Добрай раніцы, Хабр!
Нам няма чаго дадаць у да загалоўку артыкулы ў нашым апавяшчэнні — таму ўсе адразу запрашаюцца пад кат. Чытаем і каментуем.
Спецыялісты па распрацоўцы для мабільных прылад толькі выйграюць ад рэвалюцыйных змен, якія ўжо сёння можа прапанаваць . Справа ў тым, наколькі гэтая тэхналогія ўзмацняе любыя мабільныя прыкладанні, а менавіта, забяспечвае новы ўзровень выгоды для карыстачоў і дазваляе актыўна задзейнічаць магутныя магчымасці, напрыклад, падаваць максімальна дакладныя рэкамендацыі, , альбо імгненна выяўляць .
Такая імклівая распрацоўка мабільнага машыннага навучання - гэта адказ на шэраг распаўсюджаных праблем, з якімі мы паспелі намучыцца ў класічным машынным навучанні. Насамрэч, усё відавочна. У даляглядзе мабільныя прыкладанні запатрабуюць паскарэнні апрацоўкі дадзеных і наступнага скарачэння затрымак.
Магчыма, вы ўжо задумваліся, чаму , не могуць папросту запускаць лагічную выснову ў воблаку. Па-першае, хмарныя тэхналогіі залежаць ад цэнтральных вузлоў (уявіце сабе велізарны датацэнтр, дзе сканцэнтраваны як шырокія сховішчы дадзеных, так і вялікія вылічальныя магутнасці). Пры такім цэнтралізаваным падыходзе немагчыма спраўляцца са хуткасцямі апрацоўкі, дастатковымі для стварэння плыўных мабільных узаемадзеянняў, заснаваных на машынным навучанні. Дадзеныя павінны апрацоўвацца цэнтралізавана, пасля чаго рассылацца зваротна на прылады. Такі падыход патрабуе часу, грошай і не гарантуе прыватнасці саміх дадзеных.
Такім чынам, акрэсліўшы гэтыя асноўныя перавагі мабільнага машыннага навучання, давайце падрабязней даследуем, чаму якая разгортваецца на нашых вачах рэвалюцыя ў машынным навучанні павінна быць цікавая асабіста вам як мабільнаму распрацоўніку.
Скарачэнне затрымкі
Распрацоўнікі мабільных прыкладанняў ведаюць, што падвышаная затрымка можа стаць для праграмы чорнай пазнакай, незалежна ад таго, наколькі добрыя яе магчымасці, альбо наколькі рэспектабельны брэнд. Раней на прыладах з Android назіраліся , з-за чаго прагляд відэа і аўдыё часта атрымліваўся рассінхранізаваны. Аналагічна, кліент сацсеткі з высокай затрымкай можа ператварыць зносіны ў сапраўдную катаванне для карыстальніка.
Рэалізацыя машыннага навучання на прыладзе становіцца ўсё больш важна менавіта з-за такіх праблем з затрымкамі. Уявіце сабе, як працуюць фільтры малюнкаў для сацыяльных сетак, альбо рэкамендацыі рэстаранаў з прывязкай да геолокации. У такіх прыкладаннях затрымка павінна быць мінімальнай, толькі ў такім выпадку яно зможа працаваць на найвысокім узроўні.
Як было паказана вышэй, хмарная апрацоўка часам бывае павольнай, а распрацоўніку патрабуецца, каб затрымка імкнулася да нуля - толькі ў такім выпадку магчымасці машыннага навучання ў мабільным дадатку будуць працаваць як след. Машыннае навучанне на прыладах адчыняе такія магчымасці апрацоўкі дадзеных, што сапраўды дазваляе звесці затрымку практычна да нуля.
Вытворцы смартфонаў і гіганты тэхнічнага рынку паступова пачынаюць гэта ўсведамляць. Флагманам у гэтай галіне доўгі час заставалася Apple, якая распрацоўвала для смартфонаў пры дапамозе сваёй сістэмы Bionic, у якой укаранёны нейронавы рухавічок Neural Engine, які дапамагае ганяць нейронавыя сеткі прама на прыладзе, дасягаючы пры гэтым. .
Apple таксама працягвае крок за крокам распрацоўваць Core ML, сваю платформу машыннага навучання для мабільных дадаткаў; у бібліятэцы дададзена падтрымка GPUs; Google працягвае дадаваць перадзагружаныя фічы да сваёй платформы машыннага навучання ML Kit. Пры дапамозе менавіта гэтых тэхналогій можна распрацоўваць прыкладанні, якія дазваляюць вокамгненна апрацоўваць дадзеныя, выключаць якія-небудзь затрымкі і скарачаць колькасць памылак.
Такая камбінацыя дакладнасці і бясшвовых карыстацкіх узаемадзеянняў - асноўны паказчык, які павінны ўлічваць распрацоўшчыкі мабільных прыкладанняў, укараняючы ў іх магчымасці машыннага навучання. А каб гарантаваць такі функцыянал, патрабуецца .
Палепшаная бяспека і прыватнасць
Яшчэ адна велізарная выгада межавых вылічэнняў (edge computing), якую немагчыма пераацаніць складаецца ў тым, наколькі яны паляпшаюць бяспеку і прыватнасць карыстачоў. Гарантыя бяспекі і прыватнасці дадзеных у дадатку - неад'емная частка задач распрацоўніка, асабліва з улікам неабходнасці выканання GDPR (Агульнаму Рэгламенту па Абароне Дадзеных), новых еўрапейскіх законаў, якія, несумненна, адаб'юцца і на практыцы мабільнай распрацоўкі.
