Hewlett Packard Enterprise ha annunciato il lancio di HPE Swarm Learning, una soluzione AI rivoluzionaria per accelerare le intuizioni ai margini, dalla diagnosi di malattie all'individuazione di frodi con carte di credito, condividendo e unificando gli apprendimenti dei modelli AI senza compromettere la privacy dei dati. HPE Swarm Learning, sviluppato da Hewlett Packard Labs, l'organizzazione di ricerca e sviluppo di HPE, è il primo framework di apprendimento automatico decentralizzato e rispettoso della privacy del settore per l'edge o i siti distribuiti. La soluzione offre ai clienti dei contenitori facilmente integrabili con i modelli di AI, utilizzando l'API HPE swarm.

Gli utenti possono quindi condividere immediatamente gli apprendimenti dei modelli AI all'interno della loro organizzazione e all'esterno con i colleghi del settore per migliorare la formazione, senza condividere i dati reali. La maggior parte dell'addestramento dei modelli di AI avviene in una sede centrale, che si basa su set di dati unificati centralizzati. Tuttavia, questo approccio può essere inefficiente e costoso a causa della necessità di spostare grandi volumi di dati verso la stessa fonte.

Può anche essere limitato dalle norme e dai regolamenti sulla privacy e sulla proprietà dei dati che limitano la condivisione e il movimento dei dati, il che può potenzialmente portare a modelli imprecisi e distorti. Addestrando i modelli e sfruttando le intuizioni sul bordo, le aziende possono prendere decisioni più velocemente, al punto di impatto, portando a esperienze e risultati migliori. Inoltre, condividendo gli apprendimenti da un'organizzazione all'altra alla fonte dei dati, varie industrie in tutto il mondo possono unirsi e migliorare ulteriormente l'intelligence che può portare a risultati aziendali e sociali straordinari.

Tuttavia, la condivisione dei dati all'esterno può rappresentare una sfida per le organizzazioni che devono soddisfare i requisiti di governance dei dati, normativi o di conformità, che impongono che i dati rimangano nella loro sede. HPE Swarm Learning consente alle organizzazioni di utilizzare i dati distribuiti alla fonte, aumentando le dimensioni del set di dati per l'addestramento, per costruire modelli di apprendimento automatico che apprendano in modo equo, preservando la governance e la privacy dei dati. Per garantire che vengano condivisi solo gli apprendimenti acquisiti dall'edge, e non i dati stessi, HPE Swarm Learning utilizza la tecnologia blockchain per imbarcare in modo sicuro i membri, eleggere dinamicamente un leader e unire i parametri del modello per fornire resilienza e sicurezza alla rete dello sciame.

Inoltre, condividendo solo gli apprendimenti, HPE Swarm Learning consente agli utenti di sfruttare grandi set di dati di formazione, senza compromettere la privacy, e aiuta a rimuovere i pregiudizi per aumentare l'accuratezza dei modelli. bHPE Swarm Learning può aiutare una serie di organizzazioni a collaborare e a migliorare gli approfondimenti: Gli ospedali possono trarre insegnamenti dalle registrazioni di imaging, dalle TAC e dalle risonanze magnetiche e dai dati di espressione genica da condividere da un ospedale all'altro per migliorare la diagnostica di malattie e altri disturbi, proteggendo al contempo le informazioni dei pazienti. I servizi bancari e finanziari possono combattere la perdita globale prevista di oltre 400 miliardi di dollari in frodi con le carte di credito nel prossimo decennio, condividendo le conoscenze relative alle frodi con più di un istituto finanziario alla volta.

I siti produttivi possono trarre vantaggio dalla manutenzione predittiva, per ottenere informazioni sulle esigenze di riparazione delle apparecchiature e affrontarle prima che si guastino e causino tempi di fermo indesiderati. Sfruttando lo swarm learning, i responsabili della manutenzione possono ottenere una visione migliore raccogliendo le conoscenze dai dati dei sensori in più siti produttivi. Esempi di utilizzo dei primi adottatori di HPE Swarm Learning sono: L'Università di Aachen studia l'istopatologia per accelerare la diagnosi del cancro al colon.

Un team di ricercatori oncologici dell'Ospedale Universitario dell'Università RWTH di Aquisgrana, in Germania, ha condotto uno studio per accelerare la diagnosi del cancro al colon, applicando l'AI all'elaborazione delle immagini per prevedere le alterazioni genetiche, che possono far diventare le cellule cancerose. I ricercatori hanno addestrato i modelli di AI utilizzando HPE Swarm Learning su tre gruppi di pazienti provenienti da Irlanda, Germania e Stati Uniti e hanno convalidato le prestazioni di predizione in due set di dati indipendenti del Regno Unito, utilizzando gli stessi modelli di AI basati sullo swarm learning. I risultati hanno dimostrato che i modelli AI originali, che si allenavano solo sui dati locali, sono stati superati dall'apprendimento a sciame grazie alla condivisione degli apprendimenti, ma non dei dati del paziente, con altre entità per migliorare le previsioni.

TigerGraph avanza il rilevamento delle anomalie per aiutare le banche a combattere le frodi con le carte di credito. TigerGraph, fornitore di una piattaforma leader di analisi dei grafi, combina HPE Swarm Learning con la sua offerta di analisi dei dati in esecuzione su server HPE ProLiant con processori AMD EPYC™ per aumentare gli sforzi nel rilevare rapidamente attività insolite nelle transazioni delle carte di credito. La soluzione combinata aumenta l'accuratezza nell'addestramento di modelli di apprendimento automatico a partire da grandi quantità di dati finanziari provenienti da più banche e filiali, in diverse località geologiche.