Bos días, Habr!
Non temos nada que engadir ao título do artigo na nosa notificación previa, polo que todos están invitados inmediatamente ao gato. Le e comenta.
Os profesionais do desenvolvemento móbil beneficiaranse dos cambios revolucionarios que ofrece hoxe. . O punto é o moito que esta tecnoloxía mellora calquera aplicación móbil, é dicir, proporciona un novo nivel de comodidade para os usuarios e permítelle utilizar activamente funcións poderosas, por exemplo, para ofrecer as recomendacións máis precisas, , ou detectar ao instante .
Este rápido desenvolvemento da aprendizaxe automática móbil é unha resposta a unha serie de problemas comúns que sufrimos na aprendizaxe automática clásica. De feito, todo é obvio. No futuro, as aplicacións móbiles requirirán un procesamento de datos máis rápido e unha maior redución da latencia.
Quizais xa te preguntaste por que ,non pode simplemente executar inferencias na nube. En primeiro lugar, as tecnoloxías na nube dependen dos nodos centrais (imaxina un enorme centro de datos con gran almacenamento de datos e gran potencia informática). Este enfoque centralizado non pode xestionar velocidades de procesamento suficientes para crear experiencias móbiles suaves impulsadas pola aprendizaxe automática. Os datos deben procesarse de forma centralizada e despois enviarse de novo aos dispositivos. Este enfoque require tempo, diñeiro e non garante a privacidade dos propios datos.
Entón, despois de esbozar estes principais beneficios da aprendizaxe automática móbil, vexamos máis de cerca por que a revolución da aprendizaxe automática que se está a desenvolver ante os nosos ollos debería interesarche persoalmente como desenvolvedor móbil.
Reducir a latencia
Os desenvolvedores de aplicacións móbiles saben que o aumento da latencia pode ser unha marca negra para un programa, sen importar o bo que sexan as súas funcións ou a reputación da marca. Anteriormente, en dispositivos Android había , debido ao cal a visualización de vídeo e audio a miúdo non estaba sincronizada. Así mesmo, un cliente de redes sociais con alta latencia pode facer da comunicación unha verdadeira tortura para o usuario.
Implementar a aprendizaxe automática no dispositivo é cada vez máis importante precisamente por problemas de latencia como estes. Imaxina como funcionan os filtros de imaxe para as redes sociais ou as recomendacións de restaurantes baseadas na xeolocalización. Nestas aplicacións, a latencia debe ser mínima para que funcione ao máis alto nivel.
Como se mencionou anteriormente, o procesamento na nube ás veces pode ser lento e o programador quere que a latencia sexa próxima a cero para que as capacidades de aprendizaxe automática dunha aplicación móbil funcionen correctamente. A aprendizaxe automática nos dispositivos abre capacidades de procesamento de datos que realmente poden reducir a latencia a case cero.
Os fabricantes de teléfonos intelixentes e os xigantes do mercado tecnolóxico están empezando a darse conta disto. Durante moito tempo, Apple mantívose como líder nesta industria, en desenvolvemento para teléfonos intelixentes que utilizan o seu sistema Bionic, que implementa o Neural Engine, que axuda a impulsar redes neuronais directamente no dispositivo, ao tempo que se consegue .
Apple tamén continúa desenvolvendo Core ML, a súa plataforma de aprendizaxe automática para aplicacións móbiles, paso a paso; na biblioteca soporte adicional para GPU; Google segue engadindo funcións precargadas á súa plataforma de aprendizaxe automática ML Kit. Usando estas tecnoloxías, pode desenvolver aplicacións que lle permiten procesar datos á velocidade do lóstrego, eliminar os atrasos e reducir o número de erros.
Esta combinación de precisión e experiencias de usuario perfectas é unha métrica clave que os desenvolvedores de aplicacións móbiles deben ter en conta cando introducen capacidades de aprendizaxe automática nas súas aplicacións. E para garantir tal funcionalidade, é necesario .
Seguridade e privacidade melloradas
Outro gran beneficio da informática de punta que non se pode exagerar é o que mellora a seguridade e privacidade dos usuarios. Garantir a seguridade e privacidade dos datos na aplicación é parte integrante das tarefas do desenvolvedor, especialmente tendo en conta a necesidade de cumprir co GDPR (Regulamento Xeral de Protección de Datos), novas leis europeas, que sen dúbida afectarán á práctica do desenvolvemento móbil. .
