HPE發佈全新AI機械＆群學習系統
Hewlett Packard Enterprise（HPE）近日就企業應用的不同環境發佈了兩項全新的人工智能產品，包括HPE機械學習開發系統(Machine learning development solution)和HPE群學習(Swarm Learning)。機械學習開發系統使企業可隨時開發並訓練大規模的人工智能模型，將開發至取得成果的時間大幅縮短至數日。HPE群學習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。
機械學習系統加快AI進程
HPE機械學習開發系統，致力為企業排除障礙，讓它們更容易建立及訓練大規模的機械學習模型。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，可更快、更大規模地開發及訓練更準確的人工智能模型。
HPE機械學習開發系統以HPE收購的策略性投資項目「Determined AI」為基礎，結合原有的強效機械學習平台（現正式命名為「HPE Machine Learning Development Environment，HPE機械學習開發環境[A1] 」）與HPE的世界頂尖人工智能及高效能運算(HPC)產品。借助新的HPE機械學習開發系統，用家可將建立，及訓練機械模型至取得成果所需的時間由數週、數月縮短至數日。
建立準確模型，更快釋放價值
HPE機械學習開發系統亦利用最先進的分散式訓練、自動超參數優化、神經架構搜尋（均為機械學習演算法的關鍵元素），加快提升模型的準確度。
公共雲供應商的系統可擴展至32個圖像處理器。相比之下，而HPE機械學習開發系統在處理自然語言處理（Natural Language Processing，NLP）及電腦視覺等工作時能發揮約90%的擴容效益，主要由於通訊材質的差異以及該系統對這項工作的效果。此外，該系統在NLP工作上的處理量比可處理32個圖像處理器的雲供應商系統快5.7倍，而且在電腦視覺工作上會略為快捷。
HPE機械學習開發系統以小元件為起步點，但提供擴充選項。起步的小型配置由以下開始：
- 結合HPE機械學習開發環境的創新機械學習平台，讓企業能夠由概念驗證至投產，快速開發、更替和擴展高質素模型
- 首先以8個80 GB NVIDIA A100 Tensor Core圖像處理器來加速運算，運用HPE Apollo 6500 Gen10 Plus系統的優化人工智能基礎設施，提供訓練及優化人工智能模型的巨大專門運算能力。
- 以系統管理軟件方案 HPE效能叢集管理，提供細緻的中央監控及管理，達致最佳效能
- 利用HPE ProLiant DL325伺服器及1Gb以太網Aruba CX 6300 switch的管理棧，控制及管理系統元件
- 利用NVIDIA InfiniBand HDR交換器及HCA的高效能網絡方案，確保運算及儲存通訊的效能。
群學習維護私隱提升邊緣洞察力
HPE群學習是由HPE的研發組織惠普實驗室（Hewlett Packard Labs）所開發，是突破性的人工智能方案，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私隱資料，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。 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。
資料「群聚化」創造AI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。 例如：德國亞琛工業大學（University of Aachen）附屬醫院的一組癌症研究人員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。
- 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。
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。
