HOUSTON, Texas, 27 de abril de 2022 : Hewlett Packard Enterprise (NYSE: HPE) ha dado a conocer hoy el lanzamiento de HPE Swarm Learning, una innovadora solución de Inteligencia Artificial para acelerar el conocimiento en el extremo, desde el diagnóstico de enfermedades hasta la detección de fraudes con tarjetas de crédito, al compartir y unificar aprendizajes de modelos de IA sin comprometer la privacidad de los datos.

HPE Swarm Learning, que fue desarrollado por Hewlett Packard Labs, la organización de I+D de HPE, es el primer framework de Machine Learning descentralizado que preserva la privacidad de la industria para el extremo o ubicaciones distribuidasUn%20an%C3%A1lisis%20al%2013%20de%20abril%20de%202022%20de%20las%20ofertas%20de%20la%20competencia%20que%20reclaman%20la%20preservaci%C3%B3n%20de%20la%20privacidad%20encontr%C3%B3%20que%20%28i%29%20utilizan%20una%20arquitectura%20federada%20que%20depende%20de%20un%20servidor%20central%2C%20o%20%28ii%29%20si%20utilizan%20blockchain%2C%20no%20son%20soluciones%20compatibles%20con%20la%20empresa.. La solución proporciona a los clientes contenedores que se integran fácilmente con modelos de IA mediante HPE Swarm API. Los usuarios pueden compartir de inmediato los aprendizajes del modelo de IA, ya sea dentro de su organización o fuera de ella con otros colegas de la industria, para mejorar el entrenamiento, sin necesidad de compartir datos reales.

Hoy en día, la mayor parte del entrenamiento de los modelos de IA tienen lugar en una ubicación central, que se basa en conjuntos de datos centralizados. Sin embargo, este enfoque puede ser ineficiente y costoso debido a que se deben transferir grandes cantidades de datos a la misma fuente. También puede verse limitado por las normas y reglamentos de privacidad y propiedad de los datos que limitan el intercambio y el movimiento de éstos, lo que puede conducir potencialmente a modelos inexactos y sesgados. Mediante el entrenamiento de modelos y el aprovechamiento de conocimientos en el extremo, las empresas pueden tomar decisiones de manera más rápida, en el momento adecuado, lo que lleva a conseguir mejores experiencias y resultados. Además, al compartir los aprendizajes de una organización con otra, las industrias en todo el mundo pueden unirse y mejorar aún más la inteligencia de sus modelos, lo que propicia la obtención de grandes resultados comerciales y sociales.

Sin embargo, compartir datos externamente puede plantear un desafío para las organizaciones que deben cumplir las normativas de gobernanza de datos o los requisitos legales, lo que exige que los datos permanezcan en su ubicación. HPE Swarm Learning permite a las organizaciones utilizar datos distribuidos en su origen, lo que aumenta el tamaño del conjunto de datos para el entrenamiento, y así permite crear modelos de Machine Learning para aprender de manera equitativa, al tiempo que preserva la privacidad de los datos. Para garantizar que solo se compartan los aprendizajes capturados desde el extremo, y no los datos en sí, HPE Swarm Learning utiliza la tecnología blockchain para incorporar miembros de forma segura, elegir dinámicamente un líder y fusionar los parámetros de los modelos para proporcionar resiliencia y seguridad a la red formada por el enjambre de colaboradores. Además, al compartir solo los aprendizajes, HPE Swarm Learning permite a los usuarios aprovechar grandes conjuntos de datos de entrenamiento, sin comprometer su privacidad, y ayuda a eliminar los sesgos aumentando la precisión en los modelos.

