Hewlett Packard Enterprise ha annunciato il lancio di HPE Swarm Learning, una soluzione di intelligenza artificiale sviluppata per accelerare gli insight all’edge, dalla diagnosi delle malattie, al rilevamento delle frodi con carta di credito, condividendo e unificando i learning del modello AI senza compromettere la privacy dei dati.

HPE Swarm Learning, primo framework di learning automatico decentralizzato a tutela della privacy per i siti edge o i siti distribuiti, fornisce ai clienti applicazioni containerizzate facilmente integrabili con i modelli di AI utilizzando l’API dello swarm HPE. Gli utenti possono quindi condividere immediatamente i learnings del modello di AI all’interno della propria organizzazione e all’esterno con i colleghi del settore per migliorare la formazione, senza condividere i dati effettivi.

 

Oggi, la maggior parte dell’addestramento del modello di IA avviene in una locazione centralizzata e si basa su set di dati unificati e centralizzati. Tuttavia, questo approccio può essere inefficiente e costoso a causa della necessità di riportare grandi volumi di dati alla stessa origine, ossia dove sono stati creati.

Questo approccio può anche essere vincolato da norme e 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 e quindi a risultati non affidabili.

Costruendo invece modelli e sfruttando le informazioni dettagliate direttamente nei siti edge, dove i dati sono creati, le aziende possono prendere decisioni più velocemente e dove serve, portando esperienze e risultati migliori. Inoltre, condividendo i dati di quanto appreso da un’organizzazione con un’altra direttamente dove i dati sono creati, queste organizzazioni in tutto il mondo possono unirsi e migliorare ulteriormente le informazioni che possono portare a risultati aziendali e sociali straordinari.

Tuttavia, la condivisione dei dati esternamente può rappresentare una sfida per le organizzazioni che devono soddisfare requisiti di governance, regolamentazione o conformità dei dati, che richiedono che i dati stessi non vengano spostati. HPE Swarm Learning consente alle organizzazioni di utilizzare i dati distribuiti alla fonte, aumentando le dimensioni del set di dati per la formazione, per creare modelli di machine learning per apprendere in modo equo, preservando al contempo la governance e la privacy dei dati.

HPE_Swarm_Learning

Per garantire che vengano condivisi solo i learning, ossia i risultati derivanti da questi studi acquisiti all’edge, e non i dati stessi, HPE Swarm Learning utilizza la tecnologia blockchain per integrare in modo sicuro i membri, eleggere dinamicamente un leader e unire i parametri del modello per fornire resilienza e sicurezza alla rete “swarm” a cui partecipano i membri stessi. Inoltre, condividendo solo i learning, HPE Swarm Learning consente agli utenti di sfruttare set di dati di addestramento di grandi dimensioni, senza compromettere la privacy, e aiuta a rimuovere le distorsioni del modello stesso per aumentare la precisione nei modelli.

HPE Swarm Learning può aiutare una vasta gamma di organizzazioni a collaborare e migliorare gli insight come in questi casi:

  • Gli ospedali possono trarre informazioni da registrazioni di imaging, scansioni TC e MRI e sequenze genomiche di dati da un ospedale all’altro per migliorare la diagnostica di malattie e altri disturbi, proteggendo al contempo le informazioni sui pazienti.
  • I fornitori di servizi bancari e finanziari possono combattere le frodi con carte di credito condividendo le conoscenze relative alle frodi con più di un istituto finanziario alla volta.
  • Gli stabilimenti produttivi possono trarre vantaggio dalla manutenzione predittiva per ottenere informazioni dettagliate sulle esigenze di riparazione delle apparecchiature ed eseguire la manutenzione prima che si guastino e causino fermi indesiderati. Sfruttando il swarm learning, i responsabili della manutenzione possono ottenere informazioni migliori raccogliendo i learning, ossia i risultati degli studi derivanti dal modello di ML, che arrivano dai dati dei sensori in più siti di produzione.

Esempi di casi d’uso dei primi utenti di HPE Swarm Learning includono l’Università di Aquisgrana TigerGraph. La prima, che studia l’istopatologia per accelerare la diagnosi del cancro del colon, ha applicato l’intelligenza artificiale sull’elaborazione delle immagini per prevedere le alterazioni genetiche che possono causare il cancro delle cellule.

I ricercatori hanno addestrato 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 previsione in due set di dati indipendenti dal Regno Unito, utilizzando gli stessi modelli di AI basati sugli swarm learning. I risultati hanno dimostrato che i modelli di AI originali, che si basavano solo su dati locali, sono stati superati utilizzando modelli di swarm learning grazie alla condivisione dei learning stessi (ma non dei dati dei pazienti) con altre entità per migliorare le previsioni.

TigerGraph, fornitore di una piattaforma di analisi grafica leader nel settore, ha invece migliorato il rilevamento delle anomalie per aiutare le banche a combattere le frodi con carte di credito. Lo ha fatto combinando HPE Swarm Learning con la sua offerta di analisi dei dati in esecuzione su server HPE ProLiant, utilizzando processori AMD EPYC per aumentare la capacità di rilevamento rapido di attività insolite nelle transazioni con carta di credito. La soluzione combinata aumenta la precisione durante l’addestramento di modelli di machine learning attraverso grandi quantità di dati finanziari provenienti da più banche e filiali in località diverse.