近日,HPE宣布推出HPE Swarm Learning解決方案,作為突破性的AI解決方案,其能夠在不損害數據隱私的情況下共享和統一AI模型的學習成果,加速組織在邊緣挖掘洞見。
HPE Swarm Learning由HPE的研發機構Hewlett Packard Labs開發,是業界第一個用于邊緣和分布式站點且具有隱私保護能力的分布式機器學習框架。該解決方案為客戶提供的容器使用HPE swarm API ,能夠輕松地與AI模型集成,讓用戶可以在組織內部或是外部的行業同行間共享AI模型的學習成果,從而在不共享實際數據的條件下提升AI訓練水準。
HPE HPC&AI執行副總裁兼總經理 Justin Hotard表示,“群體學習是一種全新的、強大的機器學習方法,已經用于應對諸多全球性的挑戰,例如改善患者的醫療保健體驗,以及提升異常檢測水準來支持欺詐檢測和預測性維護等。HPE此次通過提供企業級解決方案,將以一種有意義的方式為群體學習的利用做出貢獻,該解決方案將加速組織在AI模型上的協作和創新,同時確保各個組織恪守自身的道德、數據隱私和治理標準。”
引入全新的AI方法,安全地利用邊緣的洞見力
現在,大多數AI模型訓練都是在一個中心位置進行,這依賴于集中合并的數據集。但由于必須將大量數據移回同一數據源,往往帶來了效率低下和成本高昂的問題。同時,由于限制數據共享和移動的法律法規的限制,模型還可能存在偏差。而通過在邊緣訓練模型和利用洞見力,企業可以更快地做出決策,從而帶來更好的體驗和結果。 此外,不同組織通過在數據源上分享學習成果,可以讓世界各地的各個行業聯合起來,并進一步提高智能水平,從而帶來巨大的商業價值和社會成果。
然而,外部的數據共享可能會給組織帶來數據治理、監管或合規性的挑戰,要求數據保留在原有位置。對此,HPE Swarm Learning獨特地設計使組織能夠在源頭使用分布式數據,增加了訓練數據集的規模,以構建機器學習模型進行公平地學習,同時滿足了數據治理和隱私要求。為確保僅共享從邊緣捕獲的學習內容,而不是數據本身,HPE Swarm Learning使用區塊鏈技術安全地加入用戶,動態選舉領導者并合并模型參數,從而為群體網絡提供彈性和安全性。此外,通過僅共享學習成果,HPE Swarm Learning允許用戶在不損害隱私的情況下利用大規模訓練數據集,有助于消除偏差和提高模型的準確性。
“蜂擁而至”數據賦能人工智能,造福人類
HPE Swarm Learning可以促進組織協作并提升洞見力,例如:
? 醫療行業:醫院的AI模型可以從影像記錄、CT 、MRI掃描和基因數據中進行學習,并將學習成果共享給其他醫院,在保護患者信息的前提下,提升診斷的準確性和治療水平。
? 金融行業:通過與多個金融機構分享欺詐相關的AI模型學習成果,銀行與其他金融服務組織可以應對——未來十年內全球損失預計超過4000億美元的信用卡欺詐。
? 制造業:制造企業可以從預測性維護中受益,比如深入了解設備維修需求,并在發生故障和導致停機前解決問題。通過利用群體學習,維護人員可以從多個制造站點的傳感器數據中收集學習成果來獲得更好的洞見力。
完整的即用型機器學習開發解決方案
HPE同時宣布推出全新的HPE機器學習開發系統,以此幫助企業輕松構建和大規模訓練機器學習模型,從而更快地實現價值。這一新系統專為人工智能打造,是一種端到端解決方案,集成了機器學習軟件平臺、計算、加速器和網絡,可以更快、更大規模地開發和訓練更準確的人工智能模型。
