Foghlaim meaisín i bhforbairt soghluaiste: ionchais agus dílárú

Maidin mhaith, Habr!

Níl aon rud le cur le teideal an ailt inár réamhfhógra - mar sin tugtar cuireadh do gach duine láithreach chuig an gcat. Léigh agus trácht.

Foghlaim meaisín i bhforbairt soghluaiste: ionchais agus dílárú

Bainfidh gairmithe forbartha soghluaiste leas as na hathruithe réabhlóideacha atá le tairiscint inniu. foghlaim meaisín ar fheistí. Is é an pointe cé mhéad a fheabhsaíonn an teicneolaíocht seo aon fheidhmchlár soghluaiste, eadhon, soláthraíonn sé leibhéal nua áise d’úsáideoirí agus ligeann duit gnéithe cumhachtacha a úsáid go gníomhach, mar shampla, chun na moltaí is cruinne a sholáthar, bunaithe ar geolocation, nó a bhrath láithreach galair plandaí.

Is freagairt é an fhorbairt mhear seo ar fhoghlaim meaisín soghluaiste ar roinnt fadhbanna coitianta a d’fhulaing muid i bhfoghlaim meaisín clasaiceach. Go deimhin, tá gach rud soiléir. Sa todhchaí, beidh próiseáil sonraí níos tapúla ag teastáil le haghaidh feidhmchláir shoghluaiste agus beidh laghdú breise ar an bhfola.

B'fhéidir gur shíl tú cheana cén fáth Aipeanna soghluaiste faoi thiomáint AI,ní féidir tátal a rith go simplí sa scamall. Ar an gcéad dul síos, braitheann teicneolaíochtaí scamall ar nóid lárnacha (samhlaigh lárionad sonraí ollmhór le stóráil sonraí fairsing agus cumhacht ríomhaireachta mór). Ní féidir leis an gcur chuige láraithe seo luasanna próiseála a láimhseáil atá leordhóthanach chun eispéiris shoghluaiste mhíne a chruthú faoi thiomáint ag an meaisínfhoghlaim. Ní mór sonraí a phróiseáil go lárnach agus ansin iad a sheoladh ar ais chuig gléasanna. Éilíonn an cur chuige seo am, airgead agus ní ráthaíonn sé príobháideacht na sonraí féin.

Mar sin, tar éis dúinn cur síos a dhéanamh ar na príomhbhuntáistí a bhaineann le foghlaim meaisín soghluaiste, déanaimis breathnú níos géire ar an bhfáth ar cheart go mbeadh spéis agat go pearsanta mar fhorbróir soghluaiste ag an réabhlóid meaisínfhoghlama atá ag teacht chun cinn.

Laghdaigh Latency

Tá a fhios ag forbróirí aipeanna soghluaiste gur féidir le latency méadaithe a bheith ina marc dubh do chlár, is cuma cé chomh maith agus atá a ghnéithe nó cé chomh creidiúnach is atá an branda. Breathnaíodh roimhe seo ar fheistí Android Moille mór ar go leor feidhmchlár físeáin, rud a d'fhág nach raibh aon chomhchiall ar an bhfíseán agus ar an bhfaireachán fuaime go minic. Ar an gcaoi chéanna, is féidir le cliant meán sóisialta a bhfuil an-fhollas aige cumarsáid a dhéanamh ina chéasadh ceart don úsáideoir.

Tá sé ag éirí níos tábhachtaí go beacht le meaisínfhoghlaim a chur i bhfeidhm ar an ngléas mar gheall ar cheisteanna latency mar seo. Samhlaigh conas a oibríonn scagairí íomhá do líonraí sóisialta, nó moltaí bialainne bunaithe ar geolocation. In iarratais den sórt sin, ní mór an fhoighne a bheith íosta chun go bhfeidhmeoidh sé ag an leibhéal is airde.

Mar a luadh thuas, is féidir le próiseáil scamall a bheith mall uaireanta, agus ba mhaith leis an bhforbróir go mbeidh an latency gar do nialas chun go n-oibreoidh cumais foghlama meaisín app soghluaiste i gceart. Osclaíonn foghlaim meaisín ar fheistí cumais phróiseála sonraí ar féidir leo an latency a laghdú go beagnach nialas.

