Goeiemôre, Habr!
Ons het niks om by die titel van die artikel in ons voorafkennisgewing by te voeg nie - so almal word dadelik na die kat genooi. Lees en lewer kommentaar.
Mobiele ontwikkelingspersoneel sal baat vind by die revolusionêre veranderinge wat vandag te bied het. . Die punt is hoeveel hierdie tegnologie enige mobiele toepassing verbeter, naamlik dit bied 'n nuwe vlak van gerief vir gebruikers en stel jou in staat om kragtige kenmerke aktief te gebruik, byvoorbeeld om die mees akkurate aanbevelings te verskaf, , of onmiddellik bespeur .
Hierdie vinnige ontwikkeling van mobiele masjienleer is 'n reaksie op 'n aantal algemene probleme waaraan ons in klassieke masjienleer gely het. Trouens, alles is voor die hand liggend. In die toekoms sal mobiele toepassings vinniger dataverwerking en verdere vermindering van latensie vereis.
Jy het dalk al gewonder hoekom ,kan nie bloot afleiding in die wolk laat loop nie. Eerstens is wolktegnologieë afhanklik van sentrale nodusse (stel jou 'n groot datasentrum voor met beide uitgebreide databerging en groot rekenaarkrag). Hierdie gesentraliseerde benadering kan nie genoegsame verwerkingsspoed hanteer om gladde mobiele ervarings te skep wat deur masjienleer aangedryf word nie. Data moet sentraal verwerk word en dan teruggestuur word na toestelle. Hierdie benadering verg tyd, geld en waarborg nie die privaatheid van die data self nie.
Dus, nadat ons hierdie sleutelvoordele van mobiele masjienleer uiteengesit het, kom ons kyk noukeuriger na hoekom die masjienleerrevolusie wat voor ons oë ontvou, vir jou persoonlik as 'n mobiele ontwikkelaar van belang moet wees.
Verminder Latency
Ontwikkelaars van mobiele toepassings weet dat verhoogde latensie 'n swart punt vir 'n program kan wees, maak nie saak hoe goed die kenmerke daarvan is of hoe betroubaar die handelsmerk is nie. Voorheen was daar op Android-toestelle , as gevolg waarvan video- en oudio-kyk dikwels nie gesinchroniseer is nie. Net so kan 'n sosiale media-kliënt met hoë latensie kommunikasie 'n ware marteling vir die gebruiker maak.
Die implementering van masjienleer op toestel word al hoe belangriker, juis as gevolg van vertragingskwessies soos hierdie. Stel jou voor hoe beeldfilters werk vir sosiale netwerke, of restaurantaanbevelings gebaseer op geoligging. In sulke toepassings moet die latensie minimaal wees om op die hoogste vlak te presteer.
Soos hierbo genoem, kan wolkverwerking soms stadig wees, en die ontwikkelaar wil hê dat die latensie naby aan nul moet wees vir die masjienleervermoëns van 'n mobiele toepassing om behoorlik te werk. Masjienleer op toestelle maak dataverwerkingsvermoëns oop wat die latensie werklik tot byna nul kan verminder.
Slimfoonvervaardigers en tegnologiemarkreuse begin dit geleidelik besef. Vir 'n lang tyd het Apple die leier in hierdie bedryf gebly en ontwikkel vir slimfone wat sy Bionic-stelsel gebruik, wat die neurale enjin implementeer, wat help om neurale netwerke direk op die toestel aan te dryf, terwyl dit bereik word .
Apple gaan ook voort om Core ML, sy masjienleerplatform vir mobiele toepassings, stap vir stap te ontwikkel; in die biblioteek bykomende ondersteuning vir GPU's; Google gaan voort om voorafgelaaide kenmerke by sy masjienleerplatform ML Kit te voeg. Deur hierdie tegnologieë te gebruik, kan jy toepassings ontwikkel wat jou toelaat om data blitsvinnig te verwerk, enige vertragings uit te skakel en die aantal foute te verminder.
Hierdie kombinasie van akkuraatheid en naatlose gebruikerservarings is 'n sleutelmaatstaf wat ontwikkelaars van mobiele toepassings moet oorweeg wanneer hulle masjienleervermoëns in hul toepassings bekendstel. En om sulke funksionaliteit te waarborg, is dit nodig .
Verbeterde sekuriteit en privaatheid
Nog 'n groot voordeel van edge computing wat nie oorskat kan word nie, is hoeveel dit gebruikerssekuriteit en privaatheid verbeter. Die waarborg van die sekuriteit en privaatheid van data in die toepassing is 'n integrale deel van die ontwikkelaar se take, veral met inagneming van die behoefte om te voldoen aan die GDPR (General Data Protection Regulation), nuwe Europese wette, wat ongetwyfeld die praktyk van mobiele ontwikkeling sal beïnvloed .
