Selamat pagi, Habr!
Kami tidak memiliki apa pun untuk ditambahkan ke judul artikel di pra-pemberitahuan kami - jadi semua orang segera diundang ke kucing itu. Baca dan beri komentar.
Profesional pengembangan seluler akan mendapatkan keuntungan dari perubahan revolusioner yang ditawarkan saat ini. . Intinya adalah seberapa besar teknologi ini meningkatkan aplikasi seluler apa pun, yaitu memberikan tingkat kenyamanan baru bagi pengguna dan memungkinkan Anda untuk secara aktif menggunakan fitur-fitur canggih, misalnya, untuk memberikan rekomendasi yang paling akurat, , atau langsung mendeteksi .
Perkembangan pesat pembelajaran mesin seluler ini merupakan respons terhadap sejumlah masalah umum yang kami alami dalam pembelajaran mesin klasik. Faktanya, semuanya sudah jelas. Di masa depan, aplikasi seluler akan memerlukan pemrosesan data yang lebih cepat dan pengurangan latensi lebih lanjut.
Anda mungkin bertanya-tanya mengapa , tidak bisa begitu saja menjalankan inferensi di cloud. Pertama, teknologi cloud bergantung pada node pusat (bayangkan sebuah pusat data besar dengan penyimpanan data besar dan daya komputasi besar). Pendekatan terpusat ini tidak dapat menangani kecepatan pemrosesan yang memadai untuk menciptakan pengalaman seluler lancar yang didukung oleh pembelajaran mesin. Data harus diproses secara terpusat dan kemudian dikirim kembali ke perangkat. Pendekatan ini memerlukan waktu, biaya dan tidak menjamin privasi data itu sendiri.
Jadi, setelah menguraikan manfaat utama pembelajaran mesin seluler, mari kita lihat lebih dekat mengapa revolusi pembelajaran mesin yang terjadi di depan mata kita seharusnya menarik bagi Anda secara pribadi sebagai pengembang seluler.
Kurangi Latensi
Pengembang aplikasi seluler tahu bahwa peningkatan latensi dapat menjadi tanda hitam bagi suatu program, tidak peduli seberapa bagus fiturnya atau seberapa bereputasi mereknya. Sebelumnya di perangkat Android ada , yang menyebabkan penayangan video dan audio sering kali tidak sinkron. Demikian pula, klien media sosial dengan latensi tinggi dapat membuat komunikasi menjadi siksaan yang nyata bagi penggunanya.
Penerapan pembelajaran mesin pada perangkat menjadi semakin penting karena masalah latensi seperti ini. Bayangkan cara kerja filter gambar untuk jejaring sosial, atau rekomendasi restoran berdasarkan geolokasi. Dalam aplikasi seperti itu, latensi harus minimal agar dapat bekerja pada tingkat tertinggi.
Seperti disebutkan di atas, pemrosesan cloud terkadang lambat, dan pengembang ingin latensi mendekati nol agar kemampuan pembelajaran mesin aplikasi seluler dapat berfungsi dengan baik. Pembelajaran mesin pada perangkat membuka kemampuan pemrosesan data yang benar-benar dapat mengurangi latensi hingga hampir nol.
Produsen ponsel pintar dan raksasa pasar teknologi secara bertahap mulai menyadari hal ini. Untuk waktu yang lama, Apple tetap menjadi pemimpin dalam industri ini dan terus berkembang untuk ponsel cerdas yang menggunakan sistem Bionic, yang mengimplementasikan Neural Engine, yang membantu menggerakkan jaringan saraf langsung di perangkat, sekaligus mencapai .
Apple juga terus mengembangkan Core ML, platform pembelajaran mesinnya untuk aplikasi seluler, selangkah demi selangkah; di perpustakaan menambahkan dukungan untuk GPU; Google terus menambahkan fitur bawaan ke platform pembelajaran mesinnya, ML Kit. Dengan menggunakan teknologi ini, Anda dapat mengembangkan aplikasi yang memungkinkan Anda memproses data secepat kilat, menghilangkan penundaan, dan mengurangi jumlah kesalahan.
Kombinasi akurasi dan pengalaman pengguna yang lancar merupakan metrik utama yang harus dipertimbangkan oleh pengembang aplikasi seluler saat memperkenalkan kemampuan pembelajaran mesin ke dalam aplikasi mereka. Dan untuk menjamin fungsionalitas tersebut, diperlukan .
Peningkatan keamanan dan privasi
Manfaat besar lainnya dari komputasi edge yang tidak dapat dilebih-lebihkan adalah seberapa besar komputasi tersebut meningkatkan keamanan dan privasi pengguna. Menjamin keamanan dan privasi data dalam aplikasi merupakan bagian integral dari tugas pengembang, terutama dengan mempertimbangkan kebutuhan untuk mematuhi GDPR (Peraturan Perlindungan Data Umum), undang-undang Eropa yang baru, yang tidak diragukan lagi akan mempengaruhi praktik pengembangan seluler .
