Machine learning in u sviluppu mobile: prospettive è decentralizazione

Bon ghjornu, Habr !

Ùn avemu nunda di aghjunghje à u tìtulu di l'articulu in a nostra pre-notificazione - cusì tutti sò immediatamente invitati à u ghjattu. Leghjite è cummentate.

Machine learning in u sviluppu mobile: prospettive è decentralizazione

I prufessiunali di u sviluppu mobile prufittàranu di i cambiamenti rivoluzionarii chì oghje hà da offre. machine learning nantu à i dispositi. U puntu hè quantu sta tecnulugia rinforza ogni applicazione mobile, vale à dì, furnisce un novu livellu di cunvenzione per l'utilizatori è permette di utilizà attivamente funzioni putenti, per esempiu, per furnisce i cunsiglii più precisi, basatu annantu à a geolocalizzazione, o rileva istantaneamente e malatie di e piante.

Stu rapidu sviluppu di l'apprendimentu automaticu mobile hè una risposta à una quantità di prublemi cumuni chì avemu patitu in l'apprendimentu automaticu classicu. In fatti, tuttu hè evidenti. In u futuru, l'applicazioni mobili necessitanu un trattamentu di dati più veloce è una riduzione ulteriore di a latenza.

Forse avete digià dumandatu perchè Applicazioni mobili alimentate da AI, ùn pò micca solu fà inferenza in u nuvulu. Prima, i tecnulugii di nuvola dependenu di i nodi cintrali (imaginate un enorme centru di dati cù un grande almacenamentu di dati è una grande putenza di calculu). Stu approcciu centralizatu ùn pò micca gestisce e velocità di trasfurmazione abbastanza per creà esperienze mobili fluide alimentate da l'apprendimentu di macchina. Dati deve esse trattatu cintrali è poi mandatu daretu à i dispusitivi. Stu approcciu richiede tempu, soldi è ùn guarantisci micca a privacy di i dati stessi.

Dunque, dopu avè delineatu questi benefici chjave di l'apprendimentu di a macchina mobile, guardemu più attentamente perchè a rivoluzione di l'apprendimentu di a macchina chì si sviluppa davanti à i nostri ochji duveria esse d'interessu per voi personalmente cum'è sviluppatore mobile.

Reduce a Latenza

I sviluppatori di l'app mobile sapemu chì a latenza aumentata pò esse una marca negra per un prugramma, ùn importa micca quantu sò e so caratteristiche o quantu a reputazione hè a marca. Nanzu, nant'à i dispusitivi Android ci era Ritardo seriu in parechje applicazioni video, per via di quale a visualizazione di u video è di l'audio spessu risultava fora di sincronia. In listessu modu, un cliente di e social media cù alta latenza pò fà a cumunicazione una vera tortura per l'utilizatore.

L'implementazione di l'apprendimentu automaticu nantu à u dispositivu diventa sempre più impurtante precisamente per via di prublemi di latenza cum'è questi. Imagine cumu funziona i filtri di l'imaghjini per e rete suciale, o cunsiglii di ristorante basati nantu à a geolocalizzazione. In tali applicazioni, a latenza deve esse minima per esse realizatu à u più altu livellu.

Cum'è l'esitatu sopra, l'elaborazione in nuvola pò esse lentu à volte, è u sviluppatore vole chì a latenza sia vicinu à cero per e capacità di apprendimentu automaticu di una app mobile per travaglià bè. L'apprendimentu automaticu nantu à i dispositi apre e capacità di trattamentu di dati chì ponu veramente riduce a latenza à quasi zero.

I pruduttori di smartphones è i giganti di u mercatu tecnologicu cumincianu gradualmente à capisce questu. Per un bellu pezzu, Apple ferma u capu in questa industria, u sviluppu chips sempre più avanzati per i smartphones chì utilizanu u so sistema Bionic, chì implementa u Neural Engine, chì aiuta à guidà e rete neurali direttamente nantu à u dispusitivu, mentre velocità incredibili.

Apple cuntinueghja ancu à sviluppà Core ML, a so piattaforma di machine learning per l'applicazioni mobile, passu à passu; in biblioteca TensorFlow Lite aghjuntu supportu per GPU; Google cuntinueghja à aghjunghje funzioni precaricate à a so piattaforma di apprendimentu automaticu ML Kit. Utilizendu sti tecnulugii, pudete sviluppà applicazioni chì permettenu di processà e dati à a velocità di u lampu, eliminà ogni ritardu è riduce u numeru di errori.

Questa cumminazione di precisione è esperienze d'utilizatore senza saldatura hè una metrica chjave chì i sviluppatori di app mobili anu da cunsiderà quandu introducenu capacità d'apprendimentu automaticu in e so app. È per guarantiscenu tali funziunalità, hè necessariu piglià l'apprendimentu machine à i dispositi.

Sicurezza è privacy mejorata

Un altru benefiziu enormu di l'edge computing chì ùn pò micca esse esageratu hè quantu migliurà a sicurità è a privacy di l'utilizatori. A guaranzia di a sicurità è a privacy di e dati in l'applicazione hè una parte integrante di i travaglii di u sviluppatore, soprattuttu tenendu in contu a necessità di rispettà u GDPR (Regulamentu Generale di Proteczione di Dati), novi liggi europei, chì senza dubbitu affettanu a pratica di u sviluppu mobile. .

