モバイル開発における機械学習: 展望と分散化

おはようございます、ハブルさん！

事前通知の記事のタイトルに追加するものは何もありません。そのため、誰もがすぐに猫に招待されます。 読んでコメントしてください。

モバイル開発の専門家は、今日の革命的な変化から恩恵を受けるでしょう。 デバイス上の機械学習。 重要なのは、このテクノロジーがモバイル アプリケーションをどれだけ強化するかです。つまり、ユーザーに新たなレベルの利便性を提供し、最も正確な推奨事項を提供するなど、強力な機能を積極的に使用できるようになります。 地理位置情報に基づく、または即座に検出 植物の病気.

モバイル機械学習のこの急速な発展は、古典的な機械学習で悩まされてきた多くの一般的な問題への対応です。 実際、すべてが明白です。 将来、モバイル アプリケーションでは、より高速なデータ処理とさらなる遅延の短縮が求められるでしょう。

あなたはすでにその理由を疑問に思っているかもしれません AIを活用したモバイルアプリ単純にクラウドで推論を実行することはできません。 まず、クラウド テクノロジーは中央ノードに依存しています (大規模なデータ ストレージと大規模なコンピューティング能力の両方を備えた巨大なデータ センターを想像してください)。 この一元的なアプローチでは、機械学習を活用したスムーズなモバイル エクスペリエンスを生み出すのに十分な処理速度を処理できません。 データは一元的に処理されてからデバイスに送り返される必要があります。 このアプローチには時間と費用がかかり、データ自体のプライバシーは保証されません。

モバイル機械学習の主な利点を概説したところで、目の前で展開している機械学習革命がモバイル開発者として個人的に興味深い理由を詳しく見てみましょう。

レイテンシーの削減

モバイル アプリ開発者は、プログラムの機能がどれほど優れていても、ブランドの評判がどれほど高くても、遅延の増加がプログラムにとってマイナスになる可能性があることを知っています。 以前は、Android デバイスには 多くのビデオ アプリケーションで深刻な遅延が発生する、そのため、ビデオとオーディオの視聴が同期していないことがよくありました。 同様に、待ち時間が長いソーシャル メディア クライアントでは、ユーザーにとってコミュニケーションが大きな苦痛となる可能性があります。

このようなレイテンシーの問題のため、デバイス上での機械学習の実装はますます重要になっています。 ソーシャル ネットワークや位置情報に基づいたレストランのおすすめで画像フィルターがどのように機能するかを想像してみてください。 このようなアプリケーションでは、最高レベルで実行するために遅延を最小限に抑える必要があります。

前述したように、クラウドの処理が遅くなる場合があるため、開発者はモバイル アプリの機械学習機能が適切に動作するために遅延をゼロに近づけたいと考えています。 デバイス上の機械学習により、レイテンシをほぼゼロにまで削減できるデータ処理機能が可能になります。

スマートフォンメーカーやハイテク市場の巨人は徐々にこのことに気づき始めている。 長い間、Apple はこの業界のリーダーであり続け、 ますます先進的なチップ スマートフォン向けには、デバイス上でニューラル ネットワークを直接駆動するのに役立つ Neural Engine を実装する Bionic システムを使用して、 信じられないほどのスピード.

Apple はまた、モバイル アプリ向けの機械学習プラットフォームである Core ML の開発を段階的に続けています。 図書館で TensorFlow Lite GPU のサポートを追加しました。 Google は、機械学習プラットフォーム ML Kit にプリロードされた機能を追加し続けています。 これらのテクノロジーを使用すると、超高速でデータを処理し、遅延を排除し、エラーの数を減らすことができるアプリケーションを開発できます。

この精度とシームレスなユーザー エクスペリエンスの組み合わせは、モバイル アプリ開発者がアプリに機械学習機能を導入する際に考慮する必要がある重要な指標です。 このような機能を保証するには、次のことが必要です。 機械学習をデバイスに導入する.

