HPE為邊界及分散式網站推出群學習方案，邁向創新人工智能新紀元

HPE為邊界及分散式網站推出群學習方案，邁向創新人工智能新紀元

新聞摘要
• HPE群學習是維護私隱、去中心化的機械學習方案，讓用家可在邊緣或透過分散式網站分享學習成果而無損資料私隱
• 此方案有利取用較大規模的數據集，從而提升準確度，並減低人工智能模型訓練的偏差
• 新方案提供能帶來更大裨益的人工智能，促進全球的跨機構協作能力

Hewlett Packard Enterprise （NYSE﹕HPE）今日宣布推出HPE群學習（HPE Swarm Learning），這項突破性的人工智能方案，能在無損資料私隱的情況下分享並統一人工智能模型學習成果，從而加速提升由疾病診斷，以至信用卡欺詐偵測等方面的邊緣洞察力。

HPE群學習是由HPE的研發組織惠普實驗室（Hewlett Packard Labs）所開發，是業界第一套為邊緣或分散式網站而設、維護私隱、去中心化的機械學習框架 1 ，利用HPE群應用程式介面，為顧客提供易於與人工智能模型整合的容器，讓用家無需分享實際資料，就可即時與内部人員以及同業分享人工智能模型學習成果。

HPE高效能運算 (HPC)及人工智能執行副總裁兼總經理Justin Hotard說﹕「群學習是一種嶄新且強大的人工智能方針，為應對全球挑戰取得進展。例如，推進患者醫療保健服務和改進異常檢測，從而有助於欺詐檢測和預測性維護工作。 HPE透過提供企業級解決方案，以有意義的方式為群學習運動作出貢獻，幫助企業能夠以獨特的方式進行協作、創新和加速AI模型的強大功能，同時保留每個機構的道德規範、數據私隱和治理標準。」

影片﹕ 大轉型﹕ 何謂「群學習」？
最新人工智能方案，安全發揮邊緣洞察力
現時，大部分人工智能模型的訓練都在核心位置展開，尤其依賴中心化的合併數據集。然而，由於這種方式要將海量數據傳送至相同的源頭，導致效率欠佳且費用高昂；另外，資料私隱以及資料所有權規例限制了資料的分享及轉移，因此有可能使模型不準確，甚至出現偏差。若然企業在邊緣進行模型訓練及運用當中洞見，就能在關鍵位置加快決策，達致更佳的體驗及成果。而且，機構之間又可以在數據端分享學習成果，從而使全球各地的各行各業聯成陣線，並進一步改善智能，締造可觀的商業及社會效益。

然而，對於因遵守資料管治、規管或規例要求而需要將資料保留在原來位置的機構而言，向外傳送資料是一大隱憂。HPE群學習的獨特之處在於讓企業可以使用分散數據，從而擴大數據集的規模來配合訓練需要，在維持資料管治以及私隱的情況下建立機械學習模型，以公平的方式開展學習活動。為確保所分享的僅為從邊緣捕獲的學習成果，而非資料本身，HPE群學習會利用區塊鏈科技來謹慎招募成員、靈活地挑選領袖，並合併模型參數，從而使群網既堅韌又安全。再者，由於HPE群學習所分享的只是學習成果，可以讓用家運用大型訓練數據集而無損私隱；另一個優點是消除偏差，提高模型的準確度 。

透過資料「群聚化」，讓人工智能創造更大裨益
HPE群學習有利於各種企業進行協作及改善洞察力：

• 醫院可從影像紀錄、電腦掃描、磁力共振，以及基因表現數據中歸納學習成果，並與其他醫院分享，以改善對疾病及其他病症的診斷能力，同時保護病人資料。
• 銀行及金融服務機構可每次與多間金融機構分享與欺詐有關的學習成果，應對未來十年預計造成全球逾四千億美元損失的信用卡詐騙 2 。
• 工廠可進行預測性保養，以深入了解設備的維修需求，防範設備故障及意外停機。工務經理利用群學習，可從多個製造場地的感應器數據中發掘學習成果，提升洞見力質素。

HPE群學習的初步應用例子包括：

德國亞琛大學（University of Aachen）研究組織病理學以加快直腸癌診斷速度
德國亞琛工業大學附屬醫院的一組癌症研究人員進行了一項研究。他們在處理圖像時應用人工智能來預測可能導致細胞癌變的基因變異，從而加快直腸癌的診斷速度。

研究人員利用HPE群學習為來自愛爾蘭、德國、美國的三組病人進行人工智能模型訓練，並使用同一套群學習人工智模型來為英國的兩個獨立數據集驗證預測表現。結果顯示，由於群學習是透過與其他機構分享學習成果（而不涉及病人資料）來改善預測能力，因此表現勝過原始人工智能模型（只運用本地數據進行訓練）。

TigerGraph提升偵測異常情況的能力，助銀行打擊信用卡詐騙
TigerGraph是專長偵測詐騙的圖像分析方案供應商，將HPE群學習與本身的數據分析產品結合，加強快速偵測信用卡異常交易活動的效果。由於該綜合方案採用世界各地的多間銀行及分行的大量金融數據來配合訓練用的機械學習模型，進一步提高準確度。

供應地點
HPE群學習現已於大部分國家推出。有關詳情請瀏覽：hpe.com/info/swarm-learning

HPE提供全面綜合、即時可用的機械學習開發方案
HPE今天同時宣布推出新的HPE機械學習開發系統，為企業排除障礙，讓它們更容易建立及訓練大規模的機械學習模型，更快實現價值。新系統是專為人工智能而設的全面方案，結合機械學習軟件平台、運算、加速器和網絡，可以更快、更大規模地開發及訓練更準確的人工智能模型。

有關HPE人工智能方案的詳情，請瀏覽： https://www.hpe.com/us/en/solutions/artificial-intelligence.html