Dobré ráno, Habr!
K nadpisu článku v našej predbežnej notifikácii nemáme čo dodať - takže všetci sú hneď pozvaní do koča. Čítajte a komentujte.
Profesionáli v oblasti mobilného vývoja budú ťažiť z revolučných zmien, ktoré dnešná doba ponúka. . Ide o to, do akej miery táto technológia vylepšuje akúkoľvek mobilnú aplikáciu, konkrétne poskytuje používateľom novú úroveň pohodlia a umožňuje vám aktívne využívať výkonné funkcie, napríklad poskytovať čo najpresnejšie odporúčania, alebo okamžite zistiť .
Tento rýchly rozvoj mobilného strojového učenia je reakciou na množstvo bežných problémov, ktorými sme trpeli pri klasickom strojovom učení. V skutočnosti je všetko zrejmé. V budúcnosti budú mobilné aplikácie vyžadovať rýchlejšie spracovanie dát a ďalšie zníženie latencie.
Možno ste sa už pýtali prečo , nemôže jednoducho spustiť odvodenie v cloude. Po prvé, cloudové technológie závisia od centrálnych uzlov (predstavte si obrovské dátové centrum s rozsiahlym úložiskom dát a veľkým výpočtovým výkonom). Tento centralizovaný prístup nedokáže zvládnuť rýchlosť spracovania dostatočnú na vytvorenie plynulých mobilných skúseností poháňaných strojovým učením. Údaje musia byť spracované centrálne a následne odoslané späť do zariadení. Tento prístup si vyžaduje čas, peniaze a nezaručuje súkromie samotných údajov.
Po načrtnutí týchto kľúčových výhod mobilného strojového učenia sa teda pozrime bližšie na to, prečo by vás ako mobilného vývojára mala zaujímať revolúcia strojového učenia, ktorá sa odohráva pred našimi očami.
Znížte latenciu
Vývojári mobilných aplikácií vedia, že zvýšená latencia môže byť čiernou škvrnou pre program, bez ohľadu na to, aké dobré sú jeho funkcie alebo aká je značka renomovaná. Predtým na zariadeniach so systémom Android existovali , kvôli čomu sa často ukázalo, že sledovanie videa a zvuku nie je synchronizované. Rovnako aj klient sociálnych médií s vysokou latenciou môže z komunikácie pre používateľa urobiť skutočné mučenie.
Implementácia strojového učenia na zariadení je čoraz dôležitejšia práve kvôli problémom s latenciou, ako sú tieto. Predstavte si, ako fungujú filtre obrázkov pre sociálne siete alebo odporúčania reštaurácií na základe geolokácie. V takýchto aplikáciách musí byť latencia minimálna, aby fungovala na najvyššej úrovni.
Ako už bolo spomenuté vyššie, cloudové spracovanie môže byť niekedy pomalé a vývojár chce, aby sa latencia blížila k nule, aby schopnosti strojového učenia mobilnej aplikácie fungovali správne. Strojové učenie na zariadeniach otvára možnosti spracovania údajov, ktoré môžu skutočne znížiť latenciu takmer na nulu.
Výrobcovia smartfónov a giganti technologického trhu si to postupne začínajú uvedomovať. Po dlhú dobu zostal Apple lídrom v tomto odvetví a rozvíjal sa pre smartfóny využívajúce svoj systém Bionic, ktorý implementuje Neural Engine, ktorý pomáha riadiť neurónové siete priamo na zariadení, pričom .
Apple tiež pokračuje vo vývoji Core ML, svojej platformy strojového učenia pre mobilné aplikácie, krok za krokom; v knižnici pridaná podpora pre GPU; Google pokračuje v pridávaní predinštalovaných funkcií do svojej platformy strojového učenia ML Kit. Pomocou týchto technológií môžete vyvíjať aplikácie, ktoré vám umožnia spracovávať dáta rýchlosťou blesku, eliminovať akékoľvek oneskorenia a znížiť počet chýb.
Táto kombinácia presnosti a bezproblémového používateľského prostredia je kľúčovou metrikou, ktorú musia vývojári mobilných aplikácií zvážiť pri zavádzaní možností strojového učenia do svojich aplikácií. A na zaručenie takejto funkčnosti je to potrebné .
Vylepšená bezpečnosť a súkromie
Ďalšou obrovskou výhodou edge computingu, ktorú nemožno preceňovať, je to, do akej miery zlepšuje bezpečnosť a súkromie používateľov. Zaručenie bezpečnosti a súkromia údajov v aplikácii je neoddeliteľnou súčasťou úloh vývojára, najmä s prihliadnutím na nutnosť dodržiavať GDPR (General Data Protection Regulation), nové európske zákony, ktoré nepochybne ovplyvnia prax mobilného vývoja. .