Паколькі дадзеныя не патрабуецца адпраўляць для апрацоўкі на поўнач ці ў воблака, у кіберзлачынцаў менш магчымасцяў для выкарыстання якія-небудзь уразлівасцяў, якія ўзнікалі на этапе такой перадачы; таму недатыкальнасць дадзеных захоўваецца. Так распрацоўнікам мабільных прыкладанняў становіцца прасцей выконваць рэгламентацыю GDPR па бяспецы дадзеных.
Машыннае навучанне на прыладах таксама забяспечвае дэцэнтралізацыю, шмат у чым па тым жа прынцыпу, што і блокчейн. Іншымі словамі, хакерам складаней пакласці DDoS-нападам злучаную сетку ўтоеных прылад, чым правесці такі ж напад на цэнтральны сервер. Гэта тэхналогія таксама можа быць карыснай пры рабоце з дронамі і для кантролю за выкананнем заканадаўства.
Вышэйзгаданыя смартфонныя чыпы ад Apple таксама спрыяюць павышэнню бяспекі і прыватнасці карыстальніка – так, яны могуць паслужыць асновай Face ID. Гэтая магчымасць iPhone працуе на аснове нейронавай сеткі, разгорнутай на прыладах і якая збірае дадзеныя аб усіх разнастайных паданнях карыстацкай асобы. Такім чынам, тэхналогія служыць выключна дакладным і надзейным метадам ідэнтыфікацыі.
Такое і навейшае абсталяванне з падтрымкай ІІ пракладзе шлях да больш бяспечных узаемадзеянняў карыстальніка са смартфонам. Фактычна, распрацоўшчыкі атрымліваюць дадатковы ўзровень шыфравання для абароны карыстацкіх дадзеных.
Не патрабуецца падлучэння да Інтэрнэту
Не лічачы праблем з затрымкай, адпраўка дадзеных у воблака для апрацоўкі і вымання высноў патрабуе добрага злучэння з Інтэрнэтам. Часцяком, асабліва ў развітых краінах, скардзіцца на Інтэрнэт не даводзіцца. Але што рабіць у раёнах, дзе сувязь горшая? Калі машыннае навучанне рэалізавана на прыладах, нейронавыя сеткі жывуць на тэлефонах самі па сабе. Такім чынам, распрацоўшчык можа разгарнуць тэхналогію на любой прыладзе і ў любым месцы, незалежна ад якасці злучэння. Плюс, такі падыход вядзе да .
– адна з галін, якія могуць асабліва выйграць ад машыннага навучання на прыладах, паколькі распрацоўшчыкі змогуць ствараць інструменты, якія правяраюць жыццёва важныя паказчыкі, альбо нават забяспечваць рабахірургію без якога-небудзь падключэння да Інтэрнэту. Дадзеная тэхналогія таксама спатрэбіцца студэнтам, якія жадаюць звярнуцца да лекцыйных матэрыялаў, не маючы падлучэння да Інтэрнэту - напрыклад, будучы ў транспартным тунэлі.
У канчатковым выніку, машыннае навучанне на прыладах падасць распрацоўнікам прылады для стварэння прылад, якія будуць карысныя карыстачам са ўсяго міру, незалежна ад сітуацыі з Інтэрнэт-злучэннем. Улічваючы, што магутнасць новых смартфонаў будзе, як мінімум, не ніжэй, чым у цяперашніх, карыстачы забудуцца аб праблемах з затрымкамі, калі будуць працаваць з дадаткам у афлайне.
Памяншэнне выдаткаў для вашага бізнесу
Машыннае навучанне на прыладах таксама заклікана зберагчы вам цэлае стан - бо з ім вам не давядзецца плаціць знешнім падрадчыкам, якія б рэалізоўвалі і падтрымлівалі многія рашэнні. Як ужо згадвалася вышэй, у шматлікіх выпадках вы зможаце абыйсціся і без аблокі, і без Інтэрнэту.
GPU і ІІ-спецыфічныя хмарныя сэрвісы - вось самыя дарагія рашэнні, якія можна набыць. Пры запуску мадэляў на прыладзе вам не давядзецца аплачваць усе гэтыя кластары, дзякуючы таму, што сёння з'яўляюцца ўсё больш дасканалыя смартфоны, абсталяваныя. .
Пазбягаючы кашмарнай цяжкавагавай апрацоўкі дадзеных, якая адбываецца паміж прыладай і воблакам, вы каласальна эканоміце; таму ўкараняць рашэнні з машынным навучаннем на прыладах вельмі выгадна. У дадатак вы эканоміце і таму, што ў вашым дадатку значна змяншаюцца патрабаванні да шырыні паласы перадачы дадзеных.
Самі інжынеры таксама моцна эканомяць на працэсе распрацоўкі, паколькі не даводзіцца збіраць і падтрымліваць дадатковую хмарную інфраструктуру. Наадварот, удаецца дасягнуць большага сіламі меншай каманды. Такім чынам, планаванне чалавечых рэсурсаў у камандах распрацоўшчыкаў атрымліваецца значна больш эфектыўна.
Заключэнне
Бясспрэчна, у 2010-е аблокі сталі сапраўдным дабром, які спрасціў апрацоўку дадзеных. Але высокія тэхналогіі развіваюцца экспанентна, і машыннае навучанне на прыладах неўзабаве можа стаць дэ-факта стандартам не толькі ў вобласці мабільнай распрацоўкі, але і ў сферы Інтэрнэту Рэчаў.
Дзякуючы скарачэнню затрымкі, палепшанай бяспецы, афлайнавым магчымасцям і патанненню ў цэлым, нядзіўна, што найбуйныя гульцы мабільнай распрацоўкі робяць вялікія стаўкі на гэтую тэхналогію. Распрацоўнікі мабільных прыкладанняў таксама павінны да яе прыгледзецца, каб ісці ў нагу з часам.
Крыніца: habr.com