صباح الخير يا حبر!
ليس لدينا ما نضيفه إلى عنوان المقالة في إشعارنا المسبق - لذلك تتم دعوة الجميع على الفور إلى القطة. قراءة والتعليق.
سيستفيد محترفو تطوير الأجهزة المحمولة من التغييرات الثورية التي يقدمها اليوم. . النقطة المهمة هي إلى أي مدى تعمل هذه التقنية على تحسين أي تطبيق للهاتف المحمول، أي أنها توفر مستوى جديدًا من الراحة للمستخدمين وتسمح لك باستخدام الميزات القوية بشكل فعال، على سبيل المثال، لتقديم التوصيات الأكثر دقة، أو اكتشافها على الفور .
يعد هذا التطور السريع للتعلم الآلي المحمول بمثابة استجابة لعدد من المشكلات الشائعة التي عانينا منها في التعلم الآلي الكلاسيكي. في الواقع، كل شيء واضح. في المستقبل، ستتطلب تطبيقات الهاتف المحمول معالجة أسرع للبيانات وتقليل زمن الوصول بشكل أكبر.
ربما تساءلت بالفعل عن السبب ، لا يمكن ببساطة تشغيل الاستدلال في السحابة. أولا، تعتمد التقنيات السحابية على العقد المركزية (تخيل مركز بيانات ضخم يحتوي على مساحة تخزين واسعة النطاق وقدرة حاسوبية كبيرة). لا يمكن لهذا النهج المركزي التعامل مع سرعات المعالجة الكافية لإنشاء تجارب متنقلة سلسة مدعومة بالتعلم الآلي. ويجب معالجة البيانات مركزيًا ثم إرسالها مرة أخرى إلى الأجهزة. يتطلب هذا النهج الوقت والمال ولا يضمن خصوصية البيانات نفسها.
لذا، بعد أن أوضحنا هذه الفوائد الأساسية للتعلم الآلي على الأجهزة المحمولة، دعونا نلقي نظرة فاحصة على السبب الذي يجعل ثورة التعلم الآلي التي تتكشف أمام أعيننا تثير اهتمامك شخصيًا كمطور للهواتف المحمولة.
تقليل الكمون
يعرف مطورو تطبيقات الهاتف المحمول أن زيادة زمن الاستجابة يمكن أن تكون علامة سوداء لأي برنامج، بغض النظر عن مدى جودة ميزاته أو مدى سمعة العلامة التجارية. في السابق، كانت هناك أجهزة تعمل بنظام Android ، نظرًا لأن مشاهدة الفيديو والصوت غالبًا ما تكون غير متزامنة. وبالمثل، يمكن لعميل الوسائط الاجتماعية الذي يتمتع بزمن وصول مرتفع أن يجعل التواصل بمثابة تعذيب حقيقي للمستخدم.
أصبح تنفيذ التعلم الآلي على الجهاز ذا أهمية متزايدة على وجه التحديد بسبب مشكلات زمن الوصول مثل هذه. تخيل كيفية عمل مرشحات الصور للشبكات الاجتماعية، أو توصيات المطاعم بناءً على الموقع الجغرافي. في مثل هذه التطبيقات، يجب أن يكون زمن الوصول في حده الأدنى حتى تتمكن من الأداء على أعلى مستوى.
كما ذكرنا أعلاه، يمكن أن تكون المعالجة السحابية بطيئة في بعض الأحيان، ويريد المطور أن يكون زمن الوصول قريبًا من الصفر حتى تعمل إمكانات التعلم الآلي لتطبيق الهاتف المحمول بشكل صحيح. يفتح التعلم الآلي على الأجهزة إمكانات معالجة البيانات التي يمكنها بالفعل تقليل زمن الوصول إلى الصفر تقريبًا.
بدأت شركات تصنيع الهواتف الذكية وعمالقة سوق التكنولوجيا في إدراك ذلك تدريجيًا. لفترة طويلة، ظلت شركة Apple رائدة في هذه الصناعة، وتطويرها للهواتف الذكية باستخدام نظامها Bionic الذي ينفذ المحرك العصبي الذي يساعد على تشغيل الشبكات العصبية مباشرة على الجهاز، مع تحقيق .