HPE Swarm Learning puede ayudar a una variedad de organizaciones a colaborar y mejorar sus conocimientos:

• Los hospitales pueden obtener aprendizajes de registros de imágenes, tomografías computerizadas, resonancias magnéticas y datos de expresión genética para compartir de un hospital a otro y mejorar así el diagnóstico de enfermedades y otras dolencias, al tiempo que protegen la información del paciente.
• Los servicios bancarios y financieros pueden combatir la pérdida global prevista de más de 400 mil millones de dólares en fraudes con tarjetas de crédito durante la próxima décadaP%C3%A9rdida%20global%20esperada%20de%20%24408.50%20mil%20millones%20en%20fraudes%20con%20tarjetas%20de%20cr%C3%A9dito%20durante%20la%20pr%C3%B3xima%20d%C3%A9cada.%20Fuente%3A%20%3Ca%20href%3D%22https%3A%2F%2Fnilsonreport.com%2Fupload%2Fcontent_promo%2FNilsonReport_Issue1209.pdf%22%20target%3D%22_blank%22%20external-link%3D%22true%22%20data-analytics-region-id%3D%22footnote_tip%7Clink_click%22%3EInforme%20Nilson%2C%20diciembre%20de%202021%3C%2Fa%3E al compartir los aprendizajes relacionados con el fraude con más de una institución financiera a la vez.
• Las fábricas pueden beneficiarse del mantenimiento predictivo para obtener información sobre las necesidades de reparación de equipos y abordarlas antes de que fallen y provoquen tiempos de inactividad no deseados. Al aprovechar el aprendizaje en enjambre, los encargados de mantenimiento pueden obtener una mejor perspectiva al recopilar el aprendizaje obtenido de los datos de los sensores en múltiples industrias.

Ejemplos de casos de uso de los primeros usuarios de HPE Swarm Learning:

La Universidad de Aquisgrán estudia la histopatología para acelerar el diagnóstico del cáncer de colon 

Un equipo de investigadores de cáncer, del Hospital Universitario de la Universidad RWTH de Aquisgrán en Alemania realizó un estudio para avanzar en el diagnóstico del cáncer de colon mediante la aplicación de IA en el procesamiento de imágenes para predecir alteraciones genéticas que puedan hacer que las células se vuelvan cancerosas. 

Los investigadores entrenaron modelos de IA utilizando HPE Swarm Learning en tres grupos de pacientes de Irlanda, Alemania y EE. UU., y validaron el rendimiento de la predicción en dos conjuntos de datos independientes del Reino Unido utilizando los mismos modelos de IA basados en el aprendizaje en enjambre. Los resultados demostraron que los modelos de IA originales, que se entrenaban solo con datos locales, fueron superados por aquellos entrenados con Swarm learning donde se intercambiaron aprendizajes, pero no datos del paciente, con otras entidades para mejorar las predicciones.

TigerGraph avanza en la detección de anomalías para ayudar a los bancos a combatir el fraude con tarjetas de crédito

TigerGraph, un proveedor de soluciones de análisis de grafos, combina HPE Swarm Learning con su oferta de análisis de datos que se ejecuta en servidores HPE ProLiant con procesadores AMD EPYC™ para aumentar los esfuerzos en la detección rápida de actividades inusuales en las transacciones de tarjetas de crédito. Esta solución combinada aumenta la precisión cuando se entrenan modelos de aprendizaje automático a partir de grandes cantidades de datos financieros de múltiples bancos y sucursales, a través de diferentes ubicaciones geológicas.

Disponibilidad

HPE Swarm Learning ya está disponible en la mayoría de los países. Para obtener más información, visite: hpe.com/info/swarm-learning

HPE ofrece una solución de desarrollo de Machine Learning completa y lista para usar

HPE también ha anunciado que está trabajando en la eliminación de las barreras para que las empresas construyan y entrenen fácilmente modelos de Machine Learning a escala, para generar valor más rápido, con el nuevo HPE Machine Learning Development System. El nuevo sistema, diseñado específicamente para IA, es una solución integral que engloba una plataforma de software de machine learning, computación, aceleradores y comunicaciones para desarrollar y entrenar modelos de IA más precisos, más rápidos y a escala. 

Para obtener más información sobre las soluciones de Inteligencia Artificial de HPE, visite: https://www.hpe.com/us/en/solutions/artificial-intelligence.html