當普通人聽到醫(yī)院正在共享信息時，可能會引起合理的懷疑。醫(yī)院數(shù)據包含我們最私人的信息，其中一些我們甚至可能不會與親人分享。但是，借助群體學習，醫(yī)院能夠使用本地數(shù)據來預測和改善他們?yōu)樽约旱幕颊咛峁┑淖o理，同時刪除私人數(shù)據以與其他醫(yī)院合作并相互學習。

“群體學習僅共享學習內容，而不共享私人患者數(shù)據。我們希望這種方法能夠使所有不同的醫(yī)院團結起來，團結一致，分享經驗，消除偏見，從而使我們的預測具有很高的準確性，同時保持隱私，”高級副總裁Eng Lim Goh博士說。 Hewlett Packard Enterprise Co.的AI總裁兼首席技術官，介紹了利用群體學習的醫(yī)院的好處。

Eng Lim Goh博士(左圖);波恩大學基因組學和免疫調節(jié)教授Joachim Schultze(圖中)。和克里希納·普拉薩德·Shastry(如圖，右)，在HPE杰出技術專家，說話帶著戴夫Vellante表示，theCUBE，SiliconANGLE Media的移動即時串流工作室的主持人，HPE發(fā)現(xiàn)虛擬體驗中。他們討論了群體學習的好處以及AI如何改善醫(yī)院共享和使用數(shù)據的方式。(*以下披露。)

人們將這種大流行與上世紀初的西班牙流感相提并論。他們談論的是大蕭條，但是這次最大的不同是技術。技術已經完全改變了我們應對這種大流行的方式。

吳醫(yī)生，我想從你開始。您已經在群體學習這一主題上做了很多工作。我對此的有限了解是-我們是從自然界中借來的。您會想到蜜蜂在尋找蜂巢作為一種獨立的媒介，但是它們卻以某種方式聚集在一起并進行交流。告訴我們我們需要了解的有關群學習的知識及其與人工智能的關系。

Goh：Dave，這是一個很好的類比，使用了一群蜜蜂。這正是我們在HPE所做的。因此，讓我們在這里使用示例。在部署人工智能時，醫(yī)院會對門診數(shù)據進行機器學習，這可能由于人口統(tǒng)計學和他們經常看到的病例類型而有偏差。此外，鑒于隱私甚至主權方面的限制，在不同醫(yī)院之間共享患者數(shù)據以消除這種偏見是有限的，例如，在之間。

HPE群學習通過允許每個醫(yī)院仍在本地繼續(xù)學習來解決此問題。但是，在每個周期中，我們都會收集學習到的神經網絡權重，對其求平均，然后將其發(fā)送回所有醫(yī)院。經過幾個周期的操作后，所有醫(yī)院將相互學習，消除偏見，而不必共享任何私人患者數(shù)據。那是關鍵。因此，無需共享私人患者就可以向所有人學習的能力，這就是蜂擁式學習。