Pembelajaran mesin dalam pembangunan mudah alih: perspektif dan desentralisasi

Selamat pagi, Habr!

Kami tidak mempunyai apa-apa untuk ditambahkan pada tajuk artikel dalam pra-pemberitahuan kami - jadi semua orang segera dijemput ke kucing itu. Baca dan komen.

Profesional pembangunan mudah alih akan mendapat manfaat daripada perubahan revolusioner yang ditawarkan hari ini. pembelajaran mesin pada peranti. Intinya ialah sejauh mana teknologi ini meningkatkan mana-mana aplikasi mudah alih, iaitu, ia menyediakan tahap kemudahan baharu untuk pengguna dan membolehkan anda menggunakan ciri berkuasa secara aktif, sebagai contoh, untuk memberikan cadangan yang paling tepat, berdasarkan geolokasi, atau mengesan serta-merta penyakit tumbuhan.

Perkembangan pesat pembelajaran mesin mudah alih ini adalah tindak balas kepada beberapa masalah biasa yang kami alami dalam pembelajaran mesin klasik. Malah, semuanya jelas. Pada masa hadapan, aplikasi mudah alih akan memerlukan pemprosesan data yang lebih pantas dan pengurangan kependaman selanjutnya.

Anda mungkin sudah tertanya-tanya mengapa Apl mudah alih berkuasa AI, tidak boleh hanya menjalankan inferens dalam awan. Pertama, teknologi awan bergantung pada nod pusat (bayangkan pusat data yang besar dengan kedua-dua storan data yang luas dan kuasa pengkomputeran yang besar). Pendekatan berpusat ini tidak dapat mengendalikan kelajuan pemprosesan yang mencukupi untuk mencipta pengalaman mudah alih yang lancar yang dikuasakan oleh pembelajaran mesin. Data mesti diproses secara berpusat dan kemudian dihantar semula ke peranti. Pendekatan ini memerlukan masa, wang dan tidak menjamin privasi data itu sendiri.

Oleh itu, setelah menggariskan faedah utama pembelajaran mesin mudah alih ini, mari kita lihat dengan lebih dekat sebab revolusi pembelajaran mesin yang berlaku di hadapan mata kita patut menarik minat anda secara peribadi sebagai pembangun mudah alih.

Kurangkan Latensi

Pembangun aplikasi mudah alih tahu bahawa peningkatan kependaman boleh menjadi tanda hitam untuk program, tidak kira betapa baik cirinya atau betapa terkenalnya jenama itu. Sebelum ini, pada peranti Android terdapat Kelewatan yang serius dalam banyak aplikasi video, disebabkan tontonan video dan audio yang sering menjadi tidak segerak. Begitu juga, pelanggan media sosial dengan kependaman tinggi boleh menjadikan komunikasi sebagai penyeksaan sebenar bagi pengguna.

Melaksanakan pembelajaran mesin pada peranti menjadi semakin penting dengan tepat kerana isu kependaman seperti ini. Bayangkan cara penapis imej berfungsi untuk rangkaian sosial atau pengesyoran restoran berdasarkan geolokasi. Dalam aplikasi sedemikian, kependaman mestilah minimum untuk ia berfungsi pada tahap tertinggi.

Seperti yang dinyatakan di atas, pemprosesan awan kadangkala boleh menjadi perlahan dan pembangun mahu kependaman hampir kepada sifar untuk keupayaan pembelajaran mesin apl mudah alih berfungsi dengan baik. Pembelajaran mesin pada peranti membuka keupayaan pemprosesan data yang benar-benar boleh mengurangkan kependaman kepada hampir sifar.

Pengeluar telefon pintar dan gergasi pasaran teknologi secara beransur-ansur mula menyedari perkara ini. Untuk masa yang lama, Apple kekal sebagai peneraju dalam industri ini, berkembang semakin banyak cip canggih untuk telefon pintar menggunakan sistem Bionicnya, yang melaksanakan Enjin Neural, yang membantu memacu rangkaian saraf terus pada peranti, sambil mencapai kelajuan yang luar biasa.

Apple juga terus membangunkan Core ML, platform pembelajaran mesinnya untuk aplikasi mudah alih, langkah demi langkah; di perpustakaan TensorFlow Lite sokongan tambahan untuk GPU; Google terus menambah ciri pramuat pada platform pembelajaran mesinnya ML Kit. Menggunakan teknologi ini, anda boleh membangunkan aplikasi yang membolehkan anda memproses data pada kelajuan kilat, menghapuskan sebarang kelewatan dan mengurangkan bilangan ralat.

Gabungan ketepatan dan pengalaman pengguna yang lancar ini merupakan metrik utama yang mesti dipertimbangkan oleh pembangun aplikasi mudah alih apabila memperkenalkan keupayaan pembelajaran mesin ke dalam apl mereka. Dan untuk menjamin fungsi sedemikian, ia diperlukan bawa pembelajaran mesin ke peranti.

Keselamatan dan privasi yang dipertingkatkan

Satu lagi faedah besar pengkomputeran tepi yang tidak boleh dilebih-lebihkan ialah sejauh mana ia meningkatkan keselamatan dan privasi pengguna. Menjamin keselamatan dan privasi data dalam aplikasi adalah bahagian penting dalam tugas pembangun, terutamanya dengan mengambil kira keperluan untuk mematuhi GDPR (Peraturan Perlindungan Data Am), undang-undang baharu Eropah, yang sudah pasti akan menjejaskan amalan pembangunan mudah alih. .

