Învățarea automată în dezvoltarea mobilă: perspective și descentralizare

Bună dimineața, Habr!

Nu avem nimic de adăugat la titlul articolului din pre-notificarea noastră - așa că toată lumea este imediat invitată la pisică. Citiți și comentați.

Profesioniștii în dezvoltarea mobilă vor beneficia de schimbările revoluționare pe care le are de oferit astăzi. învățarea automată pe dispozitive. Ideea este cât de mult îmbunătățește această tehnologie orice aplicație mobilă, și anume, oferă un nou nivel de confort pentru utilizatori și vă permite să utilizați în mod activ funcții puternice, de exemplu, pentru a oferi cele mai precise recomandări, pe baza geolocalizării, sau detectați instantaneu boli ale plantelor.

Această dezvoltare rapidă a învățării automate mobile este un răspuns la o serie de probleme comune de care am suferit în învățarea automată clasică. De fapt, totul este evident. În viitor, aplicațiile mobile vor necesita o procesare mai rapidă a datelor și o reducere suplimentară a latenței.

Poate te-ai întrebat deja de ce Aplicații mobile bazate pe inteligență artificială,nu poate rula pur și simplu inferență în cloud. În primul rând, tehnologiile cloud depind de nodurile centrale (imaginați-vă un centru de date uriaș cu stocare extinsă de date și putere mare de calcul). Această abordare centralizată nu poate gestiona viteze de procesare suficiente pentru a crea experiențe mobile fluide, alimentate de învățarea automată. Datele trebuie procesate central și apoi trimise înapoi pe dispozitive. Această abordare necesită timp, bani și nu garantează confidențialitatea datelor în sine.

Așadar, după ce am subliniat aceste beneficii cheie ale învățării automate mobile, să aruncăm o privire mai atentă la motivul pentru care revoluția învățării automate care se desfășoară în fața ochilor noștri ar trebui să vă intereseze personal ca dezvoltator de dispozitive mobile.

Reduceți latența

Dezvoltatorii de aplicații mobile știu că o latență crescută poate fi un semn negru pentru un program, indiferent cât de bune sunt caracteristicile sale sau cât de reputată este marca. Anterior, pe dispozitivele Android existau Întârziere gravă în multe aplicații video, din cauza căreia vizionarea video și audio s-a dovedit adesea nesincronizată. La fel, un client de social media cu latență mare poate face din comunicare o adevărată tortură pentru utilizator.

Implementarea învățării automate pe dispozitiv devine din ce în ce mai importantă tocmai din cauza problemelor de latență ca acestea. Imaginează-ți cum funcționează filtrele de imagine pentru rețelele sociale sau recomandările de restaurante bazate pe geolocalizare. În astfel de aplicații, latența trebuie să fie minimă pentru ca acesta să funcționeze la cel mai înalt nivel.

După cum am menționat mai sus, procesarea în cloud poate fi uneori lentă, iar dezvoltatorul dorește ca latența să fie aproape de zero pentru ca capabilitățile de învățare automată ale unei aplicații mobile să funcționeze corect. Învățarea automată pe dispozitive deschide capabilități de procesare a datelor care pot reduce cu adevărat latența la aproape zero.

Producătorii de smartphone-uri și giganții pieței tehnologice încep treptat să realizeze acest lucru. Multă vreme, Apple a rămas lider în această industrie, în curs de dezvoltare cipuri din ce în ce mai avansate pentru smartphone-uri care utilizează sistemul său Bionic, care implementează Neural Engine, care ajută la conducerea rețelelor neuronale direct pe dispozitiv, realizând în același timp viteze incredibile.

De asemenea, Apple continuă să dezvolte Core ML, platforma sa de învățare automată pentru aplicații mobile, pas cu pas; în bibliotecă TensorFlow Lite suport adăugat pentru GPU-uri; Google continuă să adauge funcții preîncărcate pe platforma sa de învățare automată ML Kit. Folosind aceste tehnologii, puteți dezvolta aplicații care vă permit să procesați datele cu viteza fulgerului, să eliminați orice întârzieri și să reduceți numărul de erori.

Această combinație de acuratețe și experiențe de utilizator fără întreruperi este o măsură cheie pe care dezvoltatorii de aplicații mobile trebuie să o ia în considerare atunci când introduc capabilități de învățare automată în aplicațiile lor. Și pentru a garanta o astfel de funcționalitate, este necesar duceți învățarea automată la dispozitive.

Securitate și confidențialitate îmbunătățite

Un alt beneficiu uriaș al edge computing care nu poate fi exagerat este cât de mult îmbunătățește securitatea și confidențialitatea utilizatorilor. Garantarea securității și confidențialității datelor din aplicație este parte integrantă a sarcinilor dezvoltatorului, mai ales ținând cont de necesitatea respectării GDPR (Regulamentul general privind protecția datelor), noile legi europene, care vor afecta fără îndoială practica dezvoltării mobile. .

