分布式机器学习的想法并不是一个新的想法。谷歌是第一个通过训练 Android 手机执行键盘自动完成来大规模实施它的公司之一。随着物联网的发展，将 ML 模型的处理推向边缘，这一概念通常与新兴的雾计算概念相关联。这个想法并不新鲜，但实施和商业化仍处于起步阶段。现在， HPE提出了“Swarm Learning”，这是一种使用区块链技术的联邦学习的新方法。

联邦学习是一种方法，它在模型所在的数据源上远程训练模型，然后只将训练后的模型传回中心，在中心通过共识过程确定完成的模型。明显的用例是物联网，其中远程设备生成大量数据，将所有数据传输回云端进行模型训练或推理是没有意义的。在商业上，Integrate.ai和Devron等提供商开始提供管理联邦学习的解决方案，但正如刚才提到的，这个解决方案空间仍处于起步阶段。

进入区块链

这些方法的一个潜在缺点是它们依赖于集线器，这可能成为阻塞点或单一故障源。这就是HPE 的 Swarm Learning方法的用武之地。它不仅聚合和推动训练和推理工作负载，而且通过使用区块链方法来实现。

乍一看，还有什么比“机器学习”和“区块链”更符合流行语的呢？但是有一个真正的方法来疯狂。正如预想的那样，“群机器学习”的目标是涉及隐私或法规的场景，这些场景会阻止或阻止数据移动。这就是区块链的基本原理。例如，您可能有一组医院正在合作开展一项研究，将机器学习应用于疾病预防、检测或结果，但患者数据是不可逾越的障碍。

慧与实施基于以太坊技术的区块链，允许数据保持原位，模型在本地训练和运行，在交换的模型结果变得防篡改的环境中。HPE 建立了一个 Swarm 网络，单个节点在其中注册，然后这些节点执行建模。

它包含几个组件。它从 Swarm Learning 库开始，这些库作为容器交付，可以在任何基于 Kubernetes 的目标基础设施上运行。模型本身保持不变；HPE 声称只需添加四行代码，这些模型就可以部署在 Swarm 上。然后是 Swarm 网络，它是区块链、控制平面和许可证机架式服务器。

潜在用例

分布式学习有许多潜在的用例。在医疗保健领域，世界各地的医院都可以应用机器学习来识别 MRI 图像上的癌症，从而提供无需移动到中心位置的大量训练数据。金融机构联盟可以合作建立跨全球数据集的欺诈检测或个性化模型。跨特许经营商零售网络的全球营销活动是另一个例子，其中建模财富可以以尊重本地数据所有权的方式共享。当然，在某些情况下，全球模型跨越的数据根据法规是不允许跨境的。

目前，Swarm ML 仍处于 HPE 的早期采用阶段，并计划最终将其作为HPE Ezmeral MLOps的一部分进行产品化。虽然它不一定需要专业的服务参与，但我们预计早期采用者可能需要专家的帮助才能快速启动。

【公司名称】四川旭辉星创科技有限公司

【代理级别】成都惠普HPE服务器工作站总代理

【销售经理】熊经理

【联系方式】座机：028-85596747    手机：18244236404

【公司地址】成都市人民南路4段 桐梓林 商鼎国际2号楼1单元1913