HPE'den uç nokta ve dağıtık siteler için oluşturulan sürü öğrenme

HPE'nin yeni çözümü; dağıtık makine öğrenmesi yöntemi olan HPE Swarm Learning, veri gizliliğinden ödün vermeden kullanıcıların öğrendiklerini uçta veya dağıtık yerlerde paylaşmasına olanak tanıyor.

HPE'nin yeni çözümü; dağıtık makine öğrenmesi yöntemi olan HPE Swarm Learning, veri gizliliğinden ödün vermeden kullanıcıların öğrendiklerini uçta veya dağıtık yerlerde paylaşmasına olanak tanıyor.   Hewlett Packard Enterprise (NYSE: HPE), yapay zekâ modellerinden öğrenilenleri, veri gizliliğinden ödün vermeden paylaşarak ve birleştirerek hastalıkların teşhisinden kredi kartı sahtekarlığına kadar pek çok sorunun çözümüne yönelik içgörüleri hızlandırmada çığır açan yeni yapay zekâ çözümü HPE Swarm Learning'i pazara sundu.    HPE’nin Ar-Ge organizasyonu Hewlett Packard Labs tarafından geliştirilen HPE Swarm Learning, uçlarda yer alan veya dağıtık yerler için gizliliği koruyan ve merkezi olmayan ilk makine öğrenimi yöntemi olma özelliğine sahip.1 Çözüm, müşterilere HPE Swarm API aracılığıyla yapay zekâ modelleriyle kolayca entegre edilebilen konteynerler sunuyor. Böylece kullanıcılar yapay zekâ modelinden öğrenilenleri, gerçek verileri ifşa etmeden kurum içindeki ve dışındaki paydaşlarla hızlıca paylaşabilme imkânı sağlıyor.   HPE Başkan Yardımcısı ve HPC ve AI Genel Müdürü Justin Hotard, çözümle ilgili şunları söylüyor: "Sürü öğrenimi, sağlık hizmetlerinin iyileştirilmesi, sahtekarlık tespiti ve kestirimsel bakım çabalarına yardımcı olan anomali tespiti gibi problemlerin çözümünde güçlü bir yaklaşım sunuyor. HPE, kuruluşların iş birliği yapmasına, inovasyonları hayata geçirmesine ve yapay zekâ modellerini hızlandırmasına olanak tanıyan, aynı zamanda her kuruluşun etik, veri gizliliği ve yönetişim standartlarını koruyan kurumsal nitelikte bir çözüm sunarak, sürü öğrenme hareketine anlamlı bir katkıda bulunuyor.”   Uçta öngörüleri güvenli bir şekilde kullanmak için yeni yapay zekâ yaklaşımıyla tanışın Günümüzde yapay zekâ modeli eğitiminin çoğu, birleştirilmiş veri kümelerine dayanan merkezi bir konumda gerçekleşiyor. Ancak bu yaklaşım, büyük hacimli verilerin aynı kaynağa geri taşınması gerektiğinden verimsiz ve maliyetli olabiliyor. Ayrıca bu süreç, veri paylaşımını ve hareketini sınırlayan, potansiyel olarak yanlış ve taraflı modellemelere yol açabilecek veri gizliliği, veri sahipliği kuralları ve düzenlemeleri tarafından kısıtlanabiliyor. İşletmeler eğitim modellerinden ve uç nokta içgörülerinden yararlanarak, daha hızlı kararlar alıp daha iyi deneyimlere ve sonuçlara ulaşabiliyor. Ek olarak veri kaynağına sahip bir kurumun bir diğerine sadece öğrendiklerini aktarması, endüstrileri dünya çapında birleştirebilme ve yapay zekâyı daha da geliştirerek muazzam ticari ve toplumsal sonuçlara yol açabilme potansiyeline sahip.   Bununla birlikte verilerin harici olarak paylaşılması; veri yönetişimi, düzenleme veya uyumluluk gereksinimlerinin karşılanmasını gerektiren ve verilerin bulunduğu yerde kalmasını zorunlu kılan kurumlar açısından zorluk oluşturuyor. Benzersiz bir şekilde HPE Swarm Learning, kuruluşların eğitim odaklı veri kümesi boyutunu artıran dağıtık verileri kullanmasını, veri yönetişimine ve gizliliğine dair kuralları ihlal etmeden adil bir şekilde makine öğrenimi modelleri oluşturmasını sağlıyor. HPE Swarm Learning verilerin kendisinin değil, yalnızca elde edilen öğrenimlerin paylaşıldığından emin olmak için üyeleri güvenli bir şekilde sisteme dahil etmek, lider seçmek, sürü ağına esneklik ve güvenlik sağlamak üzere model parametrelerini birleştirmek için blok zinciri teknolojisini kullanıyor. Buna ek olarak HPE Swarm Learning, modellerin doğruluğu artırarak önyargıların kaldırılmasına yardımcı oluyor.   