po celém světě,“ řekl Justin Hotard, výkonný viceprezident a generální ředitel HPC & AI společnosti HPE. „Smysluplným způsobem přispíváme ke zdokonalování rojového učení tím, že poskytujeme řešení, které jedinečným způsobem umožňuje organizacím spolupracovat, inovovat a urychlovat sílu umělé inteligence při zachování etiky, ochrany osobních údajů a standardů řízení.“
Nový přístup pro využití AI v edge zařízeních
V současné době se většina AI modelů trénuje centrálně, přičemž se využívají centralizované sloučené datové sady. Tento přístup není efektivní a představuje zbytečně vynaložené náklady kvůli nutnosti přesouvat velké objemy dat tam a zpět. Může být také dále komplikován pravidly a předpisy o ochraně osobních údajů a vlastnictví dat, které omezují sdílení a pohyb dat, což může potenciálně vést k nepřesnostem a zkreslením v AI modelech. Avšak díky trénování modelů a vytěžení poznatků přímo v místě vzniku dat (edge) mohou podniky získat rychlejší výsledky. Sdílením poznatků v rámci více organizací mají možnost různá průmyslová odvětví po celém světě sjednotit a dále zlepšovat inteligenci, která může vést k obrovským obchodním a společenským pokrokům.
Aby bylo zajištěno, že budou sdíleny pouze zjištěné poznatky, a nikoliv samotná data, HPE Swarm Learning používá technologii blockchainu, která se stará o bezpečný onboarding členů, dynamickou volbu lídra a slučování parametrů, aby byla zajištěna maximální odolnost a bezpečnost celého procesu. Navíc díky sdílení pouze poznatků, nikoli dat samotných, umožňuje využívat velké trénovací datové sady, aniž by bylo ohroženo soukromí, a pomáhá odstraňovat zkreslení a zvyšovat přesnost modelů.
„Swarmifying“ data posilují AI
HPE Swarm Learning může pomoci v řadě organizací:
- Nemocnice díky rojovému učení získají poznatky o pacientech rychleji. Například z CT záznamů, MRI skenů či dat posbíraných o genových expresích. Sdílením informací dochází k vylepšení diagnostiky nemocí.
- Bankovní a finanční instituce získávají nástroj pro boj se ztrátami – více než 400 miliard dolarů je hodnota očekávaných ztrát, které se v příštím desetiletí objeví na základě podvodů s kreditními kartami.
- Výrobní závody mohou těžit z prediktivní údržby, a tak získat plán potřebných oprav zařízení a řešit je dříve, než dojde k selhání a podnikům způsobí nežádoucí ztráty. Prostřednictvím rojového učení totiž mohou údržbáři získat lepší poznatky na základě nashromážděných dat ze senzorů napříč různými závody.
Řešení HPE Swarm Learning se již úspěšně používá. Například ve fakultní nemocnici RWTH University Aachen v Německu pomáhá v histopatologii s cílem urychlit diagnózu rakoviny tlustého střeva. Provedená studie díky HPE Swarm Learningu například přispěla v diagnostice rakoviny tlustého střeva. Vědci trénovali modely pomocí řešení HPE Swarm Learning na třech skupinách pacientů z Irska, Německa a USA. Výsledky ukázaly, že původní modely AI, trénované pouze na místních datech, byly díky sdílení poznatků z rojového učení jednoznačně překonány.
Dostupnost
HPE Swarm Learning je již k dispozici.