医院使用AI改善群体学习

当普通人听到医院正在共享信息时，可能会引起合理的怀疑。医院数据包含我们最私人的信息，其中一些我们甚至可能不会与亲人分享。但是，借助群体学习，医院能够使用本地数据来预测和改善他们为自己的患者提供的护理，同时删除私人数据以与其他医院合作并相互学习。

“群体学习仅共享学习内容，而不共享私人患者数据。我们希望这种方法能够使所有不同的医院团结起来，团结一致，分享经验，消除偏见，从而使我们的预测具有很高的准确性，同时保持隐私，”高级副总裁Eng Lim Goh博士说。 Hewlett Packard Enterprise Co.的AI总裁兼首席技术官，介绍了利用群体学习的医院的好处。

Eng Lim Goh博士（左图）;波恩大学基因组学和免疫调节教授Joachim Schultze（图中）。和克里希纳·普拉萨德·Shastry（如图，右），在HPE杰出技术专家，说话带着戴夫Vellante表示，theCUBE，SiliconANGLE Media的移动即时串流工作室的主持人，HPE发现虚拟体验中。他们讨论了群体学习的好处以及AI如何改善医院共享和使用数据的方式。（*以下披露。）

人们将这种大流行与上世纪初的西班牙流感相提并论。他们谈论的是大萧条，但是这次最大的不同是技术。技术已经完全改变了我们应对这种大流行的方式。

吴医生，我想从你开始。您已经在群体学习这一主题上做了很多工作。我对此的有限了解是-我们是从自然界中借来的。您会想到蜜蜂在寻找蜂巢作为一种独立的媒介，但是它们却以某种方式聚集在一起并进行交流。告诉我们我们需要了解的有关群学习的知识及其与人工智能的关系。

Goh：Dave，这是一个很好的类比，使用了一群蜜蜂。这正是我们在HPE所做的。因此，让我们在这里使用示例。在部署人工智能时，医院会对门诊数据进行机器学习，这可能由于人口统计学和他们经常看到的病例类型而有偏差。此外，鉴于隐私甚至主权方面的限制，在不同医院之间共享患者数据以消除这种偏见是有限的，例如，在欧盟国家之间。

HPE群学习通过允许每个医院仍在本地继续学习来解决此问题。但是，在每个周期中，我们都会收集学习到的神经网络权重，对其求平均，然后将其发送回所有医院。经过几个周期的操作后，所有医院将相互学习，消除偏见，而不必共享任何私人患者数据。那是关键。因此，无需共享私人患者就可以向所有人学习的能力，这就是蜂拥式学习。