在此前的【消息速遞】HPE Swarm Learning退場：為邊界與散布式站點而生的AI處理計劃中，咱們?yōu)槟喗榱薍PE最新頒布的HPE Swarm Learning處理計劃。成為沖破性的AI處理計劃，其可以在不侵害信息隱私的狀況下同享和統(tǒng)一AI模型的學習成果，加快組織在邊界發(fā)掘洞見。今日，讓咱們更進一步了解HPE Swarm Learning，開拓它的優(yōu)勢和有關用例。HPE Swarm Learning

HPE Swarm Learning由HPE的研究機構Hewlett Packard Labs開發(fā)，是業(yè)界第1個用來邊界和散布式站點且擁有隱私愛護本領的散布式機械學習框架。該處理計劃為用戶供應的容具應用HPE swarm API ，可以輕盈地與AI模型集成，讓客戶能夠在組織內部或是外部的領域同行間同享AI模型的學習成果，進而在不同享實際信息的前提下提高AI訓練水準。為組織帶來了下列優(yōu)勢：提升經營效益進而更好地進領域務抉擇無需移動或復制信息來提升效益供應可擴展性和彈性通過跨組織和跨地域的合作以追隨新營業(yè)形式的開發(fā)

HPE Swarm Learning處理醫(yī)療保健領域痛點

現(xiàn)在，AI處理計劃正輔助醫(yī)療保健領域提升診療和抉擇的確切性。為了提高確切性，AI模型須要訪問更大的信息集，并盡快減小信息誤差。在這一流程中，假設信息過于分散，通常會造成結果不確切。而在實際狀況中，匯總醫(yī)療信息通常由于下列原因特別擁有戰(zhàn)斗性，進而由于信息分散減低結果的確切性：HIPAA和GDPR等信息隱私法規(guī)制止同享信息信息一切權制止了醫(yī)院間或跨地域間的信息同享帶寬本錢或必需借用存儲資源復制信息造成的效益低落

而采取HPE Swarm Learning后，上述窘境迎刃而解。醫(yī)療保健組織能夠在信息源處應用批量散布式信息施行AI模型訓練，而無需移動信息。同時，每個信息的一切者全是平等的協(xié)作同伴，解除了對于信息一切權的爭論，信息源之間的合作能夠在不侵害隱私的狀況下進行。

群體學習技術發(fā)掘頂尖醫(yī)學洞見

毫簡直問，群體學習技術將重塑醫(yī)療保健和生命科學領域。比如，在個性化患者護理、更確切的醫(yī)療診療、變短新藥和療法的上市時間，并且更快的重病研發(fā)等行業(yè)，群體學習技術都被證實有極大后勁，讓咱們來看兩則案例：

用例一：

德國神經退行性重病核心 (DZNE) 基于約30000名患者的健康信息開發(fā)重病治愈方式，此中含蓋阿爾茨海默氏癥和帕金森氏癥等常見重病。DZNE的科學家們在采取群體學習技術后，可以治理巨大的研發(fā)信息池，并和其余機構同享有關研發(fā)看法，而這所有全是在遵照當?shù)睾陀嘘P專業(yè)行業(yè)的隱私標準下進行的。簡言之，群體學習技術讓DZNE在重病研發(fā)中更快、更理智地獲得和同享要害洞見，并做出抉擇。

用例二：

在某個胸部X光片的肺部重病探測用例中，患者信息散布在3個地方。不同地方的醫(yī)院在探測時存在局部誤差，群體學習模型可以在醫(yī)院信息有限的狀況下探測到這類重病，并解除該類型的局部信息誤差。結果顯現(xiàn)，群體學習提升了醫(yī)療模型的確切性和診療品質，到達了約70%的確切性。

不單是醫(yī)療保健領域和生命科學行業(yè)， HPE Swarm Learning幾乎能夠為一切領域帶來踴躍牽連，特別在金融、生產、石油和天然氣等領域具有廣大的運用遠景。