Swarm learning moet de nieuwe standaard worden voor het trainen van artificiële intelligentie. Decentralisatie, blockchain en dataprivacy zijn de hoofdingrediënten van het recept.
Biologie en technologie lijken een andere wereld, maar niet zelden vormen oeroude biologische tradities de inspiratie voor moderne technologieën. Zo haalt machine learning de mosterd bij het biologische concept ‘zwermintelligentie’. Als individueel organisme heeft één bij beperkte intellectuele capaciteiten, maar een zwerm van duizenden bijen is tot verbluffende dingen in staat.
Volgens dezelfde logica verbinden we algoritmische systemen om ze van elkaar te doen leren. Strenge privacywetgevingen leggen de uitwisseling van data tussen machines echter aan banden, zeker wanneer het om internationale transfers gaat. Dit heeft een negatieve impact op de accuraatheid en snelheid waarmee machines kunnen leren.
Swarm learning moet voor een revolutie zorgen door privacy in het hart van de technologie te plaatsen. Een van de drijvende krachten achter de ontwikkeling van dit nieuwe AI-model is HPE. Dr. Eng Lim Goh, AI-specialist bij HPE, legt ons uit waarom swarm learning de volgende grote stap is voor machine learning.
Gedecentraliseerde data
Om de achterliggende principes van swarm learning te begrijpen, dien je eerst goed te weten hoe machine learning werkt. Machine learning kan volgens verschillende modellen verlopen. Als een organisatie voldoende data en computerkracht ter beschikking heeft, kunnen ze hun machines lokaal ontwikkelen. Dat heeft als voordeel dat de data binnen de organisatie blijft, maar als nadeel dat deze over meerdere silo’s verspreid zit.
In een gecentraliseerd ML-model staat alle data bewaard op één centrale server, die deze verdeelt over verbonden systemen. Dat voedt algoritmen met meer data, maar zorgt voor uitdagingen op vlakken van dataverkeer en -soevereiniteit. Om een antwoord te bieden op de netelige privacykwestie, verscheen federated learning op het toneel. In dit model blijft de ruwe data lokaal bewaard, en zullen enkel geaggregeerde gegevens naar een centrale server worden verzonden.
Met swarm learning is datasoevereiniteit geen obstakel meer voor de ontwikkeling van AI.
Dr. Eng Lim Goh, HPE
Federated learning is een stap in de goede richting, maar in dit model blijf je met een overbevolkte datasnelweg zitten. Dit probleem pakt swarm learning aan, legt Goh ons uit: “In een swarm learning-model gaan we het centrale coördinerende systeem vervangen door blockchain. Zo kunnen we neurale netwerken tussen algoritmes creëren waarbij zowel de data als de perimeters voor machine learning bij de originele bron blijven.”
Privacy in de kern
Swarm learning moet leiden tot efficiëntere methoden om algoritmen te trainen, zonder dat de bescherming van gevoelige data in het gedrang komt, verzekert Goh. “Data is de sleutel van de maatschappij. Voor veel organisaties zoals ziekenhuizen, financiële instellingen en overheden is het delen van data een probleem. Dankzij swarm learning hoeft datasoevereiniteit geen obstakel meer te zijn voor de ontwikkeling van artificiële intelligentie.”
De blockchain is het laatste stukje in de privacypuzzel. Goh verduidelijkt: “In een SL-model kan de data volledig on-premise blijven. Organisaties houden het beheer over hun kritieke data liever in eigen handen. Gegevensuitwisseling verloopt in de vorm van smart contracts via de blockchain. Alle data is versleuteld om aanvallen van binnenuit te voorkomen tijdens het samenvoegen van modellen.”
Swarm learning maakt het ontwikkelen van wereldwijde netwerken van machines mogelijk.
Dr. Eng Lim Goh, HPE
Zwermen van robots
Swarm learning is stilaan klaar om de fakkel over te nemen. Sinds enkele maanden maakt het deel uit van het productportfolio van HPE, waar het bedrijf het in containervorm aanbiedt. “Een onderzoekpaper naar het gebruik van swarm learning in medisch onderzoek naar leukemie is vorig jaar gepubliceerd in het toonaangevende wetenschappelijk tijdschrift Nature. Dat was een cruciale mijlpaal voor de acceptatie van swarm learning”, vertelt Goh met trots.
Goh kijkt met groot optimisme naar de mogelijkheden van swarm learning in de toekomst. “We zullen in staat zijn om wereldwijde netwerken van robots op te zetten, zonder data te moeten delen. Dit maakt nieuwe vormen van internationale samenwerking mogelijk. Swarm learning kan bijvoorbeeld alle ziekenhuizen ter wereld met elkaar verbinden. Beeld je maar in wat dat kan betekenen voor wetenschappelijk onderzoek of de algemene kwaliteit van medische zorg wereldwijd.”
Voor Goh bestaat er dan ook geen twijfel dat de implementatie van swarm learning zich snel zal uitbreiden naar andere sectoren. Hij illustreert het voorbeeld van een ‘zwerm’ drones die elkaar slimmer maakt. Net zoals een zwerm bijen. Technologie en biologie zijn vaak nauwer verweven dan je denkt.