Deoarece datele nu trebuie trimise în amonte sau în cloud pentru procesare, infractorii cibernetici sunt mai puțin capabili să exploateze orice vulnerabilități create în faza de transfer; prin urmare, integritatea datelor este menținută. Acest lucru facilitează pentru dezvoltatorii de aplicații mobile respectarea reglementărilor GDPR privind securitatea datelor.

Învățarea automată pe dispozitive permite, de asemenea, descentralizarea, în același mod ca și blockchain-ul. Cu alte cuvinte, este mai dificil pentru hackeri să lanseze un atac DDoS pe o rețea conectată de dispozitive ascunse decât să efectueze același atac pe un server central. Această tehnologie poate fi utilă și atunci când lucrați cu drone și pentru monitorizarea respectării legislației.

Cipurile pentru smartphone-uri de la Apple menționate mai sus ajută, de asemenea, la îmbunătățirea securității și a confidențialității utilizatorilor - de exemplu, ele pot servi drept bază pentru Face ID. Această funcție iPhone este alimentată de o rețea neuronală instalată pe dispozitive care colectează date din toate reprezentările diferite ale feței unui utilizator. Astfel, tehnologia servește ca o metodă de identificare extrem de precisă și de încredere.

Acestea și hardware-ul mai nou compatibil cu inteligența artificială vor deschide calea pentru interacțiuni mai sigure utilizator-smartphone. De fapt, dezvoltatorii primesc un strat suplimentar de criptare pentru a proteja datele utilizatorilor.

Nu este necesară conexiune la internet

Lăsând deoparte problemele de latență, trimiterea datelor în cloud pentru procesare și tragerea de concluzii necesită o conexiune bună la internet. Adesea, mai ales în țările dezvoltate, nu este nevoie să vă plângeți de internet. Dar ce să faci în zonele în care conexiunea este mai proastă? Când învățarea automată este implementată pe dispozitive, rețelele neuronale trăiesc pe telefoanele în sine. Astfel, dezvoltatorul poate implementa tehnologia pe orice dispozitiv și oriunde, indiferent de calitatea conexiunii. În plus, această abordare duce la democratizarea capacităţilor ML.

sănătate este una dintre industriile care ar putea beneficia în special de învățarea automată pe dispozitiv, deoarece dezvoltatorii vor putea crea instrumente care verifică semnele vitale sau chiar să ofere operații robotizate fără nicio conexiune la internet. Această tehnologie va fi utilă și pentru studenții care doresc să acceseze materialele de curs fără conexiune la internet - de exemplu, în timp ce se află într-un tunel de transport.

În cele din urmă, învățarea automată pe dispozitive va oferi dezvoltatorilor instrumente pentru a crea instrumente care vor beneficia utilizatorii din întreaga lume, indiferent de situația lor de conexiune la internet. Având în vedere că puterea noilor smartphone-uri va fi cel puțin la fel de puternică ca și cele actuale, utilizatorii vor uita de problemele cu întârzierile atunci când lucrează cu aplicația offline.

Reducerea costurilor pentru afacerea dvs

Învățarea automată pe dispozitive vă poate economisi, de asemenea, o avere prin faptul că nu trebuie să plătiți contractori externi pentru a implementa și întreține multe dintre soluții. Așa cum am menționat mai sus, în multe cazuri puteți face fără atât cloud, cât și Internet.

Serviciile cloud specifice GPU și AI sunt cele mai scumpe soluții care pot fi achiziționate. Când rulați modele pe dispozitiv, nu trebuie să plătiți pentru toate aceste clustere, datorită faptului că astăzi există tot mai multe smartphone-uri avansate dotate cu procesoare neuromorfe (NPU).

Evitând coșmarul procesării grele de date care are loc între dispozitiv și cloud, economisiți enorm; Prin urmare, este foarte profitabil să implementați soluții de învățare automată pe dispozitive. În plus, economisiți bani deoarece cerințele de lățime de bandă ale aplicației dvs. sunt reduse semnificativ.

Inginerii înșiși economisesc mult în procesul de dezvoltare, deoarece nu trebuie să asambleze și să întrețină infrastructura cloud suplimentară. Dimpotrivă, se poate realiza mai mult cu o echipă mai mică. Astfel, planificarea resurselor umane în echipele de dezvoltare este mult mai eficientă.

Concluzie

Fără îndoială, în anii 2010, cloud-ul a devenit un adevărat avantaj, simplificând procesarea datelor. Dar tehnologia înaltă se dezvoltă exponențial, iar învățarea automată pe dispozitive poate deveni în curând standardul de facto nu numai în domeniul dezvoltării mobile, ci și în Internetul obiectelor.

Cu o latență redusă, securitate îmbunătățită, capabilități offline și costuri generale mai mici, nu este surprinzător faptul că cei mai mari jucători în dezvoltarea mobilă pariază mult pe tehnologie. Dezvoltatorii de aplicații mobile ar trebui, de asemenea, să se uite mai atent la el pentru a ține pasul cu vremurile.

Sursa: www.habr.com