Yapay zekâyı daha iyi amaçlar için güçlendirmek üzere sürü öğrenmesi HPE Swarm Learning, farklı sektörlerin iş birliği yapmasına ve içgörülerini geliştirmesine yardımcı oluyor: Hastaneler hasta bilgilerini korurken hastalıkların ve diğer rahatsızlıkların teşhisini iyileştirmek için görüntüleme kayıtlarından, CT ve MRI taramalarından, bir hastaneden diğerine aktarılacak gen dizilimi verilerinden çıkarımlara ulaşabiliyor. Bankacılık ve finansal hizmetler, dolandırıcılıkla ilgili öğrendiklerini aynı anda birden fazla finansal kurumla paylaşarak önümüzdeki on yılda kredi kartı dolandırıcılığında küresel çapta beklenen 400 milyar dolardan fazla usulsüzlük ile 2 daha iyi mücadele edebiliyor. Üretim tesisleri, ekipman onarım ihtiyaçları hakkında fikir edinmek ve ekipmanlar arızalanıp hizmet kesintisi yaşamadan bu duruma müdahale etmek için öngörüye dayalı bakımdan yararlanabiliyor. Bakım bölümlerinin yöneticileri, sürü öğreniminden yararlanarak birden fazla üretim tesisindeki sensör verilerinden öğrendikleriyle daha iyi içgörüler elde edebiliyor.    HPE Swarm Learning'i ilk benimseyenlerin örnek kullanım senaryoları arasında şunlar yer alıyor:   Aachen Üniversitesi, kolon kanseri tanısını hızlandırmak için histopatoloji üzerinde çalışıyor Almanya'daki RWTH Aachen Üniversitesi Hastanesi’ndeki kanser araştırmacılarından oluşan ekip, hücrelerin kanserli hale gelmesine neden olabilecek genetik değişiklikleri tahmin etmek için görüntü işleme üzerinde yapay zekâ uygulayarak kolon kanseri teşhisini ileriye götürecek bir çalışma yürüttü.   Araştırmacılar İrlanda, Almanya ve ABD'den üç hasta grubu üzerinde HPE Swarm Learning kullanarak yapay zekâ modellerini eğitti ve aynı sürü öğrenimi tabanlı yapay zekâ modellerini kullanarak Birleşik Krallık'taki iki bağımsız veri setinde yer alan tahminlerin performansını doğruladı. Sonuçlar, tahminleri iyileştirmek için kullanılan sürü öğrenimi modellerinin yalnızca hasta verilerini değil, diğer lokasyonları da hesaba katarak yalnızca yerel veriler üzerinde eğitilen yapay zekâ modellerinden daha iyi performans gösterdiğini kanıtladı.   TigerGraph, bankaların kredi kartı dolandırıcılığıyla mücadele etmesine yardımcı olmak için anomali tespitini geliştiriyor Grafik tabanlı analitik platform olan TigerGraph, kredi kartı işlemlerinde olağandışı etkinliği hızlı bir şekilde tespit etme çabalarını güçlendirmek için HPE Swarm Learning'i AMD EPYC™ işlemcileri kullanan HPE ProLiant sunucularında çalışan veri analitiği ile birleştiriyor. Birleştirilmiş çözüm, farklı coğrafi konumlara dağılmış birden çok banka ve şubeden gelen çok miktarda finansal veriyle makine öğrenimi modellerini eğitirken doğruluğu artırıyor.     Bulunabilirlik HPE Swarm Learning birçok ülkede kullanıma hazır. Daha fazla bilgi için şu adresi ziyaret edebilirsiniz: hpe.com/info/swarm-learning   HPE, eksiksiz ve kullanıma hazır makine öğrenimi geliştirme çözümleri sunuyor HPE ayrıca yeni HPE Machine Learning Development Sistemiyle, işletmelerin büyük ölçekte makine öğrenimi modellerini kolayca oluşturmasının ve eğitmesinin, böylece değere daha hızlı ulaşmasının önündeki engelleri kaldırdığını duyurdu. Makine öğrenimi yazılım platformu, doğru yapay zekâ modellerini daha hızlı ve uygun ölçekte geliştirmek ve eğitmek için hesaplama, hızlandırıcılar ve ağı entegre eden uçtan uca bir çözümden oluşuyor.