Omdat data nie stroomop of na die wolk gestuur hoef te word vir verwerking nie, is kubermisdadigers minder in staat om enige kwesbaarhede wat tydens die oordragfase geskep word, te ontgin; daarom word die integriteit van die data gehandhaaf. Dit maak dit makliker vir ontwikkelaars van mobiele toepassings om aan GDPR-datasekuriteitsregulasies te voldoen.
Masjienleer op toestelle maak ook desentralisasie moontlik, baie op dieselfde manier as blokketting. Met ander woorde, dit is moeiliker vir kuberkrakers om 'n DDoS-aanval op 'n gekoppelde netwerk van versteekte toestelle te loods as om dieselfde aanval op 'n sentrale bediener uit te voer. Hierdie tegnologie kan ook nuttig wees wanneer daar met hommeltuie gewerk word en om nakoming van wetgewing te monitor.
Die bogenoemde slimfoonskyfies van Apple help ook om gebruikerssekuriteit en privaatheid te verbeter – dit kan byvoorbeeld as basis vir Face ID dien. Hierdie iPhone-funksie word aangedryf deur 'n neurale netwerk wat op die toestelle ontplooi word en data van al die verskillende voorstellings van 'n gebruiker se gesig versamel. Die tegnologie dien dus as 'n uiters akkurate en betroubare identifikasiemetode.
Hierdie en nuwer AI-geaktiveerde hardeware sal die weg baan vir veiliger gebruiker-slimfooninteraksies. Trouens, ontwikkelaars kry 'n bykomende laag enkripsie om gebruikersdata te beskerm.
Geen internetverbinding nodig nie
Vertragingskwessies ter syde, om data na die wolk te stuur vir verwerking en gevolgtrekkings vereis 'n goeie internetverbinding. Dikwels, veral in ontwikkelde lande, is dit nie nodig om oor die internet te kla nie. Maar wat om te doen in gebiede waar die verbinding erger is? Wanneer masjienleer op toestelle geïmplementeer word, leef neurale netwerke op die fone self. Die ontwikkelaar kan dus die tegnologie op enige toestel en enige plek ontplooi, ongeag die kwaliteit van die verbinding. Plus, hierdie benadering lei tot .
is een van die nywerhede wat veral kan baat by masjienleer op die toestel, aangesien ontwikkelaars gereedskap sal kan skep wat lewenstekens nagaan of selfs robotiese chirurgie verskaf sonder enige internetverbinding. Hierdie tegnologie sal ook nuttig wees vir studente wat toegang tot lesingsmateriaal wil hê sonder 'n internetverbinding - byvoorbeeld terwyl hulle in 'n vervoertonnel is.
Uiteindelik sal masjienleer op toestelle aan ontwikkelaars die gereedskap bied om nutsmiddels te skep wat gebruikers regoor die wêreld sal bevoordeel, ongeag hul internetverbindingsituasie. As in ag geneem word dat die krag van nuwe slimfone minstens so kragtig sal wees as die huidige, sal gebruikers vergeet van probleme met vertragings wanneer hulle vanlyn met die toepassing werk.
Verminder koste vir jou besigheid
Masjienleer op toestelle kan jou ook 'n fortuin spaar deur nie buite kontrakteurs te hoef te betaal om baie van die oplossings te implementeer en in stand te hou nie. Soos hierbo genoem, kan jy in baie gevalle sonder beide die wolk en die internet klaarkom.
GPU- en KI-spesifieke wolkdienste is die duurste oplossings wat gekoop kan word. Wanneer jy modelle op jou toestel gebruik, hoef jy nie vir al hierdie groepe te betaal nie, danksy die feit dat daar vandag al hoe meer gevorderde slimfone is wat toegerus is met .
Deur die nagmerrie van swaar dataverwerking wat tussen die toestel en die wolk voorkom te vermy, bespaar jy geweldig; Daarom is dit baie winsgewend om masjienleeroplossings op toestelle te implementeer. Boonop spaar jy geld omdat jou toepassing se bandwydtevereistes aansienlik verminder word.
Die ingenieurs bespaar self ook baie op die ontwikkelingsproses, aangesien hulle nie bykomende wolkinfrastruktuur hoef saam te stel en in stand te hou nie. Inteendeel, dit is moontlik om meer met 'n kleiner span te bereik. Menslike hulpbronbeplanning in ontwikkelingspanne is dus baie meer effektief.
Gevolgtrekking
Ongetwyfeld het die wolk in die 2010's 'n ware seën geword, wat dataverwerking vereenvoudig het. Maar hoë tegnologie ontwikkel eksponensieel, en masjienleer op toestelle kan binnekort die de facto standaard word, nie net op die gebied van mobiele ontwikkeling nie, maar ook in die Internet van Dinge.
Met verminderde vertraging, verbeterde sekuriteit, vanlyn vermoëns en algehele laer koste, is dit geen verrassing dat die grootste spelers in mobiele ontwikkeling groot op die tegnologie wed nie. Ontwikkelaars van mobiele toepassings moet dit ook van nader bekyk om by te bly met die tyd.
Bron: will.com