Swarm 学习
为何 Swarm Learning 如此重要？
随着越来越多的数据在智能边缘进行收集和处理，必须分享数据并转化为“集体知识”才能实现数据的真正价值。然而，分享此类数据会导致安全风险，在某些情况下为政府法规所禁止。由于 Swarm Learning 分享的是洞见而非源数据，因此可以跨地区、甚至跨组织安全地分享从受保护数据中得出的洞见。
Swarm Learning 有哪些优势？
如今，海量数据在不同边缘位置生成和收集，这给传统的集中式机器学习方法带来了挑战。这些传统算法需要将数据整合到同一位置，而将大量数据从多个源移至单一位置会造成安全风险和延迟问题。
Swarm Learning 分散式方法将数据应用于更靠近源的 AI 模型，仅移动学习内容。区块链技术支持多个边缘位置（统称为 Swarm）以值得信赖的方式相互分享洞见，同时防止不法分子未经授权访问 Swarm。
借助这种分散式方法，模型可以更快地生成答案，组织也能有更多机会在组织内外分享学习内容。与此同时，由于数据移动受到限制，源数据获得了隐私保护。此外，由于这种方法无需将数据复制到核心或中心位置，数据蔓延也大为减少。
组织通过训练模型以及在边缘利用洞见，能够更快地作出最为明智的决策，收获丰硕成果。供模型使用的数据集会不断变大，有助于提高模型可靠性并降低偏差出现概率。与此同时，还确保了数据治理效果和隐私性。
HPE 和 Swarm Learning
HPE Swarm Learning 帮助组织解决海量数据增长难题，应对从数据中提取价值所面临的技术、社会和经济挑战，同时满足隐私和所有权要求。该框架利用分布式数据源所在位置或附近的计算能力来运行 ML 算法，对模型进行训练。它使用区块链平台，仅与协作同行共享学习内容以提升洞见。在边缘处对模型进行训练，这意味着必要时可以利用新数据来迅速做出数据驱动型决策。
HPE Swarm Learning 采用基于区块链的安全框架，可确保只有合法参与者才能加入分散式学习网络，且所有相关方在贡献和回报方面均受到智能合同的约束。HPE Swarm Learning 中的智能合同支持创新型业务模式，可与价值转化框架一同促进跨组织协作。
组织通过采用 HPE Swarm Learning，可提高 AI 模型的准确性，同时减少偏差，提升 AI 基础设施的效率。此工具为用户提供可通过 HPE Swarm API 与 AI 模型轻松集成的容器。AI 模型学习内容之后可以立即与组织内部以及全球范围内的业内同行进行分享。