Oleh kerana data tidak perlu dihantar ke hulu atau ke awan untuk diproses, penjenayah siber kurang dapat mengeksploitasi sebarang kelemahan yang dicipta semasa fasa pemindahan; oleh itu, integriti data dikekalkan. Ini memudahkan pembangun aplikasi mudah alih untuk mematuhi peraturan keselamatan data GDPR.

Pembelajaran mesin pada peranti juga membolehkan desentralisasi, sama seperti blockchain. Dalam erti kata lain, adalah lebih sukar bagi penggodam untuk melancarkan serangan DDoS pada rangkaian peranti tersembunyi yang disambungkan daripada melakukan serangan yang sama pada pelayan pusat. Teknologi ini juga boleh berguna apabila bekerja dengan dron dan untuk memantau pematuhan undang-undang.

Cip telefon pintar yang disebut di atas daripada Apple juga membantu meningkatkan keselamatan dan privasi pengguna - contohnya, ia boleh berfungsi sebagai asas untuk Face ID. Ciri iPhone ini dikuasakan oleh rangkaian saraf yang digunakan pada peranti yang mengumpul data daripada semua perwakilan berbeza wajah pengguna. Oleh itu, teknologi ini berfungsi sebagai kaedah pengenalan yang sangat tepat dan boleh dipercayai.

Ini dan perkakasan berdaya AI yang lebih baharu akan membuka jalan untuk interaksi telefon pintar pengguna yang lebih selamat. Malah, pembangun mendapat lapisan penyulitan tambahan untuk melindungi data pengguna.

Tiada sambungan internet diperlukan

Mengetepikan isu kependaman, menghantar data ke awan untuk diproses dan membuat kesimpulan memerlukan sambungan internet yang baik. Selalunya, terutamanya di negara maju, tidak perlu mengeluh tentang Internet. Tetapi apa yang perlu dilakukan di kawasan yang sambungannya lebih teruk? Apabila pembelajaran mesin dilaksanakan pada peranti, rangkaian saraf hidup pada telefon itu sendiri. Oleh itu, pembangun boleh menggunakan teknologi pada mana-mana peranti dan di mana-mana sahaja, tanpa mengira kualiti sambungan. Tambahan pula, pendekatan ini membawa kepada mendemokrasikan keupayaan ML.

Penjagaan kesihatan ialah salah satu industri yang boleh mendapat manfaat terutamanya daripada pembelajaran mesin pada peranti, kerana pembangun akan dapat mencipta alat yang memeriksa tanda-tanda penting atau bahkan menyediakan pembedahan robotik tanpa sebarang sambungan internet. Teknologi ini juga berguna untuk pelajar yang ingin mengakses bahan kuliah tanpa sambungan Internet - contohnya, semasa berada di dalam terowong pengangkutan.

Akhirnya, pembelajaran mesin pada peranti akan menyediakan pembangun alat untuk mencipta alat yang akan memberi manfaat kepada pengguna di seluruh dunia, tanpa mengira situasi sambungan Internet mereka. Memandangkan kuasa telefon pintar baharu sekurang-kurangnya sekuat yang sedia ada, pengguna akan melupakan masalah kelewatan apabila bekerja dengan aplikasi di luar talian.

Mengurangkan kos untuk perniagaan anda

Pembelajaran mesin pada peranti juga boleh menjimatkan banyak wang dengan tidak perlu membayar kontraktor luar untuk melaksanakan dan mengekalkan banyak penyelesaian. Seperti yang dinyatakan di atas, dalam banyak kes anda boleh melakukannya tanpa kedua-dua awan dan Internet.

Perkhidmatan awan khusus GPU dan AI ialah penyelesaian paling mahal yang boleh dibeli. Apabila anda menjalankan model pada peranti anda, anda tidak perlu membayar untuk semua kluster ini, terima kasih kepada fakta bahawa hari ini terdapat lebih banyak telefon pintar canggih yang dilengkapi dengan pemproses neuromorfik (NPU).

Dengan mengelakkan mimpi ngeri pemprosesan data berat yang berlaku antara peranti dan awan, anda menjimatkan banyak; Oleh itu, adalah sangat menguntungkan untuk melaksanakan penyelesaian pembelajaran mesin pada peranti. Selain itu, anda menjimatkan wang kerana keperluan lebar jalur aplikasi anda dikurangkan dengan ketara.

Jurutera sendiri juga menjimatkan banyak proses pembangunan, kerana mereka tidak perlu memasang dan menyelenggara infrastruktur awan tambahan. Sebaliknya, adalah mungkin untuk mencapai lebih banyak dengan pasukan yang lebih kecil. Oleh itu, perancangan sumber manusia dalam pasukan pembangunan adalah lebih berkesan.

Kesimpulan

Tidak dinafikan, pada tahun 2010-an, awan menjadi rahmat sebenar, memudahkan pemprosesan data. Tetapi teknologi tinggi berkembang dengan pesat, dan pembelajaran mesin pada peranti tidak lama lagi akan menjadi standard de facto bukan sahaja dalam bidang pembangunan mudah alih, tetapi juga dalam Internet Perkara.

Dengan kependaman yang dikurangkan, keselamatan yang dipertingkatkan, keupayaan luar talian dan kos keseluruhan yang lebih rendah, tidak hairanlah bahawa pemain terbesar dalam pembangunan mudah alih bertaruh besar pada teknologi. Pembangun aplikasi mudah alih juga harus melihatnya dengan lebih dekat untuk mengikuti perkembangan zaman.

Sumber: www.habr.com