ML-Komplettsystem und Swarm-Learning-Lösung
HPE schwärmt für den Schwarm
Fortsetzung des Artikels von Teil 1
KI im Formationsflug
Stare sind die Stars des Formationsflugs: Tausende, mitunter Hunderttausende der Vögel vereinen sich im Flug zu einem Schwarm, der wie von Zauberhand in Bewegung bleibt und dabei stets neue Formen bildet, wohl um Angreifern die Jagd zu erschweren. In ähnlicher Manier soll auch Schwarmintelligenz funktionieren: Gruppen von Individuen treffen durch Zusammenarbeit intelligente Entscheidungen, allerdings – daher „Schwarm“ – ohne Chef oder andersartige zentrale Steuerungsinstanz.
Mit einer Neuerung namens HPE Swarm Learning will der US-Konzern Herausforderungen beim KI-Einsatz angehen: Ziel ist es, das Modelltraining organisationsübergreifend zu beschleunigen, die Modellgenauigkeit zu steigern und Verzerrungen (Bias) zu vermeiden. Bias-Effekte entstehen beim Modelltraining, wenn KI-Algorithmen aufgrund eines limitierten Datenbestands mit einem Übermaß oder Mangel an bestimmten Daten zu verzerrten Ergebnissen kommen.
Modelltraining neu gedacht
Wollen heute verschiedene Organisationen oder Institutionen – etwa Forschungslabore und Universitätsinstitute – in der KI-basierten Forschung zusammenarbeiten, müssen sie die Trainingsdaten lokal sammeln und dann für das Modelltraining an ein zentrales Rechenzentrum übertragen. Dies verursacht Komplexität, hohe Kosten sowie Risiken bezüglich Datenschutz und Compliance, etwa bei sensiblen Daten in der Medizinforschung. Vermeiden ließe sich dies nur, indem eine Institution ihre Modelle ausschließlich lokal trainiert, was wiederum das Bias-Risiko erhöht, da man das Modell nur mit dem begrenzten lokalen Datenpool trainieren kann.
Swarm Learning soll dieses Problem lösen, indem es das Konzept auf den Kopf stellt: Die beteiligten Organisationen teilen nicht die (potenziell sensiblen) Daten, sondern die KI-Trainingsergebnisse in Form von Modellparametern miteinander. So können sie ihre Erkenntnisse verbessern, indem sie gemeinsam genutzte Modelle auf ihre jeweiligen Datenpools anwenden, ohne aber ihre Daten an Externe weitergeben zu müssen. Zur Authentifizierung und Attestierung nutzt der Ansatz eine Blockchain, sodass laut HPE kein zentraler Vertrauenswächter erforderlich ist. Die Blockchain steuere die Aufnahme von Schwarmmitgliedern und die wiederkehrende Wahl eines Mitglieds, das im jeweiligen Trainingszyklus die Modellparameter zusammenführt. Dies gebe dem Schwarmnetzwerk Stabilität und Sicherheit, so HPE.
Das Swarm-Learning-Angebot ist ein reiner Software-Stack und daher Hardware-agnostisch, so HPE: Als containerisierte Software könne die Lösung in VMs, in Kubernetes-Umgebungen oder als Bare-Metal-Lösung laufen. Zum Umfang zählt eine Swarm-Learning-Bibliothek, anpassbare Hyperparameter und Management-Software für die Administration per Web-Interface oder CLI. Die Lösung für das dezentrale KI-Modelltraining ist direkt bei HPE ab sofort „in den meisten Ländern“ erhältlich, so der Konzern.
Als Referenzkunden für den Swarm-Learning-Ansatz nannte HPE die RWTH Aachen, deren medizinische Fakultät ihre Erkenntnisse zur Darmkrebsforschung mit zwei Krankenhäusern in den USA und Nordirland teilt. Die Universität habe gegenüber rein lokalem Modelltraining deutlich genauere Resultate erzielt.
Vom Schwärmen zum Ausschwärmen
Die medizinische Forschung ist laut Justin Hotard nur einer von vielen möglichen Anwendungsfällen. Ein weiterer möglicher Einsatzbereich sei die Erkennung von Kreditkartenbetrug. Die Nutzer würden sicher Anwendungsmöglichkeiten finden, an die HPE noch gar nicht gedacht hat, so Hotard. Über das Potenzial des Swarm Learnings geriet der HPE-Mann geradezu ins Schwärmen. Zunächst aber steht HPE vor der Aufgabe, für das Swarm Learning weitere Nester der Nutzung zu schaffen, von denen aus die KI-Erkenntnisse ausschwärmen können.
- HPE schwärmt für den Schwarm
- KI im Formationsflug
Lesen Sie mehr zum Thema