تواصل Apple أيضًا تطوير Core ML، منصة التعلم الآلي لتطبيقات الهاتف المحمول، خطوة بخطوة؛ في المكتبة وأضاف الدعم لوحدات معالجة الرسومات. تواصل Google إضافة الميزات المحملة مسبقًا إلى منصة التعلم الآلي ML Kit. باستخدام هذه التقنيات، يمكنك تطوير التطبيقات التي تسمح لك بمعالجة البيانات بسرعة البرق، والقضاء على أي تأخير وتقليل عدد الأخطاء.
يعد هذا المزيج من الدقة وتجارب المستخدم السلسة مقياسًا رئيسيًا يجب على مطوري تطبيقات الأجهزة المحمولة مراعاته عند إدخال إمكانات التعلم الآلي في تطبيقاتهم. ولضمان هذه الوظيفة، فهي مطلوبة .
تحسين الأمن والخصوصية
هناك فائدة كبيرة أخرى للحوسبة المتطورة والتي لا يمكن المبالغة في تقديرها وهي مدى تحسينها لأمان المستخدم وخصوصيته. يعد ضمان أمان وخصوصية البيانات في التطبيق جزءًا لا يتجزأ من مهام المطور، خاصة مع الأخذ في الاعتبار ضرورة الامتثال للائحة العامة لحماية البيانات (GDPR) والقوانين الأوروبية الجديدة، والتي ستؤثر بلا شك على ممارسة تطوير الأجهزة المحمولة .
نظرًا لأن البيانات لا تحتاج إلى إرسالها إلى المنبع أو إلى السحابة للمعالجة، فإن مجرمي الإنترنت أقل قدرة على استغلال أي ثغرات أمنية تم إنشاؤها أثناء مرحلة النقل؛ وبالتالي، يتم الحفاظ على سلامة البيانات. وهذا يسهل على مطوري تطبيقات الأجهزة المحمولة الالتزام بلوائح أمان البيانات الخاصة باللائحة العامة لحماية البيانات.
يتيح التعلم الآلي على الأجهزة أيضًا اللامركزية، تمامًا مثل تقنية blockchain. بمعنى آخر، يصعب على المتسللين شن هجوم DDoS على شبكة متصلة من الأجهزة المخفية بدلاً من تنفيذ نفس الهجوم على خادم مركزي. يمكن أن تكون هذه التقنية مفيدة أيضًا عند العمل مع الطائرات بدون طيار ومراقبة الامتثال للتشريعات.
تساعد شرائح الهواتف الذكية المذكورة أعلاه من Apple أيضًا على تحسين أمان المستخدم وخصوصيته - على سبيل المثال، يمكن أن تكون بمثابة أساس لـ Face ID. يتم تشغيل ميزة iPhone هذه بواسطة شبكة عصبية منتشرة على الأجهزة التي تجمع البيانات من جميع التمثيلات المختلفة لوجه المستخدم. وبالتالي، فإن هذه التكنولوجيا بمثابة طريقة تحديد دقيقة وموثوقة للغاية.
ستمهد هذه الأجهزة والأجهزة الأحدث التي تدعم الذكاء الاصطناعي الطريق لتفاعلات أكثر أمانًا بين المستخدم والهاتف الذكي. في الواقع، يحصل المطورون على طبقة إضافية من التشفير لحماية بيانات المستخدم.
لا يلزم الاتصال بالإنترنت
وبغض النظر عن مشكلات زمن الوصول، فإن إرسال البيانات إلى السحابة للمعالجة واستخلاص النتائج يتطلب اتصالاً جيدًا بالإنترنت. في كثير من الأحيان، وخاصة في البلدان المتقدمة، ليست هناك حاجة للشكوى من الإنترنت. ولكن ماذا تفعل في المناطق التي يكون فيها الاتصال أسوأ؟ عندما يتم تنفيذ التعلم الآلي على الأجهزة، فإن الشبكات العصبية تعيش على الهواتف نفسها. وبذلك يستطيع المطور نشر التقنية على أي جهاز وفي أي مكان، بغض النظر عن جودة الاتصال. بالإضافة إلى ذلك، يؤدي هذا النهج إلى .
