Dobro jutro Habr!
Naslovu članka u našem prethodnom obavještenju nemamo ništa dodati - stoga, svi su odmah pozvani pod kat. Čitamo i komentarišemo.
Programeri za mobilne uređaje će imati koristi od revolucionarnih promjena koje danas nudi . Radi se o tome kako ova tehnologija poboljšava bilo koju mobilnu aplikaciju, naime, pruža novi nivo pogodnosti za korisnike i omogućava vam da aktivno koristite moćne funkcije, na primjer, za pružanje najpreciznijih preporuka, ili odmah otkrijte .
Ovaj brzi razvoj mobilnog mašinskog učenja odgovor je na brojne uobičajene probleme sa kojima smo imali vremena da trpimo u klasičnom mašinskom učenju. U stvari, sve je očigledno. Ubuduće, mobilne aplikacije će zahtijevati bržu obradu podataka i dalje smanjenje latencije.
Možda ste se pitali zašto , ne može samo izvesti zaključak u oblaku. Prvo, tehnologije oblaka zavise od centralnih čvorova (zamislite ogroman data centar, gde su koncentrisani i ekstenzivno skladištenje podataka i velika računarska snaga). Sa takvim centralizovanim pristupom, nemoguće je držati korak sa brzinama obrade dovoljnim za stvaranje glatke mobilne interakcije zasnovane na mašinskom učenju. Podaci se moraju obraditi centralno i zatim poslati nazad uređajima. Ovaj pristup zahtijeva vrijeme, novac i ne garantuje privatnost samih podataka.
Dakle, nakon što smo naveli ove glavne prednosti mobilnog mašinskog učenja, hajde da pobliže pogledamo zašto bi revolucija u mašinskom učenju koja se odvija pred našim očima trebala biti od interesa za vas lično kao mobilnog programera.
Smanjenje latencije
Programeri mobilnih aplikacija znaju da povećana latencija može biti crna mrlja za program, bez obzira na to koliko su dobre karakteristike ili koliko je brend ugledan. Ranije primećeno na Android uređajima , što je često uzrokovalo da gledanje video i audio zapisa nije sinhronizovano. Isto tako, klijent društvene mreže visoke latencije može učiniti komunikaciju pravom torturom za korisnika.
Implementacija mašinskog učenja na uređaju postaje sve važnija upravo zbog ovih problema sa kašnjenjem. Zamislite kako funkcioniraju filteri slika na društvenim mrežama ili preporuke restorana na temelju lokacije. U takvim aplikacijama kašnjenje mora biti minimalno, samo u ovom slučaju može raditi na najvišem nivou.
Kao što je gore spomenuto, obrada u oblaku ponekad može biti spora, a programeru je potrebno kašnjenje da se spusti na nulu - samo u ovom slučaju, mogućnosti strojnog učenja u mobilnoj aplikaciji će raditi kako bi trebale. Strojno učenje na uređajima otvara mogućnosti obrade podataka koje vam zaista omogućavaju da smanjite kašnjenje na gotovo nulu.
Proizvođači pametnih telefona i tehnološki divovi polako to počinju shvaćati. Apple je dugo vremena ostao vodeći u ovoj industriji, razvijajući se za pametne telefone uz pomoć svog Bionic sistema, u koji je implementiran Neural Engine, koji pomaže u pokretanju neuronskih mreža direktno na uređaju, pri čemu se postiže .
Apple takođe nastavlja da razvija Core ML, svoju platformu za mašinsko učenje za mobilne aplikacije, korak po korak; u biblioteci dodata podrška za GPU; Google nastavlja da dodaje unapred instalirane funkcije svojoj platformi za mašinsko učenje ML Kit. Uz pomoć ovih tehnologija moguće je razviti aplikacije koje omogućavaju munjevitu obradu podataka, eliminišući bilo kakva kašnjenja i smanjujući broj grešaka.
Ova kombinacija precizne i besprijekorne interakcije korisnika ključna je metrika koju programeri mobilnih aplikacija moraju uzeti u obzir kada implementiraju mogućnosti strojnog učenja. A da bi se garantovala takva funkcionalnost, to je potrebno .
Poboljšana sigurnost i privatnost
Još jedna ogromna prednost rubnog računarstva koja se ne može precijeniti je koliko poboljšava sigurnost i privatnost korisnika. Osiguravanje sigurnosti i privatnosti podataka u aplikaciji sastavni je dio zadataka programera, posebno s obzirom na potrebu da se poštuje GDPR (General Data Protection Regulation), novi evropski zakoni, što će nesumnjivo utjecati na praksu mobilnih uređaja. razvoj.