Karena data tidak perlu dikirim ke hulu atau ke cloud untuk diproses, penjahat dunia maya kurang mampu mengeksploitasi kerentanan apa pun yang tercipta selama fase transfer; oleh karena itu, integritas data tetap terjaga. Hal ini memudahkan pengembang aplikasi seluler untuk mematuhi peraturan keamanan data GDPR.
Pembelajaran mesin pada perangkat juga memungkinkan desentralisasi, sama seperti blockchain. Dengan kata lain, lebih sulit bagi peretas untuk melancarkan serangan DDoS pada jaringan perangkat tersembunyi yang terhubung dibandingkan melakukan serangan yang sama pada server pusat. Teknologi ini juga dapat berguna saat bekerja dengan drone dan untuk memantau kepatuhan terhadap peraturan perundang-undangan.
Chip ponsel cerdas dari Apple yang disebutkan di atas juga membantu meningkatkan keamanan dan privasi pengguna - misalnya, dapat berfungsi sebagai dasar untuk ID Wajah. Fitur iPhone ini didukung oleh jaringan saraf yang diterapkan pada perangkat yang mengumpulkan data dari semua representasi wajah pengguna yang berbeda. Oleh karena itu, teknologi ini berfungsi sebagai metode identifikasi yang sangat akurat dan andal.
Perangkat keras berkemampuan AI ini dan yang lebih baru akan membuka jalan bagi interaksi pengguna-ponsel cerdas yang lebih aman. Faktanya, pengembang mendapatkan lapisan enkripsi tambahan untuk melindungi data pengguna.
Tidak diperlukan koneksi internet
Selain masalah latensi, pengiriman data ke cloud untuk diproses dan diambil kesimpulan memerlukan koneksi internet yang baik. Seringkali, khususnya di negara-negara maju, tidak perlu ada keluhan mengenai Internet. Namun apa yang harus dilakukan di area yang koneksinya buruk? Saat pembelajaran mesin diterapkan pada perangkat, jaringan saraf ada di ponsel itu sendiri. Dengan demikian, pengembang dapat menerapkan teknologi tersebut pada perangkat apa pun dan di mana pun, apa pun kualitas koneksinya. Ditambah lagi, pendekatan ini mengarah pada .
adalah salah satu industri yang mendapat manfaat khusus dari pembelajaran mesin pada perangkat, karena pengembang akan dapat membuat alat yang memeriksa tanda-tanda vital atau bahkan menyediakan operasi robotik tanpa koneksi internet. Teknologi ini juga akan berguna bagi mahasiswa yang ingin mengakses materi perkuliahan tanpa koneksi internet - misalnya saat berada di terowongan transportasi.
Pada akhirnya, pembelajaran mesin pada perangkat akan memberi pengembang alat untuk membuat alat yang akan bermanfaat bagi pengguna di seluruh dunia, apa pun situasi koneksi Internet mereka. Mengingat kekuatan smartphone baru setidaknya sama kuatnya dengan smartphone saat ini, pengguna akan melupakan masalah penundaan saat bekerja dengan aplikasi secara offline.
Mengurangi biaya untuk bisnis Anda
Pembelajaran mesin pada perangkat juga dapat menghemat banyak uang karena Anda tidak perlu membayar kontraktor luar untuk menerapkan dan memelihara banyak solusi. Seperti disebutkan di atas, dalam banyak kasus, Anda dapat melakukannya tanpa cloud dan Internet.
Layanan cloud khusus GPU dan AI adalah solusi termahal yang dapat dibeli. Saat Anda menjalankan model di perangkat Anda, Anda tidak perlu membayar untuk semua cluster ini, berkat fakta bahwa saat ini semakin banyak ponsel pintar canggih yang dilengkapi dengan .
Dengan menghindari mimpi buruk pemrosesan data besar yang terjadi antara perangkat dan cloud, Anda menghemat banyak; Oleh karena itu, sangat menguntungkan untuk menerapkan solusi pembelajaran mesin pada perangkat. Selain itu, Anda menghemat uang karena kebutuhan bandwidth aplikasi Anda berkurang secara signifikan.
Para insinyur sendiri juga menghemat banyak proses pengembangan, karena mereka tidak perlu merakit dan memelihara infrastruktur cloud tambahan. Sebaliknya, adalah mungkin untuk mencapai lebih banyak hal dengan tim yang lebih kecil. Dengan demikian, perencanaan sumber daya manusia dalam tim pengembangan jauh lebih efektif.
Kesimpulan
Tidak diragukan lagi, pada tahun 2010-an, cloud menjadi sebuah keuntungan nyata karena menyederhanakan pemrosesan data. Namun teknologi tinggi berkembang secara eksponensial, dan pembelajaran mesin pada perangkat akan segera menjadi standar de facto tidak hanya di bidang pengembangan seluler, namun juga di Internet of Things.
Dengan pengurangan latensi, peningkatan keamanan, kemampuan offline, dan biaya keseluruhan yang lebih rendah, tidak mengherankan jika para pemain terbesar dalam pengembangan seluler bertaruh besar pada teknologi ini. Pengembang aplikasi seluler juga harus mencermatinya agar bisa mengikuti perkembangan zaman.
Sumber: www.habr.com