Tá monaróirí fón cliste agus fathaigh an mhargaidh teicneolaíochta ag tosú ar seo a bhaint amach de réir a chéile. Ar feadh i bhfad, d'fhan Apple mar cheannaire sa tionscal seo, ag forbairt sliseanna níos mó agus níos airde le haghaidh fóin chliste ag baint úsáide as a chóras Bionic, a chuireann an Neural Engine i bhfeidhm, a chabhraíonn le líonraí néaracha a thiomáint go díreach ar an bhfeiste, agus é ag baint amach luasanna dochreidte.

Tá Apple ag leanúint freisin ag forbairt Core ML, a ardán foghlama meaisín le haghaidh apps soghluaiste, céim ar chéim; sa leabharlann TensorFlow Lite tacaíocht bhreise do GPUanna; Leanann Google ag cur gnéithe réamhluchtaithe lena ardán meaisínfhoghlama ML Kit. Ag baint úsáide as na teicneolaíochtaí seo, is féidir leat feidhmchláir a fhorbairt a ligeann duit sonraí a phróiseáil ag luas tintreach, deireadh a chur le haon mhoill agus líon na n-earráidí a laghdú.

Is príomh-mhéadrach é an teaglaim seo de chruinneas agus eispéiris úsáideora gan uaim nach mór d'fhorbróirí aipeanna soghluaiste a mheas agus cumas foghlama meaisín á ionchorprú ina gcuid apps. Agus chun feidhmiúlacht den sórt sin a ráthú, tá sé ag teastáil meaisín foghlama a chur chuig gléasanna.

Slándáil agus príobháideacht fheabhsaithe

Buntáiste ollmhór eile a bhaineann le ríomhaireacht chiumhais nach féidir a rá go mór ná an méid a fheabhsaíonn sé slándáil agus príobháideacht úsáideoirí. Is cuid dhílis de thascanna an fhorbróra é slándáil agus príobháideacht sonraí san fheidhmchlár, go háirithe ag cur san áireamh an gá atá le comhlíonadh an GDPR (Rialachán Ginearálta um Chosaint Sonraí), dlíthe Eorpacha nua, a mbeidh tionchar gan amhras ar chleachtas na forbartha soghluaiste. .

Toisc nach gá sonraí a sheoladh in aghaidh an tsrutha nó chuig an néal le haghaidh próiseála, is lú an cumas atá ag cibearchoirpigh leas a bhaint as aon leochaileachtaí a chruthaítear le linn chéim an aistrithe; dá bhrí sin, coinnítear sláine na sonraí. Déanann sé seo níos éasca d’fhorbróirí aipeanna móibíleacha cloí le rialacháin slándála sonraí GDPR.

Cumasaíonn foghlaim meaisín ar fheistí dílárú freisin, mórán ar an mbealach céanna le blockchain. I bhfocail eile, tá sé níos deacra do hackers ionsaí DDoS a sheoladh ar líonra ceangailte de fheistí ceilte ná an t-ionsaí céanna a dhéanamh ar fhreastalaí lárnach. Féadfaidh an teicneolaíocht seo a bheith úsáideach freisin agus tú ag obair le drones agus chun monatóireacht a dhéanamh ar chomhlíonadh na reachtaíochta.

Cuidíonn na sliseanna smartphone thuasluaite ó Apple freisin le slándáil agus príobháideacht úsáideoirí a fheabhsú - mar shampla, is féidir leo feidhmiú mar bhunús le haghaidh Aghaidh ID. Tá an ghné iPhone seo á thiomáint ag líonra néarúil a imlonnaítear ar na gléasanna a bhailíonn sonraí ó gach léiriú éagsúil ar aghaidh úsáideora. Mar sin, feidhmíonn an teicneolaíocht mar mhodh aitheantais thar a bheith cruinn agus iontaofa.

Réiteoidh na crua-earraí seo agus crua-earraí nua-chumasaithe AI ​​an bealach le haghaidh idirghníomhaíochtaí fóin chliste níos sábháilte. Go deimhin, faigheann forbróirí sraith bhreise criptithe chun sonraí úsáideoirí a chosaint.

