모바일 개발에서의 머신 러닝: 관점과 탈중앙화

좋은 아침 하브르!

사전 알림에서 기사 제목에 추가할 내용이 없으므로 모든 사람이 즉시 cat 아래에 초대됩니다. 우리는 읽고 논평합니다.

모바일 장치 개발자는 오늘날 제공해야 하는 혁신적인 변화의 이점을 누릴 수 있습니다. 장치에서 기계 학습. 이 기술이 모든 모바일 애플리케이션을 향상시키는 방법에 관한 것입니다. 즉, 사용자에게 새로운 수준의 편의성을 제공하고 가장 정확한 추천을 제공하는 등 강력한 기능을 적극적으로 사용할 수 있도록 합니다. 지리적 위치 기반또는 즉시 발견 식물의 질병.

모바일 기계 학습의 이러한 급속한 발전은 우리가 고전적인 기계 학습에서 겪었던 여러 가지 일반적인 문제에 대한 해답입니다. 사실 모든 것이 명백합니다. 앞으로 모바일 애플리케이션은 더 빠른 데이터 처리와 추가 대기 시간 감소가 필요합니다.

왜 그런지 궁금했을 것입니다. AI 기반 모바일 애플리케이션, 클라우드에서 추론을 실행할 수 없습니다. 첫째, 클라우드 기술은 중앙 노드(광범위한 데이터 스토리지와 대규모 컴퓨팅 성능이 모두 집중되어 있는 거대한 데이터 센터를 생각해 보십시오)에 의존합니다. 이러한 중앙 집중식 접근 방식으로는 기계 학습을 기반으로 원활한 모바일 상호 작용을 생성하기에 충분한 처리 속도를 따라잡는 것이 불가능합니다. 데이터는 중앙에서 처리된 다음 장치로 다시 전송되어야 합니다. 이 접근 방식은 시간과 비용이 소요되며 데이터 자체의 프라이버시를 보장하지 않습니다.

따라서 모바일 기계 학습의 이러한 주요 이점에 대해 간략히 설명하고 우리 눈앞에서 펼쳐지는 기계 학습의 혁명이 개인적으로 모바일 개발자로서 관심을 가져야 하는 이유를 자세히 살펴보겠습니다.

대기 시간 줄이기

모바일 앱 개발자는 지연 시간 증가가 프로그램의 단점이 될 수 있음을 알고 있습니다. 기능이 얼마나 좋거나 브랜드가 얼마나 훌륭하든 상관없습니다. 이전에 Android 기기에서 관찰됨 많은 비디오 응용 프로그램에서 심각한 지연, 종종 비디오 및 오디오 보기가 동기화되지 않았습니다. 마찬가지로 대기 시간이 긴 소셜 네트워크 클라이언트는 통신을 사용자에게 진정한 고문으로 만들 수 있습니다.

이러한 대기 시간 문제로 인해 장치에서 기계 학습을 구현하는 것이 점점 더 중요해지고 있습니다. 소셜 미디어 이미지 필터가 작동하는 방식이나 위치 기반 레스토랑 추천을 상상해 보십시오. 이러한 애플리케이션에서는 지연이 최소화되어야 하며 이 경우에만 최고 수준에서 작동할 수 있습니다.

위에서 언급한 바와 같이 클라우드 처리는 때때로 느려질 수 있으며 개발자는 대기 시간을 XNUMX으로 만들어야 합니다. 이 경우에만 모바일 애플리케이션의 기계 학습 기능이 정상적으로 작동합니다. 장치의 기계 학습은 대기 시간을 거의 XNUMX으로 줄일 수 있는 데이터 처리 기능을 제공합니다.

스마트폰 제조업체와 거대 기술 기업들은 서서히 이것을 깨닫기 시작했습니다. 오랫동안 Apple은 이 산업의 주력 제품으로 남아 있었습니다. 더욱 진보된 칩 Neural Engine이 구현된 Bionic 시스템의 도움으로 스마트폰용으로 장치에서 직접 신경망을 구동하는 동시에 놀라운 속도.

Apple은 또한 모바일 애플리케이션용 기계 학습 플랫폼인 Core ML을 단계적으로 계속 개발하고 있습니다. 도서관에서 TensorFlow Lite GPU에 대한 추가 지원; Google은 ML Kit 기계 학습 플랫폼에 사전 로드된 기능을 계속 추가하고 있습니다. 이러한 기술의 도움으로 번개처럼 빠른 데이터 처리가 가능한 응용 프로그램을 개발하여 지연을 제거하고 오류 수를 줄일 수 있습니다.

이러한 정밀하고 원활한 사용자 상호 작용의 조합은 모바일 앱 개발자가 기계 학습 기능을 구현할 때 고려해야 하는 핵심 메트릭입니다. 그리고 이러한 기능을 보장하기 위해 필요합니다. 장치에서 기계 학습 채택.

향상된 보안 및 개인정보 보호

과대 평가할 수 없는 에지 컴퓨팅의 또 다른 큰 이점은 사용자 보안 및 개인 정보 보호를 얼마나 향상시키는가입니다. 응용 프로그램 데이터의 보안 및 개인 정보 보호를 보장하는 것은 특히 GDPR(일반 데이터 보호 규정), 새로운 유럽 법률을 준수해야 할 필요성을 고려할 때 개발자 작업의 필수적인 부분입니다. 개발.

