Apprentissage automatique HPE Swarms

L’idée de distribuer l’apprentissage automatique n’est pas nouvelle. Google a été l’un des premiers à l’implémenter à grande échelle en entraînant les téléphones Android à effectuer l’auto-complétion au clavier. Et avec la croissance de l’IoT, il y a des incitations à pousser le traitement des modèles ML vers la périphérie, une notion qui est souvent associée au concept émergent de fog computing. L’idée n’est pas nouvelle, mais la mise en œuvre et la commercialisation en sont encore à leurs balbutiements. Maintenant, HPE a mis au point Swarm Learning, une nouvelle tournure de l’apprentissage fédéré qui utilise la technologie blockchain.

L’apprentissage fédéré est une approche qui forme des modèles à distance sur des sources de données où ils résident, puis ne communique les modèles formés qu’à un hub où le modèle fini est déterminé par un processus de consensus. Le cas d’utilisation évident est l’IoT où il y a des torrents de données générées par des appareils distants à une échelle où il n’aurait pas de sens de transférer toutes ces données vers le cloud pour la formation ou l’inférence de modèle. Sur le plan commercial, des fournisseurs tels que Integrate.ai et Devron commencent à proposer des solutions de gestion de l’apprentissage fédéré, mais comme nous venons de le noter, cet espace de solutions en est encore à ses balbutiements.

Entrez dans la blockchain

Un inconvénient potentiel de ces approches est qu’elles reposent sur un concentrateur, qui peut devenir un point d’étranglement ou une source unique de défaillance. C’est là qu’intervient l’approche Swarm Learning de HPE. Non seulement elle agrège et réduit les charges de travail de formation et d’inférence, mais elle le fait avec l’utilisation d’approches blockchain.

À première vue, qu’est-ce qui pourrait sembler plus conforme aux mots à la mode que l’apprentissage automatique et la blockchain ? Mais il y a une vraie méthode à la folie. Comme prévu, Swarm Machine Learning cible les scénarios impliquant la confidentialité ou la réglementation qui empêchent ou découragent le déplacement des données. C’est la raison d’être de la blockchain. Par exemple, vous pouvez avoir un groupe d’hôpitaux qui coopèrent à une étude pour appliquer l’apprentissage automatique à la prévention, à la détection ou aux résultats des maladies, mais les données des patients sont la barrière inamovible.

HPE met en œuvre une blockchain basée sur la technologie Ethereum qui permet aux données de rester en place, aux modèles formés et exécutés localement, dans un environnement où les résultats des modèles qui sont échangés deviennent infalsifiables. HPE configure un réseau Swarm où les nœuds individuels s’enregistrent, puis ces nœuds effectuent la modélisation.

Il intègre plusieurs composants. Cela commence par les bibliothèques Swarm Learning fournies sous forme de conteneurs pouvant s’exécuter sur n’importe quelle infrastructure cible basée sur Kubernetes. Les modèles eux-mêmes restent intacts ; HPE affirme que les modèles peuvent être déployés sur l’essaim avec seulement quatre lignes de code supplémentaires. Ensuite, il y a le Swarm Network, qui est la blockchain, un plan de contrôle et un serveur de licences.

Cas d’utilisation potentiels

Il existe de nombreux cas d’utilisation potentiels pour l’apprentissage distribué. Dans le domaine de la santé, les hôpitaux du monde entier peuvent appliquer ML pour identifier le cancer sur les images IRM, fournissant une large base de données de formation qui n’a pas besoin d’être déplacée vers un emplacement central. Les consortiums d’institutions financières peuvent collaborer pour créer des modèles de détection ou de personnalisation des fraudes dans des ensembles de données mondiaux. Les campagnes de marketing mondiales à travers les réseaux de vente au détail des franchisés sont un autre exemple où la modélisation de la richesse pourrait être partagée d’une manière qui respecte la propriété locale des données. Et bien sûr, il y a des cas où les modèles globaux couvrent des données qui, par règlement, ne sont pas autorisées à traverser les frontières.

Pour l’instant, Swarm ML en est encore à la phase d’adoption précoce pour HPE, avec des plans pour éventuellement le produire dans le cadre de HPE Ezmeral MLOps. Bien que cela ne nécessite pas nécessairement un engagement de services professionnels, nous nous attendons à ce que les premiers utilisateurs aient probablement besoin de l’aide d’un expert pour le démarrage.

Image sélectionnée par PollyDot de Pixelbay.