Maschinn Léieren an der mobiler Entwécklung: Perspektiven an Dezentraliséierung

Gudde Moien, Habr!

Mir hunn näischt zum Titel vum Artikel an eiser Pre-Notifikatioun ze addéieren - also jidderee gëtt direkt op d'Kaz invitéiert. Liesen a kommentéieren.

Maschinn Léieren an der mobiler Entwécklung: Perspektiven an Dezentraliséierung

Mobil Entwécklungsprofesser profitéieren vun de revolutionären Ännerungen déi haut ze bidden huet. Maschinn Léieren op Apparater. De Punkt ass wéi vill dës Technologie all mobil Applikatioun verbessert, nämlech et bitt en neien Niveau vu Komfort fir d'Benotzer an erlaabt Iech aktiv mächteg Features ze benotzen, zum Beispill fir déi genaust Empfehlungen ze bidden, baséiert op geolocation, oder direkt erkennen Planzen Krankheeten.

Dës séier Entwécklung vum mobilen Maschinnléieren ass eng Äntwert op eng Zuel vu gemeinsame Probleemer, déi mir am klassesche Maschinnléiere gelidden hunn. Tatsächlech ass alles kloer. An Zukunft wäerten mobil Uwendungen méi séier Datenveraarbechtung a weider Reduktioun vun der latency erfuerderen.

Dir hutt Iech vläicht scho gefrot firwat AI-ugedriwwen mobil Apps, kann net einfach Inferenz an der Wollek lafen. Als éischt hänken d'Cloud Technologien vun zentrale Wirbelen of (stellt Iech e riesegen Datenzenter vir mat extensiv Datelagerung a grousser Rechenkraaft). Dës zentraliséiert Approche kann d'Veraarbechtungsgeschwindegkeet net genuch handhaben fir glat mobil Erfahrungen ze kreéieren ugedriwwen duerch Maschinnléieren. D'Donnéeë mussen zentral veraarbecht ginn an dann op d'Apparater zréckgeschéckt ginn. Dës Approche erfuerdert Zäit, Suen a garantéiert net d'Privatsphär vun den Donnéeën selwer.

Also, nodeems Dir dës Schlësselvirdeeler vum mobilen Maschinnléiere beschriwwen hutt, kucke mer méi no un firwat d'Maschinn Léierrevolutioun, déi sech virun eisen Ae entfalt, sollt Iech perséinlech als mobilen Entwéckler interesséieren.

Latency reduzéieren

Mobile App Entwéckler wëssen datt erhéicht latency e schwaarze Mark fir e Programm kann sinn, egal wéi gutt seng Features sinn oder wéi seriös d'Mark ass. Virdru waren et op Android Apparater Seriöse Lag a ville Videoapplikatiounen, wéinst deem d'Video- an d'Audiovisioun sech dacks net synchroniséiert huet. Och e soziale Medien Client mat héijer latency kann d'Kommunikatioun eng richteg Folter fir de Benotzer maachen.

D'Ëmsetzung vu Maschinnléieren um Apparat gëtt ëmmer méi wichteg präzis wéinst latency Themen wéi dës. Stellt Iech vir wéi Bildfilter fir sozial Netzwierker funktionnéieren, oder Restaurant Empfehlungen baséiert op Geolocatioun. An esou Uwendungen muss d'Latenz minimal sinn fir et um héchsten Niveau ze maachen.

Wéi uewen erwähnt, kann d'Cloudveraarbechtung heiansdo lues sinn, an den Entwéckler wëll datt d'Latenz no bei Null ass fir datt d'Maschinn Léierfäegkeeten vun enger mobiler App richteg funktionnéieren. Maschinnléieren op Apparater mécht Datenveraarbechtungsfäegkeeten op, déi d'Latenz wierklech op bal Null reduzéieren.

