Hewlett Packard Enterprise (HPE) wprowadza HPE Swarm Learning – rozwiązanie na bazie sztucznej inteligencji, przyspieszające analizę danych na brzegu sieci – od diagnozowania chorób po wykrywanie oszustw związanych z kartami kredytowymi. Jest to możliwe dzięki udostępnianiu i ujednolicaniu informacji o modelach sztucznej inteligencji bez naruszenia prywatności danych.
Rozwiązanie zostało opracowane przez specjalną organizację badawczą HPE – Hewlett Packard Labs. HPE Swarm Learning to pierwszy w branży, chroniący prywatność, zdecentralizowany system uczenia maszynowego dla lokalizacji rozproszonych i na brzegu sieci. Rozwiązanie to udostępnia organizacjom kontenery, które można łatwo zintegrować z modelami AI przy użyciu interfejsu HPE Swarm API. Użytkownicy mogą bez udostępniania rzeczywistych danych dzielić się wynikami dotyczącymi modeli sztucznej inteligencji z osobami we własnej organizacji lub zewnętrznymi współpracownikami w bardzo krótkim czasie.
„Swarm Learnig jest to nowe, a zarazem skuteczne podejście do wykorzystania sztucznej inteligencji, które już przyczyniło się do rozwoju medycyny oraz wykrywania anomalii w walce z oszustwami finansowymi” – mówi Justin Hotard, wiceprezes wykonawczy i dyrektor generalny działu HPC & AI w HPE. „Firma HPE ma swój wkład w rozwój technologii uczenia rozproszonego, dostarczając rozwiązanie klasy korporacyjnej, które umożliwia organizacjom współpracę, innowacje i szybszy rozwój modeli AI, przy jednoczesnym zachowaniu standardów etycznych i zarządczych, chroniąc prywatność danych w każdej organizacji”.
Bezpieczne wykorzystywanie wyników analiz na brzegu sieci
Obecnie większość szkoleń w zakresie modeli AI odbywa się w centralnej lokalizacji – takie podejście bazuje na scentralizowanych, połączonych zbiorach danych. Podejście to może być jednak nieefektywne i kosztowne ze względu na konieczność przenoszenia dużych ilości danych do centralnej lokalizacji. Może ono być również ograniczane przez regulacje prawne dotyczące prywatności i własności danych, które zmniejszają możliwość udostępniania i przepływu danych, co może potencjalnie prowadzić do powstania nieprecyzyjnych modeli. Dzięki treningowi modeli i wykorzystywaniu samych wyników analiz, a nie danych na brzegu sieci, przedsiębiorstwa mogą przyspieszyć podejmowanie decyzji. Dzięki możliwości przekazywania wyników pomiędzy organizacjami u źródła danych, różne branże na całym świecie mogą wspólnie pracować nad dalszym doskonaleniem AI. Może to doprowadzić do uzyskania istotnych wyników biznesowych i społecznych.
Jednak udostępnianie danych poza organizację może stanowić wyzwanie ze względu na regulacje, na mocy których niezbędne jest przechowywanie danych w lokalizacji firmy. HPE Swarm Learning umożliwia organizacjom korzystanie z rozproszonych danych u ich źródła, co pozwala na wykorzystanie większych zbiorów do treningu AI. To z kolei pozwala budować skuteczniejsze modele uczenia maszynowego, zachowując ich prywatność i łatwość w zarządzaniu. Jest to możliwe dzięki udostępnianiu samych wyników uzyskanych na brzegu sieci, a nie danych, co wpływa też na większą jakość modeli. HPE Swarm Learning wykorzystuje technologię blockchain, aby bezpiecznie dodawać nowych członków do grupy, wybierać lidera i scalać parametry modelu. Przekłada się to na odporność i bezpieczeństwo sieci uczenia rozproszonego.
„Swarmifying”: podejście do danych zwiększające możliwości AI w wielu branżach
HPE Swarm Learning może być zastosowane przez wiele organizacji, podwyższając jakość ich analiz, w szczególności w obszarach:
- Medycyna: technologia może być wykorzystana w szpitalach do analizy obrazowania, tomografii komputerowej, rezonansu magnetycznego czy danych dotyczących ekspresji genów. Udostępnianie wniosków z tych analiz pomiędzy szpitalami, przy zachowaniu odpowiedniej ochrony informacji o pacjencie, może przełożyć się na skuteczniejszą diagnostykę chorób.
- Bankowość: banki mogą ograniczyć straty wynikające z oszustw z wykorzystaniem kart kredytowych, dzieląc się z innymi instytucjami wynikami swojej analizy.
- Produkcja: zakłady produkcyjne mogą wykorzystywać metodę przeglądów predykcyjnych, aby przewidzieć i zaplanować naprawę sprzętu, zanim urządzenie ulegnie awarii, powodując niepożądany przestój. Wykorzystując uczenie rozproszone, kierownicy utrzymania ruchu mogą uzyskać lepszy obraz sytuacji, gdyż uzyskują dostęp do analizy informacji z czujników w wielu zakładach produkcyjnych.
Dostępność
Rozwiązanie HPE Swarm Learning jest już dostępne w większości krajów.
