Indhold
- Hvad er det næste ved maskinlæring?
- At gøre det digitale fysisk
- Overvej Corti
- Et mere bekendt fokus
- Så hvad er dernæst?
4. februar 2019
Hvad er det næste ved maskinlæring?
I gamle tider var maskiner notorisk dårlige ved mønstergenkendelse - de kunne virkelig kun følge et sæt forprogrammerede instruktioner. Fremgangen i maskinlæring har givet systemer og enheder, der faktisk kan fortolke data og bruge dem til at forbedre sig selv.
Maskinlæring rører allerede næsten alle aspekter af vores liv og ændrer dem til det bedre. Så godt som vi er med at opdage mønstre, er maskiner langt, langt bedre til det - og denne mønsterdetektion er temmelig praktisk på en lang række måder, fra talegenkendelse til forventning om aktiemarkedet.
Så hvad kan vi forvente af dette felt i 2019?
At gøre det digitale fysisk
Virksomheder, der er meget investeret i både maskinlæring og små computere, er ved at rydde vejen for ML's fremtid. Arm er i spidsen for denne indsats. Dens teknologi forbedrer alt fra første-respons medicinsk pleje til snapping selfies.
Overvej Corti
Corti er en specialiseret lille enhed, der er størrelsen på et Google Home. Du finder dog ikke en af disse i din stue snart.
Værktøjet distribueres i øjeblikket til beredskabscentre over hele verden. Det lytter til medicinske nødopkald og hjælper operatøren med at give de bedste råd.
Det er det vigtigste mål? At identificere en hændelse med hjertestop foran mennesker på linjen.
Hjerteanfald dræber flere mennesker end noget andet, og alligevel er vi stadig notorisk dårlige til at samle de fortællende tegn. Denne manglende bevidsthed kan forsinke indgreb i situationer, hvor selv et par minutter kan have en alvorlig indflydelse på offerets overlevelsesrate. Faktisk for hvert minut, som HLR er forsinket, falder chancen for overlevelse med op til 10 procent.
Denne ML-enhed har en dokumenteret track record for at identificere hjertestop hurtigere med en forbløffende nøjagtighed på 93 procent - langt højere end de 73 procent, der er typisk for en menneskelig operatør. Dens udbredte anvendelse kunne redde tusinder af liv.
Maskinindlæringen håndteres nødvendigvis på enheden i stedet for tilsluttet en database i skyen. I livstruende situationer er operatøren nødt til at give et øjeblik-til-øjeblik livreddende råd, uanset internet-hik. Bekymringer om beskyttelse af personlige oplysninger gør også en internetforbundet ML-enhed lidt vanskelig i medicinske situationer.
Corti er ikke kun en one-trick-pony; Fokuset udvides til at omfatte diagnoser af overdosering og slagtilfælde ved hjælp af teknikker som vokalanalyse.
Corti drives af Nvidia TX2: Arm v8 (64-bit) dual-core + Cortex-A57 quad-core (64-bit).
Et mere bekendt fokus
Hvis brugen af maskinlæring fik dit hjerte til at køre lidt for meget, er her en mere social gane-renser.
I 2018 begyndte Instagram at rulle ud sin Focus-funktion, som giver brugerne mulighed for at oprette professionelt fokuserede selfies og skud, der identificerer ansigter og slører baggrunden ud.
Selv om det ikke nøjagtigt stopper hjerteanfald, tilbyder denne funktion en intuitiv og velkendt oplevelse, og det er muligt med hardware- og softwareforbedringer, der følger med maskinlæring.
Uanset om du bruger selfie-tilstand eller det standard, bagudvendte kamera, bruger Focus billedsegmenteringsnetværket til automatisk at finpudse på billedets emne, mens baggrunden sløres for at skabe et professionelt udseende. Som du måske kan forestille dig, er dette en kompleks teknik, der kræver betydelig yderligere behandling for at køre hurtigt og effektivt, og som et resultat blev selektivt distribueret til højere ende platforme, der understøtter de nødvendige optimeringer. Og på grund af et stærkt samarbejde med Arm og Compute Library-teamet inkluderer dette også en række enheder med Arm Mali GPU'er.
Så hvad er dernæst?
I 2019 vil virksomheder som Arm styrke enheder over hele kloden med stigende evner til maskinlæring. Vi kan forvente forbedringer i næsten enhver branche, lige fra præcist målrettet skadedyrsbekæmpelse i landbruget til mere avancerede funktioner til autonome køretøjer. Dine smarte enheder bliver sandsynligvis bedre til opgaver som talegenkendelse, med en øget evne til at registrere ting som bøjning og tone.
Hold øje med Arm, hvis du vil se, hvor maskinindlæring på enhed går hen i 2019. Med en hockey-stick-tendens inden for maskinlæringsfunktioner, vil det være et spændende år.
