Wilujeng enjing, Habr!
Urang teu boga nanaon pikeun nambahkeun kana judul artikel dina pre-bewara urang - jadi dulur langsung diondang kana ucing. Baca jeung mairan.
Para ahli pamekaran sélulér bakal nguntungkeun tina parobahan revolusioner anu ditawarkeun ayeuna. . Intina nyaéta sabaraha téknologi ieu ningkatkeun aplikasi sélulér naon waé, nyaéta, éta nyayogikeun tingkat genah anyar pikeun pangguna sareng ngamungkinkeun anjeun aktip ngagunakeun fitur anu kuat, contona, pikeun nyayogikeun saran anu paling akurat, , atawa langsung ngadeteksi .
Pangembangan gancang tina pembelajaran mesin sélulér ieu mangrupikeun réspon kana sababaraha masalah umum anu kami alami dina pembelajaran mesin klasik. Kanyataanna, sagalana geus atra. Dina mangsa nu bakal datang, aplikasi mobile bakal merlukeun ngolah data leuwih gancang sarta ngurangan latency salajengna.
Anjeun meureun geus wondered naha ,teu bisa saukur ngajalankeun inferensi dina awan. Kahiji, téknologi awan gumantung kana titik sentral (bayangkeun hiji puseur data badag kalayan duanana gudang data éksténsif jeung kakuatan komputasi badag). Pendekatan terpusat ieu henteu tiasa ngadamel kecepatan pamrosésan anu cekap pikeun nyiptakeun pangalaman mobile anu lancar anu didamel ku mesin diajar. Data kedah diolah sacara sentral teras dikirim deui ka alat. Pendekatan ieu ngabutuhkeun waktos, artos sareng henteu ngajamin privasi data sorangan.
Ku kituna, sanggeus outlines ieu mangpaat konci pembelajaran mesin mobile, hayu urang nyandak katingal ngadeukeutan di naha revolusi mesin learning unfolding saméméh panon urang kudu dipikaresep ku anjeun pribadi salaku pamekar mobile.
Ngurangan Latency
pamekar aplikasi mobile nyaho yén ngaronjat latency bisa jadi tanda hideung pikeun program, euweuh urusan kumaha alus fitur na atawa kumaha reputable brand éta. Saméméhna, dina alat Android aya , alatan nu nempoan video jeung audio mindeng tétéla teu sinkron. Kitu ogé, klien média sosial kalayan latency tinggi tiasa ngajantenkeun komunikasi janten panyiksaan nyata pikeun pangguna.
Nerapkeun pembelajaran mesin dina alat janten langkung penting kusabab masalah latency sapertos kieu. Bayangkeun kumaha saringan gambar dianggo pikeun jaringan sosial, atanapi rekomendasi réstoran dumasar kana geolokasi. Dina aplikasi sapertos kitu, latency kedah minimal supados tiasa dilaksanakeun dina tingkat anu paling luhur.
Sakumaha didadarkeun di luhur, pamrosésan awan kadang tiasa laun, sareng pamekar hoyong laténna caket sareng nol pikeun kamampuan mesin diajar tina aplikasi sélulér tiasa jalanna leres. Pembelajaran mesin dina alat muka kamampuan ngolah data anu leres-leres tiasa ngirangan latency ka ampir nol.
Pabrikan smartphone sareng raksasa pasar téknologi laun-laun mimiti sadar ieu. Pikeun lila, Apple tetep pamimpin di industri ieu, ngembang pikeun smartphone anu nganggo sistem Bionic na, anu ngalaksanakeun Mesin Neural, anu ngabantosan ngagerakkeun jaringan saraf langsung dina alat, bari ngahontal .
Apple ogé terus ngembangkeun Core ML, platform learning mesin na pikeun aktip mobile, step by step; di perpustakaan rojongan ditambahkeun pikeun GPUs; Google terus nambihan fitur anu tos dimuat kana platform pembelajaran mesin na ML Kit. Nganggo téknologi ieu, anjeun tiasa ngembangkeun aplikasi anu ngamungkinkeun anjeun ngolah data dina laju kilat, ngaleungitkeun telat sareng ngirangan jumlah kasalahan.
Kombinasi akurasi sareng pangalaman pangguna anu lancar ieu mangrupikeun métrik konci anu kedah dipertimbangkeun ku pamekar aplikasi sélulér nalika ngenalkeun kamampuan mesin diajar kana aplikasina. Sareng pikeun ngajamin fungsionalitas sapertos kitu, diperyogikeun .
Ningkatkeun kaamanan sareng privasi
Kauntungan ageung tina komputasi tepi anu teu tiasa diémutan nyaéta sabaraha éta ningkatkeun kaamanan sareng privasi pangguna. Ngajamin kaamanan sareng privasi data dina aplikasi mangrupikeun bagian integral tina tugas pamekar, khususna nganggap kabutuhan pikeun sasuai sareng GDPR (Peraturan Perlindungan Data Umum), undang-undang Éropa anyar, anu pasti bakal mangaruhan prakték pangembangan mobile. .