Vzhľadom na to, že údaje nie je potrebné na spracovanie odosielať proti prúdu alebo do cloudu, počítačoví zločinci sú menej schopní zneužiť akékoľvek zraniteľné miesta vytvorené počas fázy prenosu; integrita údajov je preto zachovaná. Vďaka tomu môžu vývojári mobilných aplikácií ľahšie dodržiavať nariadenia GDPR týkajúce sa bezpečnosti údajov.
Strojové učenie na zariadeniach tiež umožňuje decentralizáciu, podobne ako blockchain. Inými slovami, pre hackerov je ťažšie spustiť DDoS útok na prepojenú sieť skrytých zariadení ako vykonať rovnaký útok na centrálny server. Táto technológia môže byť užitočná aj pri práci s dronmi a pri monitorovaní dodržiavania legislatívy.
Vyššie spomínané čipy smartfónov od Apple tiež pomáhajú zlepšovať bezpečnosť a súkromie používateľov – môžu slúžiť napríklad ako základ pre Face ID. Táto funkcia iPhone je poháňaná neurónovou sieťou nasadenou na zariadeniach, ktorá zhromažďuje údaje zo všetkých rôznych reprezentácií tváre používateľa. Technológia teda slúži ako mimoriadne presná a spoľahlivá metóda identifikácie.
Tento a novší hardvér s podporou AI vydláždi cestu pre bezpečnejšie interakcie medzi užívateľom a smartfónom. V skutočnosti vývojári získajú ďalšiu vrstvu šifrovania na ochranu používateľských údajov.
Nevyžaduje sa žiadne internetové pripojenie
Odhliadnuc od problémov s latenciou, odosielanie údajov do cloudu na spracovanie a vyvodenie záverov si vyžaduje dobré internetové pripojenie. Často, najmä vo vyspelých krajinách, sa na internet netreba sťažovať. Čo však robiť v oblastiach, kde je spojenie horšie? Keď je strojové učenie implementované na zariadeniach, neurónové siete žijú v samotných telefónoch. Vývojár tak môže technológiu nasadiť na akékoľvek zariadenie a kdekoľvek, bez ohľadu na kvalitu pripojenia. Navyše tento prístup vedie k .
je jedným z odvetví, ktoré by mohli obzvlášť ťažiť zo strojového učenia na zariadení, pretože vývojári budú môcť vytvárať nástroje na kontrolu životných funkcií alebo dokonca poskytovať robotickú chirurgiu bez akéhokoľvek internetového pripojenia. Táto technológia bude užitočná aj pre študentov, ktorí chcú mať prístup k prednáškovým materiálom bez pripojenia na internet – napríklad v dopravnom tuneli.
V konečnom dôsledku strojové učenie na zariadeniach poskytne vývojárom nástroje na vytváranie nástrojov, z ktorých budú mať úžitok používatelia na celom svete bez ohľadu na ich situáciu s internetovým pripojením. Vzhľadom na to, že sila nových smartfónov bude minimálne taká silná ako tie súčasné, používatelia zabudnú na problémy s oneskorením pri práci s aplikáciou offline.
Zníženie nákladov pre vaše podnikanie
Strojové učenie na zariadeniach vám tiež môže ušetriť majetok tým, že nebudete musieť platiť externým dodávateľom za implementáciu a údržbu mnohých riešení. Ako už bolo spomenuté vyššie, v mnohých prípadoch sa zaobídete bez cloudu aj internetu.
GPU a cloudové služby špecifické pre AI sú najdrahšie riešenia, ktoré je možné zakúpiť. Keď na svojom zariadení spustíte modely, nemusíte platiť za všetky tieto klastre, a to vďaka tomu, že dnes existujú čoraz pokročilejšie smartfóny vybavené .
Tým, že sa vyhnete nočnej more náročného spracovania údajov, ku ktorému dochádza medzi zariadením a cloudom, ušetríte enormne; Preto je veľmi výhodné implementovať riešenia strojového učenia na zariadeniach. Okrem toho ušetríte peniaze, pretože požiadavky vašej aplikácie na šírku pásma sú výrazne znížené.
Samotní inžinieri tiež veľa ušetria na procese vývoja, pretože nemusia zostavovať a udržiavať ďalšiu cloudovú infraštruktúru. Naopak, s menším tímom sa dá dosiahnuť viac. Plánovanie ľudských zdrojov vo vývojových tímoch je teda oveľa efektívnejšie.
Záver
Nepochybne v roku 2010 sa cloud stal skutočným prínosom, ktorý zjednodušil spracovanie údajov. Ale špičkové technológie sa vyvíjajú exponenciálne a strojové učenie na zariadeniach sa môže čoskoro stať de facto štandardom nielen v oblasti mobilného vývoja, ale aj internetu vecí.
So zníženou latenciou, vylepšeným zabezpečením, možnosťami offline a celkovo nižšími nákladmi nie je žiadnym prekvapením, že najväčší hráči v oblasti vývoja mobilných zariadení vo veľkom vsádzajú na túto technológiu. Bližšie by sa naň mali pozrieť aj vývojári mobilných aplikácií, aby držali krok s dobou.
Zdroj: hab.com