Dado que os datos non necesitan ser enviados upstream ou á nube para procesar, os ciberdelincuentes son menos capaces de explotar calquera vulnerabilidade creada durante a fase de transferencia; polo tanto, mantense a integridade dos datos. Isto facilita que os desenvolvedores de aplicacións móbiles cumpran as normas de seguridade de datos do GDPR.
A aprendizaxe automática en dispositivos tamén permite a descentralización, do mesmo xeito que a cadea de bloques. Noutras palabras, é máis difícil para os hackers lanzar un ataque DDoS nunha rede conectada de dispositivos ocultos que realizar o mesmo ataque nun servidor central. Esta tecnoloxía tamén pode ser útil cando se traballa con drons e para controlar o cumprimento da lexislación.
Os chips de teléfonos intelixentes mencionados anteriormente de Apple tamén axudan a mellorar a seguridade e a privacidade dos usuarios; por exemplo, poden servir de base para Face ID. Esta función do iPhone está alimentada por unha rede neuronal implantada nos dispositivos que recolle datos de todas as diferentes representacións do rostro dun usuario. Así, a tecnoloxía serve como un método de identificación extremadamente preciso e fiable.
Este e o hardware máis novo habilitado para AI allanarán o camiño para interaccións máis seguras entre usuarios e teléfonos intelixentes. De feito, os desenvolvedores obteñen unha capa adicional de cifrado para protexer os datos dos usuarios.
Non se precisa conexión a internet
Ademais dos problemas de latencia, o envío de datos á nube para procesar e sacar conclusións require unha boa conexión a Internet. Moitas veces, especialmente nos países desenvolvidos, non hai que queixarse de Internet. Pero que facer nas zonas onde a conexión é peor? Cando a aprendizaxe automática se implementa nos dispositivos, as redes neuronais viven nos propios teléfonos. Así, o programador pode implantar a tecnoloxía en calquera dispositivo e en calquera lugar, independentemente da calidade da conexión. Ademais, este enfoque leva a .
é unha das industrias que poderían beneficiarse especialmente da aprendizaxe automática no dispositivo, xa que os desenvolvedores poderán crear ferramentas que comproben os signos vitais ou incluso proporcionar cirurxía robótica sen conexión a Internet. Esta tecnoloxía tamén será útil para os estudantes que queiran acceder a materiais didácticos sen conexión a Internet, por exemplo, mentres se atopan nun túnel de transporte.
En definitiva, a aprendizaxe automática en dispositivos proporcionará aos desenvolvedores as ferramentas para crear ferramentas que beneficiarán aos usuarios de todo o mundo, independentemente da súa situación de conexión a Internet. Tendo en conta que a potencia dos novos teléfonos intelixentes será polo menos tan potente como os actuais, os usuarios esqueceranse dos problemas de atraso ao traballar coa aplicación sen conexión.
Redución de custos para a súa empresa
A aprendizaxe automática en dispositivos tamén pode aforrarche unha fortuna ao non ter que pagar a contratistas externos para implementar e manter moitas das solucións. Como se mencionou anteriormente, en moitos casos pódese prescindir tanto da nube como de Internet.
Os servizos en nube específicos de GPU e AI son as solucións máis caras que se poden mercar. Cando executas modelos no teu dispositivo, non tes que pagar por todos estes clusters, grazas a que hoxe en día hai cada vez máis teléfonos intelixentes avanzados equipados con .
Ao evitar o pesadelo do procesamento de datos pesado que se produce entre o dispositivo e a nube, aforrades enormemente; Polo tanto, é moi rendible implementar solucións de aprendizaxe automática en dispositivos. Ademais, aforrará diñeiro porque os requisitos de ancho de banda da súa aplicación redúcense significativamente.
Os propios enxeñeiros tamén aforran moito no proceso de desenvolvemento, xa que non teñen que montar e manter unha infraestrutura de nube adicional. Pola contra, é posible conseguir máis cun equipo máis reducido. Así, a planificación de recursos humanos nos equipos de desenvolvemento é moito máis eficaz.
Conclusión
Sen dúbida, na década de 2010, a nube converteuse nunha auténtica bendición, simplificando o procesamento de datos. Pero a alta tecnoloxía está a desenvolverse de xeito exponencial e a aprendizaxe automática en dispositivos pode converterse pronto no estándar de facto non só no campo do desenvolvemento móbil, senón tamén no Internet das cousas.
Con latencia reducida, seguridade mellorada, capacidades fóra de liña e custos máis baixos en xeral, non é de estrañar que os principais actores do desenvolvemento móbil aposten moito pola tecnoloxía. Os desenvolvedores de aplicacións móbiles tamén deberían ollar máis de cerca para estar ao día dos tempos.
Fonte: www.habr.com