Budući da se podaci ne moraju slati uzvodno ili u oblak na obradu, postoji manje mogućnosti za sajber kriminalce da iskoriste sve ranjivosti do kojih dođe tokom faze prijenosa; stoga se čuva privatnost podataka. Ovo olakšava programerima mobilnih aplikacija da se pridržavaju GDPR propisa o sigurnosti podataka.
Mašinsko učenje na uređajima također omogućava decentralizaciju, na isti način kao i blockchain. Drugim riječima, hakerima je teže izvršiti DDoS povezanu mrežu skrivenih uređaja nego izvršiti isti napad na centralni server. Tehnologija bi također mogla biti korisna za operacije dronova i za provođenje zakona.
Gore spomenuti Apple čipovi za pametne telefone također doprinose povećanju sigurnosti i privatnosti korisnika – na primjer, mogu poslužiti kao osnova za Face ID. Ovu funkciju iPhone-a pokreće neuronska mreža postavljena na uređaje koja prikuplja podatke o svim različitim prikazima lica korisnika. Dakle, tehnologija služi kao izuzetno precizna i pouzdana metoda identifikacije.
Ovaj i noviji hardver koji podržava umjetnu inteligenciju otvorit će put sigurnijoj interakciji korisnika sa pametnim telefonom. Zapravo, programeri dobijaju dodatni sloj enkripcije kako bi zaštitili korisničke podatke.
Nije potrebna internetska veza
Osim problema sa kašnjenjem, slanje podataka u oblak za obradu i izvlačenje zaključaka zahtijeva dobru internet vezu. Često, posebno u razvijenim zemljama, nema potrebe da se žalite na internet. Ali šta učiniti u područjima gdje je veza lošija? Kada se mašinsko učenje implementira na uređajima, neuronske mreže žive na telefonima same. Dakle, programer može implementirati tehnologiju na bilo koji uređaj i na bilo kojem mjestu, bez obzira na kvalitet veze. Osim toga, ovaj pristup vodi do .
je jedna od industrija koja bi posebno mogla imati koristi od strojnog učenja na uređajima, jer programeri mogu kreirati alate koji provjeravaju vitalne znakove ili čak pružaju robotsku operaciju bez ikakve internetske veze. Ova tehnologija je također korisna za studente koji žele pristupiti materijalima za predavanja bez internetske veze, kao što je to u transportnom tunelu.
U konačnici, strojno učenje na uređajima će programerima pružiti alate za kreiranje alata koji će biti korisni korisnicima iz cijelog svijeta, bez obzira na situaciju s internetskom vezom. S obzirom da će snaga novih pametnih telefona biti barem jednako dobra kao i sadašnjih, korisnici će zaboraviti na probleme sa kašnjenjem kada rade sa aplikacijom van mreže.
Smanjenje troškova za vaše poslovanje
Mašinsko učenje na uređajima je također dizajnirano da vam uštedi bogatstvo tako što ne morate plaćati vanjske izvođače za implementaciju i podršku mnogih rješenja. Kao što je gore spomenuto, u mnogim slučajevima možete bez oblaka i bez interneta.
GPU-ovi i usluge u oblaku specifične za umjetnu inteligenciju najskuplja su rješenja koja možete kupiti. Kada pokrećete modele na uređaju, ne morate plaćati za sve ove klastere, zbog činjenice da danas postoji sve više naprednih pametnih telefona opremljenih .
Izbjegavajući strašnu tešku obradu podataka koja se odvija između uređaja i oblaka, uštedite enormno; stoga je vrlo isplativo implementirati rješenja za strojno učenje na uređajima. Osim toga, štedite novac jer vaša aplikacija značajno smanjuje zahtjeve za propusnim opsegom.
Sami inženjeri također mnogo štede na procesu razvoja, jer ne moraju sastavljati i održavati dodatnu infrastrukturu u oblaku. Naprotiv, uz pomoć manjeg tima moguće je postići više. Tako je planiranje ljudskih resursa u razvojnim timovima mnogo efikasnije.
zaključak
Bez sumnje, 2010-ih, oblaci su postali prava blagodat, pojednostavljujući obradu podataka. Ali visoka tehnologija se eksponencijalno razvija, a mašinsko učenje na uređajima bi uskoro moglo postati de facto standard ne samo u mobilnom razvoju, već iu Internetu stvari.
Sa smanjenim kašnjenjem, poboljšanom sigurnošću, offline mogućnostima i općenito nižim cijenama, nije iznenađenje da se najveći igrači u razvoju mobilnih uređaja klade na ovu tehnologiju. Programeri mobilnih aplikacija također bi trebali razmotriti to kako bi bili u korak s vremenom.
izvor: www.habr.com