Níl gá le nasc idirlín

Saincheisteanna foighne ar leataobh, teastaíonn nasc idirlín maith chun sonraí a sheoladh chuig an scamall le haghaidh próiseála agus le conclúidí a bhaint amach. Go minic, go háirithe i dtíortha forbartha, ní gá gearán a dhéanamh faoin Idirlíon. Ach cad atá le déanamh i gceantair ina bhfuil an nasc níos measa? Nuair a chuirtear meaisínfhoghlaim i bhfeidhm ar fheistí, maireann líonraí néaracha ar na fóin féin. Mar sin, is féidir leis an bhforbróir an teicneolaíocht a imscaradh ar aon fheiste agus áit ar bith, beag beann ar cháilíocht an cheangail. Plus, mar thoradh ar an gcur chuige seo daonlathú cumais ML.

Cúram Sláinte ar cheann de na tionscail a d'fhéadfadh leas a bhaint as meaisínfhoghlaim ar-fheiste go háirithe, toisc go mbeidh forbróirí in ann uirlisí a chruthú a sheiceálann comharthaí ríthábhachtacha nó fiú máinliacht robotic a sholáthar gan aon nasc idirlín. Beidh an teicneolaíocht seo úsáideach freisin do mhic léinn atá ag iarraidh teacht ar ábhair léachta gan nasc Idirlín - mar shampla, agus iad i dtollán iompair.

Ar deireadh thiar, cuirfidh foghlaim meaisín ar fheistí na huirlisí ar fáil d'fhorbróirí uirlisí a chruthú a rachaidh chun tairbhe d'úsáideoirí ar fud an domhain, beag beann ar a gcás nasc Idirlín. Ag cur san áireamh go mbeidh cumhacht na nguthán cliste nua ar a laghad chomh cumhachtach leis na cinn atá ann faoi láthair, déanfaidh úsáideoirí dearmad ar fhadhbanna a bhaineann le moill agus iad ag obair leis an bhfeidhmchlár as líne.

Costais do do ghnó a laghdú

Is féidir le foghlaim meaisín ar ghairis rath a shábháil duit freisin mura mbíonn ort íoc as conraitheoirí seachtracha chun go leor de na réitigh a chur i bhfeidhm agus a chothabháil. Mar a luadh thuas, i go leor cásanna is féidir leat a dhéanamh gan an scamall agus an Idirlíon araon.

Is iad seirbhísí scamall GPU agus AI-shonracha na réitigh is costasaí is féidir a cheannach. Nuair a ritheann tú samhlacha ar do ghléas, ní gá duit íoc as na braislí seo go léir, a bhuíochas sin go bhfuil níos mó agus níos mó fóin chliste feistithe le inniu ann. próiseálaithe neuromorphic (NPU).

Trí thromluí na próiseála sonraí trom a tharlaíonn idir an gléas agus an scamall a sheachaint, sábhálann tú go mór; Dá bhrí sin, tá sé an-bhrabúsach réitigh foghlama meaisín a chur i bhfeidhm ar fheistí. Ina theannta sin, sábhálann tú airgead toisc go laghdaítear riachtanais bandaleithead d’iarratais go suntasach.

Sábhálann na hinnealtóirí iad féin go leor freisin ar an bpróiseas forbartha, ós rud é nach gcaithfidh siad bonneagar scamall breise a bhailiú agus a chothabháil. Ar a mhalairt, is féidir níos mó a bhaint amach le foireann níos lú. Mar sin, tá pleanáil acmhainní daonna i bhfoirne forbartha i bhfad níos éifeachtaí.

Conclúid

Gan amhras, sna 2010í, tháinig an scamall ina chabhair mhór, ag simpliú próiseáil sonraí. Ach tá an ardteicneolaíocht ag forbairt go heaspónantúil, agus is féidir go dtiocfaidh foghlaim meaisín ar fheistí go luath ar an gcaighdeán de facto, ní hamháin i réimse na forbartha soghluaiste, ach freisin ar Idirlíon na Rudaí.

Le latency laghdaithe, slándáil fheabhsaithe, cumais as líne, agus costais níos ísle ar an iomlán, ní haon ionadh é go bhfuil na himreoirí is mó i bhforbairt soghluaiste gealltóireachta mór ar an teicneolaíocht. Ba cheart d’fhorbróirí feidhmchlár soghluaiste breathnú níos géire air freisin chun coinneáil suas leis an aimsir.

Foinse: will.com

Add a comment