هي إحدى الصناعات التي يمكن أن تستفيد بشكل خاص من التعلم الآلي على الجهاز، حيث سيتمكن المطورون من إنشاء أدوات تتحقق من العلامات الحيوية أو حتى تقديم جراحة روبوتية دون أي اتصال بالإنترنت. ستكون هذه التقنية مفيدة أيضًا للطلاب الذين يرغبون في الوصول إلى مواد المحاضرات دون الاتصال بالإنترنت - على سبيل المثال، أثناء وجودهم في نفق النقل.
في نهاية المطاف، سيوفر التعلم الآلي على الأجهزة للمطورين الأدوات اللازمة لإنشاء أدوات من شأنها أن تفيد المستخدمين في جميع أنحاء العالم، بغض النظر عن حالة اتصالهم بالإنترنت. بالنظر إلى أن قوة الهواتف الذكية الجديدة ستكون على الأقل بنفس قوة الهواتف الحالية، فسوف ينسى المستخدمون مشاكل التأخير عند العمل مع التطبيق في وضع عدم الاتصال.
خفض التكاليف لعملك
يمكن أن يوفر لك التعلم الآلي على الأجهزة أيضًا ثروة من خلال عدم الاضطرار إلى الدفع لمقاولين خارجيين لتنفيذ وصيانة العديد من الحلول. كما ذكر أعلاه، في كثير من الحالات يمكنك الاستغناء عن السحابة والإنترنت.
تعد الخدمات السحابية الخاصة بوحدة معالجة الرسومات والذكاء الاصطناعي من أغلى الحلول التي يمكن شراؤها. عند تشغيل الطرازات على جهازك، لا يتعين عليك الدفع مقابل كل هذه المجموعات، وذلك بفضل حقيقة أنه يوجد اليوم المزيد والمزيد من الهواتف الذكية المتقدمة المجهزة بـ .
ومن خلال تجنب كابوس معالجة البيانات الثقيلة التي تحدث بين الجهاز والسحابة، يمكنك توفير الكثير؛ لذلك، من المربح جدًا تنفيذ حلول التعلم الآلي على الأجهزة. بالإضافة إلى ذلك، يمكنك توفير المال نظرًا لانخفاض متطلبات النطاق الترددي لتطبيقك بشكل كبير.
يوفر المهندسون أنفسهم أيضًا الكثير في عملية التطوير، حيث لا يتعين عليهم تجميع وصيانة بنية تحتية سحابية إضافية. على العكس من ذلك، من الممكن تحقيق المزيد مع فريق أصغر. وبالتالي، فإن تخطيط الموارد البشرية في فرق التطوير أكثر فعالية بكثير.
اختتام
مما لا شك فيه، في عام 2010، أصبحت السحابة نعمة حقيقية، مما أدى إلى تبسيط معالجة البيانات. لكن التكنولوجيا المتقدمة تتطور بشكل كبير، وقد يصبح التعلم الآلي على الأجهزة قريبا المعيار الفعلي ليس فقط في مجال تطوير الأجهزة المحمولة، ولكن أيضا في إنترنت الأشياء.
مع انخفاض زمن الوصول، وتحسين الأمان، وإمكانيات الاتصال بالإنترنت، والتكاليف المنخفضة بشكل عام، ليس من المستغرب أن يراهن أكبر اللاعبين في مجال تطوير الأجهزة المحمولة بشكل كبير على التكنولوجيا. يجب على مطوري تطبيقات الهاتف المحمول أيضًا إلقاء نظرة فاحصة عليها لمواكبة العصر.
المصدر: www.habr.com