セキュリティとプライバシーの向上

エッジ コンピューティングのもう XNUMX つの大きな利点は、誇張することはできませんが、ユーザーのセキュリティとプライバシーがどれほど向上するかです。 アプリケーション内のデータのセキュリティとプライバシーを保証することは、開発者のタスクの不可欠な部分であり、特にモバイル開発の実践に間違いなく影響を与える欧州の新しい法律である GDPR (一般データ保護規則) に準拠する必要性を考慮すると、 。

データを処理のために上流またはクラウドに送信する必要がないため、サイバー犯罪者が転送フェーズ中に作成された脆弱性を悪用する可能性が低くなります。 したがって、データの整合性は維持されます。 これにより、モバイル アプリ開発者は GDPR データ セキュリティ規制に準拠しやすくなります。

デバイス上の機械学習も、ブロックチェーンとほぼ同じ方法で分散化を可能にします。 言い換えれば、ハッカーにとって、隠れたデバイスが接続されたネットワークに対して DDoS 攻撃を開始することは、中央サーバーに対して同じ攻撃を実行するよりも困難です。 このテクノロジーは、ドローンを操作したり、法律への準拠を監視したりする場合にも役立ちます。

前述の Apple のスマートフォン チップは、ユーザーのセキュリティとプライバシーの向上にも役立ちます。たとえば、Face ID の基盤として機能します。 この iPhone 機能は、ユーザーの顔のさまざまな表現すべてからデータを収集する、デバイス上に展開されたニューラル ネットワークを利用しています。 したがって、この技術は非常に正確で信頼性の高い識別方法として機能します。

これらおよび新しい AI 対応ハードウェアは、ユーザーとスマートフォンのより安全なインタラクションへの道を切り開くでしょう。 実際、開発者はユーザー データを保護するために追加の暗号化層を取得します。

インターネット接続は必要ありません

遅延の問題はさておき、処理して結論を​​引き出すためにデータをクラウドに送信するには、良好なインターネット接続が必要です。 多くの場合、特に先進国では、インターネットについて文句を言う必要はありません。 しかし、接続が悪い地域ではどうすればよいでしょうか? 機械学習がデバイスに実装されると、ニューラル ネットワークが携帯電話自体に存在します。 したがって、開発者は、接続の品質に関係なく、あらゆるデバイスと場所にテクノロジーを導入できます。 さらに、このアプローチは次のことにつながります。 ML 機能の民主化.

健康管理 これは、開発者がバイタルサインをチェックしたり、インターネット接続なしでロボット手術を提供したりするツールを作成できるため、オンデバイス機械学習から特に恩恵を受ける可能性のある業界の XNUMX つです。 このテクノロジーは、たとえば交通トンネル内など、インターネット接続なしで講義資料にアクセスしたい学生にも役立ちます。

最終的には、デバイス上の機械学習は、インターネット接続状況に関係なく、世界中のユーザーに利益をもたらすツールを作成するためのツールを開発者に提供します。 新しいスマートフォンの能力が少なくとも現在のスマートフォンと同じくらい強力であることを考慮すると、ユーザーはアプリケーションをオフラインで操作するときは遅延の問題を忘れるでしょう。

ビジネスのコストを削減する

デバイス上の機械学習により、多くのソリューションの実装と保守のために外部請負業者にお金を支払う必要がなくなるため、多額の費用を節約することもできます。 上で述べたように、多くの場合、クラウドとインターネットの両方がなくても対応できます。

GPU および AI に特化したクラウド サービスは、購入できるソリューションの中で最も高価です。 デバイス上でモデルを実行する場合、今日ではますます高度な機能を備えたスマートフォンが増えているため、これらすべてのクラスターに料金を支払う必要はありません。 ニューロモーフィック プロセッサ (NPU).

デバイスとクラウドの間で発生する大量のデータ処理の悪夢を回避することで、大幅な節約が可能になります。 したがって、機械学習ソリューションをデバイスに実装することは非常に有益です。 さらに、アプリケーションの帯域幅要件が大幅に軽減されるため、費用も節約できます。

また、追加のクラウド インフラストラクチャを組み立てて保守する必要がないため、エンジニア自身も開発プロセスを大幅に節約できます。 逆に、より小規模なチームでより多くの成果を達成することは可能です。 したがって、開発チームの人的資源計画ははるかに効果的です。

まとめ

間違いなく、2010 年代にクラウドが真の恩恵を受け、データ処理が簡素化されました。 しかし、ハイテクノロジーは飛躍的に発展しており、デバイス上の機械学習は、モバイル開発の分野だけでなく、モノのインターネットにおいても間もなく事実上の標準になる可能性があります。

待ち時間の短縮、セキュリティの向上、オフライン機能、そして全体的なコストの削減により、モバイル開発の最大手の企業がこのテクノロジーに大きな賭けをしているのも不思議ではありません。 モバイル アプリケーション開発者も、時代に遅れないように、この点を詳しく検討する必要があります。

出所： habr.com