Smartphone Hiersteller an Tech Maart Risen fänken dëst no an no ze realiséieren. Fir eng laang Zäit blouf Apple de Leader an dëser Industrie, entwéckelt méi a méi fortgeschratt Chips fir Smartphones mat sengem Bionic System, deen den Neural Engine implementéiert, deen hëlleft neural Netzwierker direkt op den Apparat ze fueren, wärend Dir erreecht onheemlech Geschwindegkeet.

Apple setzt och weider fir Core ML, seng Maschinnléierplattform fir mobil Apps, Schrëtt fir Schrëtt z'entwéckelen; an der Bibliothéik TensorFlow Lite dobäi Ënnerstëtzung fir GPUs; Google setzt weider virgeluede Featuren op seng Maschinnléierplattform ML Kit. Mat dësen Technologien kënnt Dir Applikatiounen entwéckelen, déi Iech erlaben Daten mat Blitzgeschwindegkeet ze veraarbechten, Verspéidungen ze eliminéieren an d'Zuel vu Feeler ze reduzéieren.

Dës Kombinatioun vu Genauegkeet an nahtlos Benotzererfarungen ass eng Schlësselmetrik déi mobil App Entwéckler musse berücksichtegen wann se Maschinnléierfäegkeeten an hir Apps integréieren. A fir esou Funktionalitéit ze garantéieren, ass et néideg huelen Maschinn Léieren op Apparater.

Verbessert Sécherheet a Privatsphär

En anere grousse Virdeel vum Edge Computing deen net iwwerschätzt ka ginn ass wéi vill et d'Benotzer Sécherheet a Privatsphär verbessert. D'Sécherheet an d'Privatsphär vun den Donnéeën an der Applikatioun garantéieren ass en integralen Deel vun den Aufgaben vum Entwéckler, besonnesch wann Dir d'Noutwendegkeet berécksiichtegt mat der GDPR (General Data Protection Regulation), nei europäesch Gesetzer, déi ouni Zweifel d'Praxis vun der mobiler Entwécklung beaflossen. .

Well d'Donnéeën net upstream oder an d'Wollek fir d'Veraarbechtung geschéckt musse ginn, sinn Cyberkrimineller manner fäeg all Schwachstelle z'exploitéieren, déi während der Transferphase erstallt ginn; dofir, d'Integritéit vun den Donnéeën erhalen. Dëst mécht et méi einfach fir mobil App Entwéckler mat GDPR Datesécherheetsreglementer ze respektéieren.

Maschinnléieren op Apparater erméiglecht och Dezentraliséierung, vill op déiselwecht Manéier wéi Blockchain. An anere Wierder, et ass méi schwéier fir Hacker en DDoS Attack op e verbonne Netzwierk vu verstoppte Geräter ze lancéieren wéi déiselwecht Attack op engem zentrale Server auszeféieren. Dës Technologie kann och nëtzlech sinn wann Dir mat Dronen schafft a fir d'Konformitéit mat Gesetzgebung ze iwwerwaachen.

Déi uewe genannte Smartphone Chips vun Apple hëllefen och d'Benotzer Sécherheet a Privatsphär ze verbesseren - zum Beispill kënne se als Basis fir Face ID déngen. Dës iPhone Feature gëtt ugedriwwen vun engem neurale Netzwierk dat op den Apparater ofgesat gëtt, déi Daten aus all de verschiddene Representatioune vum Gesiicht vun engem Benotzer sammelt. Also déngt d'Technologie als extrem korrekt an zouverlässeg Identifikatiounsmethod.

Dës an méi nei AI-aktivéiert Hardware wäerten de Wee fir méi sécher Benotzer-Smartphone Interaktiounen opmaachen. Tatsächlech kréien d'Entwéckler eng zousätzlech Verschlësselungsschicht fir d'Benotzerdaten ze schützen.

