HPE belicht Swarm Learning als methode voor aansturing HPC simulaties met AI
Dr. Eng Lim Goh van HPE liet tijdens HPE Discover events zien hoe de convergentie van High Peformence Computing (HPC) en Artificial Intelligence (AI) de manier verandert waarop wetenschappers en ingenieurs hun simulaties uitvoeren. Hij verwees ook naar een case study over de toepassing Swarm Learning (zwerm intellligentie) waarbij ziekenhuizen diagnostische AI-modellen leren ontwikkelen zonder privacy gegevens van patiënten te delen.
Hoe meer we sensoren gebruiken, hoe meer we ze nodig hebben om onafhankelijk te werken, anders zal de winst in data de inspanningen die we doen om het te temmen overtreffen aldus HPE. Misschien ben je door een veld gereden en heb je een zwerm tienduizenden spreeuwen zien pulseren en zwermen door de lucht, een relatief gebruikelijk gezicht, vooral in Europa. Misschien heb je in de oceaan gezwommen en een "visbal" in principe hetzelfde in het water gezien. Verschillende dieren gebruiken een soort verspreid gedrag, vaak defensief, dat niet kan worden herleid tot de bewegingen van een 'leider'.
Dit gedrag, schaalvrije correlatie, geruis of zwermen genoemd, kan een antwoord bieden op wat te doen met de geometrische toename van gegevens die aan de rand (edge) worden verzameld.
Gegevens hebben zich gedeeltelijk verspreid, omdat sensoren zich hebben verspreid over grote hoeveelheden informatie verzamelen van overal, zoals van assemblagelijnen, smartphones, mensen, medische apparaten en voertuigen.
IDC voorspelt dat de wereldwijde data gegevens zullen groeien van 33 zettabytes in 2018 tot 175 ZB in 2025, en een groot deel daarvan zal aan de rand ofwel edge worden verzameld.
Tegenwoordig maken we modellen voor kunstmatige intelligentie door aan de rand verzamelde gegevens naar een centraal punt te sturen. De gegevens worden gebruikt om het model te 'trainen' en vervolgens wordt het model teruggeduwd naar alle apparaten aan de rand. Wanneer u uw smartphone vraagt om een restaurant voor u te vinden, gebruikt de telefoon een AI-model om uit de microfoongegevens te “afleiden” waar u om vraagt.
Toch is het vaak onpraktisch om alle verzamelde gegevens naar de centrale server te sturen voor computergebruik. Latentie, warmte- en energie-eisen, nalevingskwesties en toenemende transport- en opportunitykosten zijn de schuldige.
Uiteindelijk wordt het onpraktische het onmogelijke. Maar onderzoekers, geïnspireerd door de natuur, hebben een antwoord.
Een alternatief, gebaseerd op observatie van zwermverschijnselen, werd ontdekt door Krishnaprasad Shastry, vooraanstaand technoloog bij het onderzoekslaboratorium van Hewlett Packard Enterprise in Bangalore, en zijn team. Als vogels, bijen, vleermuizen, mieren en vissen intelligent kunnen bewegen als een directe reactie op hun omgeving, waarom kunnen zelfrijdende auto's en andere computerapparatuur niet hetzelfde doen?
Maak daarim gebruik van 'Swarm Learning' ofwel zwerm leren, een term bedacht door Dr. Eng Lim Goh, vice president en chief technology officer voor high-performance computing en kunstmatige intelligentie aan HPE.
Google heeft overigens ook een soortgelijk gedistribueerd leerproject genaamd federated learning. Swarm Learning heeft echter volgens HPE extra functionaliteit die de behoefte aan een centrale leider overbodig maakt: de AI-modellering wordt volledig gedaan door de apparaten aan de rand. De praktijk combineert het gebruik van AI, edge computing en blockchain. Simpel gezegd, het is AI aan de 'edge'.
