Com solução Swarm Learning criada para Edge e sites distribuídos solução de aprendizado de máquina descentralizado e que preserva a privacidade, permite que os usuários compartilhem aprendizados em edge ou em sites distribuídos sem comprometer a privacidade dos dados.
A Hewlett Packard Enterprise anunciou mês passado o lançamento do HPE Swarm Learning, solução inovadora de IA para acelerar insights em “edge” que vão desde o diagnóstico de doenças até a detecção de fraudes de cartão de crédito, compartilhando e unificando os aprendizados do modelo de IA sem comprometer a privacidade dos dados
O HPE Swarm Learning, desenvolvido pela Hewlett Packard Labs, organização de P&D da HPE, é a primeira estrutura de aprendizado de máquina descentralizada e que preserva a privacidade do setor para sites “edge” ou distribuídos1. A solução oferece aos clientes contêineres que são facilmente integrados a modelos de IA usando a API “swarm” da HPE. Os usuários podem, então, compartilhar instantaneamente os aprendizados do modelo de IA com colegas do setor dentro e fora de suas organizações com o objetivo de melhorar o treinamento sem a necessidade de compartilhar dados reais.
“O aprendizado ‘swarm’ é uma nova e poderosa abordagem para a IA que já fez progresso em áreas de importância global, como no cuidado da saúde do paciente e na melhoria da detecção de anomalias que auxiliam os esforços na detecção de fraudes e na manutenção preditiva”, diz Justin Hotard, vice-presidente executivo e gerente geral de Computação de Alto Desempenho e Inteligência Artificial (HPC & AI) da HPE. “A HPE está contribuindo para o movimento de aprendizado ‘swarm’ de maneira significativa, oferecendo uma solução de classe empresarial que, de maneira única, permite que as organizações colaborem, inovem e acelerem o poder dos modelos de IA, preservando a ética, a privacidade de dados e os padrões de governança de cada organização.”
Apresentando uma nova abordagem de IA para aproveitar insights com segurança em “edge”
Hoje, a maioria dos treinamentos de modelos de IA ocorre em um local central, que depende de conjuntos de dados mesclados centralizados. No entanto, essa abordagem pode ser ineficiente e cara pois demanda que grandes volumes de dados sejam movidos de volta para a mesma fonte. Além disso, esse método pode ser restringido por regras e regulamentos de privacidade e propriedade de dados que limitam o compartilhamento e a movimentação de dados, o que pode levar a modelos imprecisos e tendenciosos. Ao treinar modelos e aproveitar insights em “edge”, as empresas podem tomar decisões com mais rapidez, no ponto de impacto, o que resulta em melhores experiências e resultados. Também, ao compartilharem aprendizados de uma organização para outra na fonte de dados, vários setores em todo o mundo podem se unir e melhorar ainda mais a inteligência que pode levar a excelentes resultados comerciais e sociais.
Entretanto compartilhar dados externamente pode representar um desafio para as organizações que precisam atender a requisitos regulamentares, de conformidade ou governança de dados, o que demanda que os dados permaneçam em seus locais de origem. O HPE Swarm Learning permite, com exclusividade, que as organizações usem dados distribuídos em sua fonte, o que aumenta o tamanho do conjunto de dados para treinamento, para criar modelos de “machine learning”, a fim de aprender de maneira equitativa, preservando a governança e a privacidade dos dados. Para garantir que apenas os aprendizados capturados em “edge” sejam compartilhados, e não os dados em si, o HPE Swarm Learning usa a tecnologia “blockchain” para integrar membros com segurança, eleger dinamicamente um líder e mesclar parâmetros de modelo com a finalidade de fornecer resiliência e segurança à rede “swarm”. Além disso, ao compartilhar apenas os aprendizados, o HPE Swarm Learning permite que os usuários aproveitem grandes conjuntos de dados de treinamento sem comprometer a privacidade – o que ajuda a afastar vieses para aumentar a precisão dos modelos.
Dados “swarmifying” para capacitar a IA para um bem maior
O HPE Swarm Learning pode ajudar uma série de organizações a colaborarem e melhorarem os insights:
Hospitais podem obter aprendizados a partir de registros de imagens, tomografias computadorizadas, ressonâncias magnéticas e dados de expressão gênica para serem compartilhados de um hospital para outro com o objetivo de melhorar o diagnóstico de doenças, enquanto protegem as informações do paciente.
Serviços bancários e financeiros podem combater a perda global esperada de mais de US$ 400 bilhões em fraudes de cartão de crédito na próxima década2 compartilhando aprendizados relacionados à fraude com mais de uma instituição financeira por vez.
Locais de fabricação podem se beneficiar da manutenção preventiva para obterem informações sobre as necessidades de reparo de equipamentos e abordá-las antes que haja falhas que causem tempo de inatividade indesejado. Ao usufruir do aprendizado “swarm”, os gerentes de manutenção podem obter melhores insights coletando aprendizados de dados de sensores em vários locais de fabricação
Exemplos de casos dos primeiros a adotarem o HPE Swarm Learning incluem:
Universidade de Aachen estuda histopatologia para acelerar o diagnóstico de câncer de cólon
Uma equipe de pesquisadores de câncer do Hospital Universitário da Universidade RWTH Aachen, na Alemanha, realizou um estudo para avançar no diagnóstico do câncer de cólon, ao utilizar IA no processamento de imagens para prever alterações genéticas que podem fazer com que as células se tornem cancerosas.
Os pesquisadores treinaram modelos de IA usando o HPE Swarm Learning em três grupos de pacientes da Irlanda, da Alemanha e dos EUA, e validaram o desempenho da previsão em dois conjuntos de dados independentes do Reino Unido usando os mesmos modelos de IA baseados em “swarm learning”. Os resultados demonstraram que os modelos de IA originais, que treinam apenas com dados locais foram superados pelo aprendizado “swarm” devido ao compartilhamento de aprendizados (e não dos dados dos pacientes) com outras entidades para melhorar as previsões.
TigerGraph avança em detecção de anomalias para ajudar bancos a combaterem fraudes de cartão de crédito
A TigerGraph, fornecedora de uma plataforma líder de análise de gráficos, combina o HPE Swarm Learning com sua oferta de análise de dados executada em servidores HPE ProLiant, usando processadores AMD EPYC™ para aumentar os esforços na detecção rápida de atividades incomuns em transações com cartão de crédito. A solução combinada aumenta a precisão, ao treinar modelos de “machine learning” a partir de grandes quantidades de dados financeiros de vários bancos e filiais espalhados por diferentes regiões geográficas.