Keng Internetverbindung erfuerderlech

Latenzprobleemer ofgesinn, Daten an d'Wollek ze schécken fir d'Veraarbechtung an d'Conclusiounen ze zéien erfuerdert eng gutt Internetverbindung. Dacks, besonnesch an den entwéckelte Länner, ass et net néideg iwwer den Internet ze beschwéieren. Awer wat maache mir a Beräicher wou d'Verbindung méi schlecht ass? Wann Maschinnléiere op Apparater implementéiert gëtt, liewen neural Netzwierker op den Telefone selwer. Sou kann den Entwéckler d'Technologie op all Apparat an iwwerall ofsetzen, onofhängeg vun der Qualitéit vun der Verbindung. Plus, dës Approche féiert zu ML Fäegkeeten demokratiséieren.

Gesondheetswiesen ass eng vun den Industrien, déi besonnesch vun on-device Maschinnléiere profitéiere kënnen, well d'Entwéckler fäeg sinn Tools ze kreéieren déi vital Schëlder iwwerpréiwen oder souguer Roboterchirurgie ouni Internetverbindung ubidden. Dës Technologie wäert och nëtzlech sinn fir Studenten déi Zougang zu Virtragsmaterial ouni Internetverbindung wëllen - zum Beispill an engem Transporttunnel.

Schlussendlech wäert Maschinnléieren op Apparater Entwéckler d'Tools ubidden fir Tools ze kreéieren déi d'Benotzer weltwäit profitéieren, onofhängeg vun hirer Internetverbindungssituatioun. Bedenkt datt d'Kraaft vun neie Smartphones op d'mannst esou mächteg sinn wéi déi aktuell, vergiessen d'Benotzer Problemer mat Verspéidungen wann se mat der Applikatioun offline schaffen.

Reduzéieren Käschten fir Äre Betrib

Maschinnléieren op Apparater kann Iech och e Verméigen spueren andeems Dir net ausserhalb Optraghueler musst bezuelen fir vill vun de Léisungen ëmzesetzen an z'erhalen. Wéi uewen ernimmt, a ville Fäll kënnt Dir ouni d'Wollek an den Internet maachen.

GPU an AI-spezifesch Cloud Servicer sinn déi deierste Léisungen, déi ka kaaft ginn. Wann Dir Modeller op Ärem Apparat leeft, musst Dir net fir all dës Cluster bezuelen, well et haut ëmmer méi fortgeschratt Smartphones mat neuromorphic Prozessoren (NPU).

Andeems Dir den Albtraum vu schwéierer Datenveraarbechtung vermeit, déi tëscht dem Apparat an der Wollek geschitt, spuert Dir enorm; Dofir ass et ganz rentabel Maschinn Léieren Léisungen op Apparater ëmzesetzen. Zousätzlech spuert Dir Sue well Är Applikatioun Bandbreedungsfuerderunge wesentlech reduzéiert ginn.

D'Ingenieure selwer spueren och vill op den Entwécklungsprozess, well se keng zousätzlech Cloud-Infrastruktur musse montéieren an ënnerhalen. Am Géigendeel, et ass méiglech mat enger méi klenger Equipe méi z'erreechen. Also, mënschlech Ressource Planung an Entwécklungsteams ass vill méi effektiv.

Konklusioun

Zweifelhaft, an den 2010er Jore gouf d'Wollek e richtege Boon, d'Dateveraarbechtung vereinfacht. Awer héich Technologie entwéckelt sech exponentiell, a Maschinnléieren op Apparater ka geschwënn den de facto Standard ginn net nëmmen am Beräich vun der mobiler Entwécklung, awer och am Beräich vum Internet vun de Saachen.

Mat reduzéierter latency, verbesserter Sécherheet, offline Fäegkeeten, an allgemeng manner Käschten, ass et keng Iwwerraschung datt déi gréisste Spiller an der mobiler Entwécklung grouss op d'Technologie wetten. Mobile Applikatioun Entwéckler sollen och e méi no kucken fir mat der Zäit ze halen.

Source: will.com

Setzt e Commentaire