데이터를 처리하기 위해 업스트림이나 클라우드로 보낼 필요가 없기 때문에 사이버 범죄자가 전송 단계에서 발생하는 취약점을 악용할 기회가 적습니다. 따라서 데이터 프라이버시가 유지됩니다. 이를 통해 모바일 앱 개발자는 데이터 보안에 대한 GDPR 규정을 보다 쉽게 ​​준수할 수 있습니다.

장치의 기계 학습은 블록체인과 거의 같은 방식으로 분산화를 가능하게 합니다. 즉, 해커가 중앙 서버에서 동일한 공격을 수행하는 것보다 숨겨진 장치의 연결된 네트워크를 DDoS하는 것이 더 어렵습니다. 이 기술은 드론 운영 및 법 집행에도 유용할 수 있습니다.

앞서 언급한 Apple의 스마트폰 칩은 사용자 보안 및 개인 정보 보호 강화에도 기여합니다. 예를 들어 Face ID의 기반 역할을 할 수 있습니다. iPhone의 이 기능은 사용자 얼굴의 다양한 표현에 대한 데이터를 수집하는 장치에 배포된 신경망에 의해 구동됩니다. 따라서 이 기술은 매우 정확하고 신뢰할 수 있는 식별 방법 역할을 합니다.

이 최신 AI 지원 하드웨어는 스마트폰과의 보다 안전한 사용자 상호 작용을 위한 길을 열어줄 것입니다. 실제로 개발자는 사용자 데이터를 보호하기 위해 추가 암호화 계층을 얻습니다.

인터넷 연결이 필요하지 않습니다

지연 문제는 제쳐두고 처리하고 결론을 도출하기 위해 데이터를 클라우드로 보내려면 인터넷 연결이 양호해야 합니다. 특히 선진국에서는 인터넷에 대해 불평할 필요가 없는 경우가 많습니다. 하지만 연결이 더 나쁜 지역에서는 어떻게 해야 할까요? 기계 학습이 장치에 구현되면 신경망은 전화기 자체에 존재합니다. 따라서 개발자는 연결 품질에 관계없이 모든 장치와 위치에 관계없이 기술을 배포할 수 있습니다. 게다가 이 접근법은 다음과 같은 결과를 낳습니다. ML 기능의 민주화.

건강 관리 개발자가 바이탈 사인을 확인하거나 인터넷 연결 없이 로봇 수술을 제공하는 도구를 만들 수 있기 때문에 장치에서 머신 러닝의 이점을 특히 얻을 수 있는 산업 중 하나입니다. 이 기술은 교통 터널과 같이 인터넷 연결 없이 강의 자료에 액세스하려는 학생에게도 유용합니다.

궁극적으로 장치의 머신 러닝은 개발자에게 인터넷 연결 상황에 관계없이 전 세계 사용자에게 유용한 도구를 만들 수 있는 도구를 제공할 것입니다. 새 스마트폰의 성능이 적어도 현재 스마트폰만큼 우수하다는 점을 고려하면 사용자는 오프라인에서 애플리케이션을 사용할 때 지연 문제를 잊어버릴 것입니다.

비즈니스 비용 절감

장치의 기계 학습은 또한 많은 솔루션을 구현하고 지원하기 위해 외부 계약자에게 비용을 지불하지 않아도 되므로 비용을 절약할 수 있도록 설계되었습니다. 위에서 언급했듯이 많은 경우 클라우드와 인터넷 없이도 할 수 있습니다.

GPU 및 AI 관련 클라우드 서비스는 구매할 수 있는 가장 비싼 솔루션입니다. 장치에서 모델을 실행할 때 이러한 모든 클러스터에 대해 비용을 지불할 필요가 없습니다. 뉴로모픽 프로세서(NPU).

장치와 클라우드 사이에서 발생하는 악몽 같은 과도한 데이터 처리를 피함으로써 막대한 비용을 절약할 수 있습니다. 따라서 장치에 기계 학습 솔루션을 구현하는 것은 매우 수익성이 있습니다. 또한 애플리케이션이 대역폭 요구 사항을 크게 줄여주기 때문에 비용을 절약할 수 있습니다.

엔지니어 자신도 추가 클라우드 인프라를 조립하고 유지 관리할 필요가 없기 때문에 개발 프로세스에서 많은 비용을 절약할 수 있습니다. 오히려 더 작은 팀의 도움으로 더 많은 것을 성취할 수 있습니다. 따라서 개발 팀의 인적 자원 계획이 훨씬 더 효율적입니다.

결론

의심할 여지 없이 2010년대에 클라우드는 데이터 처리를 단순화하는 진정한 혜택이 되었습니다. 그러나 첨단 기술은 기하급수적으로 발전하고 있으며 기기의 기계 학습은 곧 모바일 개발뿐 아니라 사물 인터넷에서도 사실상의 표준이 될 것입니다.

감소된 대기 시간, 개선된 보안, 오프라인 기능 및 일반적으로 저렴한 가격으로 인해 모바일 개발의 가장 큰 플레이어가 이 기술에 크게 베팅하는 것은 놀라운 일이 아닙니다. 모바일 앱 개발자도 시대에 발맞추기 위해 살펴봐야 합니다.

출처 : habr.com