스웜 러닝
스웜 러닝의 이점
오늘날 여러 위치의 엣지에서 거대한 양의 데이터가 생성 및 수집되고 있기에 기존의 중앙 집중식 기계 학습 접근 방식은 어려움을 겪고 있습니다. 이 알고리즘에서는 데이터가 통합 위치에 있어야 하지만, 다수의 소스에서 생성되는 대량의 데이터를 단일 위치로 이동할 경우 보안 위험이 커지고 대기 시간 문제가 발생합니다.
스웜 러닝의 탈중앙화된 접근 방식은 데이터를 소스와 가까운 곳의 AI 모델에 적용하고 학습한 내용만 이동하는 것이 가능합니다. 블록체인 기술을 통해 스웜이라고 부르는 다수의 엣지 위치에서 신뢰할 수 있는 방식으로 서로 인사이트를 공유하고, 악의적 행위자들이 스웜에 무단으로 액세스하는 것을 방지할 수 있습니다.
탈중앙화된 접근 방식으로 모델이 답을 생성하는 속도가 빨라지고 조직이 외부와도 학습 내용을 공유할 기회가 증가하게 됩니다. 동시에 데이터의 이동이 제한되어 소스 데이터의 개인 정보 보호가 가능합니다. 데이터를 코어나 중앙의 위치에 복제할 필요가 없어 데이터 스프롤도 감소합니다.
엣지에서 모델을 교육하고 인사이트를 활용함으로써 조직은 관련성이 높은 위치에서 더 빠르게 결정을 내리고 결과적으로 성과를 개선할 수 있습니다. 모델에 이용 가능한 데이터 세트의 규모를 늘려 신뢰성을 높이고 편향 가능성을 줄일 수 있습니다. 이와 동시에 데이터 거버넌스 및 개인 정보 보호도 유지됩니다.
HPE와 스웜 러닝
HPE 스웜 러닝은 조직이 급증하는 데이터와 개인 정보 보호 및 소유권 관련 요건을 충족하면서 데이터를 통해 가치를 추출하는 데 따르는 기술적, 사회적, 경제적 문제와 관련한 딜레마를 해결하는 데 도움이 됩니다. 이 프레임워크는 분산된 데이터 소스나 인접한 위치의 처리 능력을 활용하여 모델을 교육하는 기계 학습 알고리즘을 실행합니다. 또한 블록체인 플랫폼을 활용해 학습 내용만 동료 장치와 공유하기 위해 협업하여 인사이트를 향상합니다. 모델 교육은 데이터가 최신 상태이고 신속한 데이터 중심 결정이 필요한 엣지에서 이루어집니다.
HPE 스웜 러닝에서 사용하는 블록체인 기반 보안 프레임워크는 합법적인 참가자만 탈중앙화된 학습 네트워크에 참여하고 각 당사자가 기여와 보상 측면에서 스마트 계약을 맺을 수 있습니다. HPE 스웜 러닝의 스마트 계약은 혁신적인 비즈니스 모델을 지원하며, 수익화 프레임워크와 함께 사용하면 조직 간 협업도 용이해집니다.
HPE 스웜 러닝을 도입한 조직은 AI 모델의 정확도를 개선하는 동시에 편향성을 줄이고 더 효율적인 AI 인프라를 지원할 수 있습니다. 이 툴은 HPE 스웜 API를 통해 AI 모델과 간편한 통합이 가능한 컨테이너를 사용자에게 제공하도록 설계되었습니다. 따라서 AI 모델 학습 내용을 조직 내부뿐 아니라 전 세계의 업계 동료들과 즉시 공유할 수 있습니다.