한국 HPE는 질병 진단부터 신용카드 사기 탐지까지 엣지에서 발생하는 문제점들을 해결하기 위헤 개인 정보 보호를 기반으로 AI 모델 학습 결과를 공유하고 통합할 수 있는 획기적인 AI 솔루션인 HPE 스웜 러닝을 출시했다고 20일 밝혔다.

HPE의 R&D 조직인 Hewlett Packard Labs가 개발한 HPE 스웜 러닝은 업계 최초의 엣지 혹은 분산 위치용 개인 정보 보호 탈중앙화 머신 러닝 프레임워크다. 해당 솔루션은 HPE 스웜 API를 활용해 AI 모델과 신속하게 통합되는 컨테이너를 제공하며, 사용자들은 실제 데이터를 공유하지 않고도 조직 내 및 외부 업계 관계자들과 AI 모델 러닝을 공유하며 트레이닝을 개선할 수 있다.

최근 대다수 AI 모델 트레이닝은 중앙 집중화된 병합 데이터 세트에 기반한 중앙 위치에서 이뤄진다. 하지만 이런 접근 방식은 엣지에서 발생하는 많은 양의 데이터를 중앙 위치로 이동시켜야 해 비효율적이고 비용이 많이 소모된다. 또 데이터 공유 및 이동을 제한하는 개인 정보 보호 및 데이터 소유권 관련 규제에 의해 제약을 받을 수 있으며, 이는 잠재적으로 부정확하고 편향된 모델 훈련으로 이어질 수 있다.

HPE는 모델 훈련 및 엣지 단계에 있는 인사이트 활용을 통해 기업은 중요한 시점에서 보다 빠른 결정을 내림으로써 더 나은 경험과 결과로 이끌어낼 수 있다고 강조했다. 이 밖에도 데이터 소스에서 학습한 내용을 조직 간 원활하게 공유함으로써 전 세계의 다양한 업계가 협업해 더욱 뛰어난 비즈니스 및 사회적 성과를 만들어 낼 수 있다고 덧붙였다.

조직은 데이터 거버넌스, 관련 법규 규제 및 준수, 데이터 유지 의무가 요구되는 상황에서 데이터 외부 공유에 대한 어려움을 겪고 있다. HPE 스웜 러닝은 데이터 소스에서 분산 데이터를 활용할 수 있게 함으로써 조직이 데이터 세트의 규모를 확장하고 공정한 방식으로 학습할 수 있는 머신 러닝 모델을 구축할 수 있도록 하면서, 데이터 거버넌스와 프라이버시를 유지할 수 있도록 돕는다.

또 데이터가 아닌 엣지 단계에서 학습한 내용만 공유할 수 있도록 하기 위해 HPE 스웜 러닝은 블록체인 기술을 활용해 안전하게 멤버들을 온보드시키고 동적으로 리더를 선정할 수 있도록 하는 한편, 모델 변수 통합을 통해 스웜 네트워크의 회복 탄력성과 안전성을 제공한다. 이와 함께 프라이버시 침해없이 대규모 훈련 데이터 세트를 활용할 수 있도록 하고, 편향성을 최소화함으로써 학습 모델의 정확도를 높일 수 있도록 돕는다.

그래프 데이터베이스∙분석 플랫폼 글로벌 기업 타이거그래프는 신용카드 거래 중 비정상적인 활동을 신속하게 감지하는 활동을 강화하기 위한 일환으로 AMD EPYC™ 프로세서를 사용하여 HPE ProLiant 서버 기반에서 운영하고 있는 데이터 분석 서비스에 HPE 스웜 러닝을 접목시켰다. 이를 통해 지질학적 위치에 걸친 여러 은행과 지점의 방대한 양의 재무 데이터를 활용해 머신 러닝 모델을 교육할 때 정확도를 높이는데 활용하고 있다.

HPE 스웜 러닝은 다양한 조직이 협업하고 인사이트를 향상할 수 있도록 지원한다. 예를 들어 병원은 영상 기록, CT 및 MRI 스캔, 유전자 발현 데이터에서 학습 결과를 도출해 질병 및 기타 질병의 진단을 개선하는 동시에 환자 개인 정보를 보호할 수 있다.

은행 및 금융 서비스는 한 번에 두 곳 이상의 금융 기관과 사기 관련 내용을 공유함으로써 향후 10년 동안 전 세계적으로 예상되는 4,000억 달러 이상의 신용카드 사기 피해에 대처할 수 있다.

제조 현장에서는 예측 유지보수의 이점을 활용해 장비 수리 요구 사항을 파악하고 장애가 발생해 원치 않는 다운타임이 발생하기 전에 이슈를 해결할 수 있다. 유지 관리자는 스웜 러닝을 이용해 여러 제조 현장에서 센서 데이터에서 학습한 내용을 수집할 수 있다.