Perchè i dati ùn anu micca bisognu di esse mandati upstream o à u nuvulu per u processu, i cibercriminali sò menu capaci di sfruttà ogni vulnerabilità creata durante a fase di trasferimentu; dunque, l'integrità di e dati hè mantinutu. Questu rende più faciule per i sviluppatori di l'applicazioni mobili per rispettà e regule di sicurezza di dati GDPR.

L'apprendimentu automaticu nantu à i dispositi permette ancu a decentralizazione, assai in u listessu modu cum'è blockchain. In altri palori, hè più difficiuli per i pirate di lancià un attaccu DDoS in una reta cunnessa di dispusitivi nascosti cà di fà u listessu attaccu à un servitore cintrali. Sta tecnulugia pò ancu esse utile à travaglià cù droni è per monitorà u rispettu di a legislazione.

I chips di smartphone sopra citati da Apple aiutanu ancu à migliurà a sicurità di l'utilizatori è a privacy - per esempiu, ponu serve cum'è a basa per Face ID. Questa funzione di l'iPhone hè alimentata da una rete neurale implementata nantu à i dispositi chì raccoglie dati da tutte e diverse rapprisintazioni di a faccia di l'utilizatore. Cusì, a tecnulugia serve cum'è un metudu d'identificazione estremamente precisu è affidabile.

Questi è i più recenti hardware abilitati per l'intelligenza artificiale apriranu a strada per interazzione utilizatore-smartphone più sicure. In fatti, i sviluppatori ricevenu una strata addiziale di criptografia per prutege i dati di l'utilizatori.

Nisuna cunnessione Internet necessaria

I prublemi di latenza da parte, l'inviu di dati à u nuvulu per u processu è a cunclusione di cunclusioni richiede una bona cunnessione Internet. Spessu, soprattuttu in i paesi sviluppati, ùn ci hè bisognu di lagnà di Internet. Ma chì fà in i lochi induve a cunnessione hè peghju? Quandu l'apprendimentu automaticu hè implementatu nantu à i dispositi, e rete neurali campanu nantu à i telefoni stessi. Cusì, u sviluppatore pò implementà a tecnulugia in ogni dispusitivu è in ogni locu, indipendentemente da a qualità di a cunnessione. In più, stu approcciu porta à democratizà e capacità di ML.

Assistenza sanitaria hè una di l'industrii chì puderanu prufittà particularmente di l'apprendimentu di macchina in u dispositivu, postu chì i sviluppatori puderanu creà strumenti chì verificanu i segni vitali o ancu furnisce una chirurgia robotica senza alcuna cunnessione Internet. Sta tecnulugia serà ancu utile per i studienti chì volenu accede à i materiali di lettura senza una cunnessione Internet - per esempiu, mentre in un tunnel di trasportu.

In ultimamente, l'apprendimentu automaticu nantu à i dispositi furnisce à i sviluppatori l'arnesi per creà strumenti chì beneficaranu l'utilizatori in u mondu, indipendentemente da a so situazione di cunnessione Internet. In cunsiderà chì u putere di i novi smartphones serà almenu cusì putente cum'è l'attuale, l'utilizatori si scurdanu di i prublemi cù ritardu quandu travaglianu cù l'applicazione offline.

Riducendu i costi per a vostra attività

L'apprendimentu automaticu nantu à i dispositi pò ancu salvà una fortuna per ùn avè micca bisognu di pagà i cuntratturi esterni per implementà è mantene parechje soluzioni. Cumu l'anu dettu sopra, in parechji casi, pudete fà senza u nuvulu è l'Internet.

I servizii cloud specifichi di GPU è AI sò e soluzioni più caru chì ponu esse acquistati. Quandu avete eseguitu mudelli nantu à u vostru dispositivu, ùn avete micca bisognu di pagà per tutti questi clusters, grazia à u fattu chì oghje ci sò smartphones sempre più avanzati dotati di processori neuromorfici (NPU).

Evitendu u pesante prucessu di dati chì si trova trà u dispusitivu è u nuvulu, risparmiate enormamente; Per quessa, hè assai prufittu à implementà suluzioni di machine learning in i dispositi. Inoltre, risparmiate soldi perchè i requisiti di larghezza di banda di a vostra applicazione sò significativamente ridotti.

L'ingegneri stessi risparmianu ancu assai in u prucessu di sviluppu, postu chì ùn anu micca bisognu di assemble è mantene una infrastruttura di nuvola supplementaria. À u cuntrariu, hè pussibule di ottene più cù una squadra più chjuca. Cusì, a pianificazione di risorse umane in i gruppi di sviluppu hè assai più efficace.

cunchiusioni

Indubbiamente, in l'anni 2010, u nuvulu hè diventatu un veru bonu, simplifichendu u prucessu di dati. Ma l'alta tecnulugia si sviluppa in modu esponenziale, è l'apprendimentu automaticu nantu à i dispositi pò diventà prestu u standard di facto micca solu in u campu di u sviluppu mobile, ma ancu in l'Internet di e Cose.

Cù una latenza ridutta, una sicurità mejorata, capacità offline è costi in generale più bassi, ùn hè micca surprisa chì i più grandi attori in u sviluppu mobile scommettenu assai nantu à a tecnulugia. I sviluppatori di l'applicazioni mobili anu da piglià un ochju più attentu per seguità i tempi.

Source: www.habr.com

Add a comment