Hewlett Packard Enterprise a annoncé le lancement de HPE Swarm Learning, une solution d'IA révolutionnaire pour accélérer les connaissances à la périphérie, du diagnostic des maladies à la détection de la fraude par carte de crédit, en partageant et en unifiant les apprentissages des modèles d'IA sans compromettre la confidentialité des données. HPE Swarm Learning, qui a été développé par Hewlett Packard Labs, l'organisation R&D de HPE, est le premier cadre d'apprentissage machine décentralisé et préservant la confidentialité du secteur pour la périphérie ou les sites distribués. La solution fournit aux clients des conteneurs qui sont facilement intégrés aux modèles d'IA à l'aide de l'API HPE swarm.

Les utilisateurs peuvent ensuite partager immédiatement les apprentissages des modèles d'IA au sein de leur organisation et à l'extérieur avec des pairs du secteur pour améliorer la formation, sans partager les données réelles. La majorité de l'apprentissage des modèles d'IA se fait à un endroit central, ce qui repose sur des ensembles de données fusionnés centralisés. Toutefois, cette approche peut s'avérer inefficace et coûteuse, car il faut déplacer de grands volumes de données vers la même source.

Elle peut également être limitée par les règles et réglementations relatives à la confidentialité et à la propriété des données qui limitent le partage et le mouvement des données, ce qui peut potentiellement conduire à des modèles inexacts et biaisés. En formant des modèles et en exploitant les connaissances à la périphérie, les entreprises peuvent prendre des décisions plus rapidement, au point d'impact, ce qui entraîne de meilleures expériences et de meilleurs résultats. De plus, en partageant les apprentissages d'une organisation à l'autre à la source des données, diverses industries à travers le monde peuvent s'unir et améliorer encore l'intelligence qui peut conduire à des résultats commerciaux et sociétaux considérables.

Cependant, le partage des données à l'extérieur peut poser un problème aux organisations qui doivent répondre à des exigences de gouvernance des données, de réglementation ou de conformité, exigeant que les données restent à leur emplacement. HPE Swarm Learning permet uniquement aux organisations d'utiliser les données distribuées à leur source, ce qui augmente la taille de l'ensemble de données pour la formation, afin de construire des modèles d'apprentissage automatique pour apprendre de manière équitable, tout en préservant la gouvernance des données et la confidentialité. Pour s'assurer que seuls les apprentissages capturés depuis la périphérie sont partagés, et non les données elles-mêmes, HPE Swarm Learning utilise la technologie blockchain pour embarquer les membres en toute sécurité, élire dynamiquement un leader et fusionner les paramètres du modèle afin d'offrir résilience et sécurité au réseau de l'essaim.

De plus, en ne partageant que les apprentissages, HPE Swarm Learning permet aux utilisateurs d'exploiter de grands ensembles de données d'entraînement, sans compromettre la confidentialité, et aide à supprimer les biais pour augmenter la précision des modèles. bHPE Swarm Learning peut aider toute une série d'organisations à collaborer et à améliorer les connaissances : Les hôpitaux peuvent tirer des enseignements des dossiers d'imagerie, des scanners CT et IRM, et des données d'expression génétique à partager d'un hôpital à l'autre pour améliorer le diagnostic des maladies et autres affections, tout en protégeant les informations sur les patients. Les services bancaires et financiers peuvent lutter contre la perte mondiale prévue de plus de 400 milliards de dollars en fraude de cartes de crédit au cours de la prochaine décennie, en partageant les apprentissages liés à la fraude avec plusieurs institutions financières à la fois.

Les sites de fabrication peuvent bénéficier de la maintenance prédictive pour mieux connaître les besoins de réparation des équipements et y répondre avant qu'ils ne tombent en panne et n'entraînent des temps d'arrêt indésirables. En tirant parti de l'apprentissage en essaim, les responsables de la maintenance peuvent obtenir un meilleur aperçu en recueillant les enseignements tirés des données des capteurs sur plusieurs sites de fabrication. Voici quelques exemples de cas d'utilisation des premiers adoptants de HPE Swarm Learning : L'université d'Aix-la-Chapelle étudie l'histopathologie pour accélérer le diagnostic du cancer du côlon.

Une équipe de chercheurs en cancérologie de l'hôpital universitaire RWTH d'Aix-la-Chapelle, en Allemagne, a mené une étude pour faire progresser le diagnostic du cancer du côlon en appliquant l'IA au traitement des images pour prédire les altérations génétiques, qui peuvent rendre les cellules cancéreuses. Les chercheurs ont formé des modèles d'IA à l'aide de HPE Swarm Learning sur trois groupes de patients d'Irlande, d'Allemagne et des États-Unis et ont validé les performances de prédiction dans deux ensembles de données indépendants du Royaume-Uni en utilisant les mêmes modèles d'IA basés sur l'apprentissage en essaim. Les résultats ont démontré que les modèles d'IA originaux, s'entraînant uniquement sur des données locales, étaient plus performants en utilisant l'apprentissage en essaim grâce au partage des apprentissages, mais pas des données du patient, avec d'autres entités pour améliorer les prédictions.

TigerGraph fait progresser la détection des anomalies pour aider les banques à lutter contre la fraude par carte de crédit. TigerGraph, fournisseur d'une plateforme d'analyse de graphes de premier plan, associe HPE Swarm Learning à son offre d'analyse de données fonctionnant sur des serveurs HPE ProLiant utilisant des processeurs AMD EPYC㬱 ; pour accroître les efforts de détection rapide d'activités inhabituelles dans les transactions par carte de crédit. La solution combinée augmente la précision lors de l'apprentissage de modèles d'apprentissage automatique à partir de vastes quantités de données financières provenant de plusieurs banques et succursales, sur plusieurs sites géologiques.