Kusabab data henteu kedah dikirim ka hulu atanapi ka awan pikeun diolah, para penjahat cyber kirang tiasa ngamangpaatkeun sagala kerentanan anu diciptakeun salami fase transfer; kituna, integritas data dijaga. Ieu ngagampangkeun pamekar aplikasi sélulér pikeun matuh kana peraturan kaamanan data GDPR.
Pembelajaran mesin dina alat ogé ngamungkinkeun desentralisasi, sami sareng blockchain. Dina basa sejen, leuwih hese pikeun hacker ngajalankeun serangan DDoS dina jaringan disambungkeun alat disumputkeun ti ngalakukeun serangan sarua dina server sentral. Téknologi ieu ogé tiasa mangpaat nalika damel sareng drone sareng pikeun ngawaskeun patuh kana undang-undang.
Chip smartphone anu disebatkeun di luhur ti Apple ogé ngabantosan ningkatkeun kaamanan sareng privasi pangguna - contona, aranjeunna tiasa janten dasar pikeun Face ID. Fitur iPhone ieu dikuatkeun ku jaringan saraf anu dipasang dina alat anu ngumpulkeun data tina sagala rupa répréséntasi raray pangguna. Ku kituna, téhnologi nu boga fungsi minangka métode idéntifikasi pisan akurat tur dipercaya.
Ieu sareng perkakas anu diaktipkeun AI anu langkung énggal bakal muka jalan pikeun interaksi telepon pinter anu langkung aman. Nyatana, pamekar nampi lapisan énkripsi tambahan pikeun ngajagi data pangguna.
Taya sambungan internét diperlukeun
Masalah latency kumisan, ngirim data ka awan pikeun ngolah jeung nyieun conclusions merlukeun sambungan internét alus. Seringna, khususna di nagara maju, henteu kedah ngawadul ngeunaan Internét. Tapi naon anu kudu dilakukeun di daérah dimana sambunganna parah? Nalika pembelajaran mesin dilaksanakeun dina alat, jaringan saraf hirup dina telepon sorangan. Janten, pamekar tiasa nyebarkeun téknologi dina alat naon waé sareng dimana waé, henteu paduli kualitas sambunganna. Tambih Deui, pendekatan ieu ngakibatkeun .
mangrupikeun salah sahiji industri anu tiasa nyandak kauntungan tina pembelajaran mesin dina alat, sabab pamekar bakal tiasa nyiptakeun alat anu mariksa tanda-tanda vital atanapi bahkan nyayogikeun operasi robotic tanpa sambungan internét. Téknologi ieu ogé bakal mangpaat pikeun mahasiswa anu hoyong ngaksés bahan kuliah tanpa sambungan Internét - contona, nalika aya dina torowongan angkutan.
Pamustunganana, mesin learning dina alat bakal nyadiakeun pamekar jeung alat pikeun nyieun parabot nu bakal nguntungkeun pamaké sakuliah dunya, paduli kaayaan sambungan Internet maranéhanana. Nganggap yén kakuatan smartphone anyar sahenteuna bakal kuat sapertos anu ayeuna, pangguna bakal hilap masalah telat nalika damel sareng aplikasi offline.
Ngurangan biaya pikeun anjeun bisnis
Pembelajaran mesin dina alat ogé tiasa ngahémat rejeki anjeun ku henteu kedah mayar kontraktor luar pikeun ngalaksanakeun sareng ngajaga seueur solusi. Sakumaha didadarkeun di luhur, dina loba kasus Anjeun bisa ngalakukeun tanpa duanana awan jeung Internet.
GPU sareng jasa awan khusus AI mangrupikeun solusi anu paling mahal anu tiasa dipésér. Nalika anjeun ngajalankeun modél dina alat anjeun, anjeun henteu kedah mayar sadaya klaster ieu, hatur nuhun kana kanyataan yén ayeuna aya seueur smartphone anu langkung maju anu dilengkepan. .
Ku Ngahindarkeun ngimpina ngolah data beurat anu lumangsung antara alat jeung awan, Anjeun nyimpen enormously; Ku sabab éta, nguntungkeun pisan pikeun nerapkeun solusi pembelajaran mesin dina alat. Salaku tambahan, anjeun ngahémat artos kusabab syarat rubakpita aplikasi anjeun dikirangan sacara signifikan.
Insinyur sorangan ogé ngahemat pisan kana prosés pangwangunan, sabab henteu kedah ngumpul sareng ngajaga infrastruktur awan tambahan. Sabalikna, mungkin pikeun ngahontal langkung seueur kalayan tim anu langkung alit. Ku kituna, perencanaan SDM di tim ngembangkeun jauh leuwih éféktif.
kacindekan
Teu diragukeun, dina taun 2010, méga janten anugerah nyata, nyederhanakeun ngolah data. Tapi téknologi anu luhur ngembang sacara éksponénsial, sareng diajar mesin dina alat-alat engké tiasa janten standar de facto henteu ngan ukur dina widang pamekaran sélulér, tapi ogé dina Internet of Things.
Kalayan ngirangan latency, ningkatkeun kaamanan, kamampuan offline, sareng biaya anu langkung handap, henteu heran yén pamaén panggedéna dina pamekaran sélulér tohan gedé dina téknologi. Pamekar aplikasi mobile ogé kedah nyandak katingal ngadeukeutan dina eta tetep nepi ka jaman.
sumber: www.habr.com