Zawartość
- Co dalej z uczeniem maszynowym?
- Making the Digital Physical
- Zastanów się Corti
- Bardziej znane podejście
- Więc, co dalej?
4 lutego 2019 r
Co dalej z uczeniem maszynowym?
W dawnych czasach maszyny były notorycznie kiepskie w rozpoznawaniu wzorców - tak naprawdę mogły jedynie postępować zgodnie z zestawem wstępnie zaprogramowanych instrukcji. Rozwój uczenia maszynowego zaowocował systemami i urządzeniami, które potrafią właściwie interpretować dane i wykorzystywać je do doskonalenia się.
Uczenie maszynowe dotyka już prawie każdego aspektu naszego życia, zmieniając je na lepsze. Choć jesteśmy dobrzy w wykrywaniu wzorców, maszyny są znacznie lepsze w tym zakresie - a wykrywanie wzorców jest bardzo przydatne na wiele różnych sposobów, od rozpoznawania mowy po przewidywanie na giełdzie.
Czego możemy się spodziewać po tym polu w 2019 roku?
Making the Digital Physical
Firmy mocno zainwestowane zarówno w uczenie maszynowe, jak i na małą skalę obliczają ścieżkę dla przyszłości ML. Ramię jest na czele tego wysiłku. Jego technologia poprawia wszystko, od pierwszej pomocy medycznej po robienie selfie.
Zastanów się Corti
Corti to wyspecjalizowane małe urządzenie wielkości Google Home. Jednak w najbliższym czasie nie znajdziesz jednego z nich w swoim salonie.
Narzędzie jest obecnie wdrażane w centrach reagowania kryzysowego na całym świecie. Słucha medycznych połączeń alarmowych i pomaga operatorowi udzielić najlepszej porady.
To najważniejszy cel? Aby zidentyfikować incydent zatrzymania akcji serca przed ludźmi na linii.
Ataki serca zabijają więcej ludzi niż cokolwiek innego, ale wciąż jesteśmy znani z tego, że zauważamy znaki ostrzegawcze. Ten brak świadomości może opóźnić interwencję w sytuacjach, w których nawet kilka minut może mieć poważny wpływ na wskaźnik przeżycia ofiary. W rzeczywistości z każdą minutą opóźnienia RKO szansa przeżycia spada nawet o 10 procent.
To urządzenie ML ma udokumentowane doświadczenie w szybszym rozpoznawaniu zatrzymania akcji serca, z zadziwiającą dokładnością wynoszącą 93 procent - znacznie wyższą niż 73 procent typowe dla ludzkiego operatora. Jego powszechne zastosowanie może uratować tysiące istnień ludzkich.
Uczenie maszynowe jest koniecznie obsługiwane na urządzeniu, a nie w połączeniu z bazą danych w chmurze. W sytuacjach zagrażających życiu operator musi udzielać natychmiastowych porad ratujących życie, niezależnie od czkawek internetowych. Obawy związane z prywatnością sprawiają, że urządzenie ML połączone z Internetem jest nieco trudne w sytuacjach medycznych.
Corti to nie tylko jeden kucyk; koncentruje się na diagnostyce przedawkowania narkotyków i udaru mózgu, z wykorzystaniem technik takich jak analiza głosu.
Corti jest zasilany przez dwurdzeniowy Nvidia TX2: Arm v8 (64-bit) + czterordzeniowy Cortex-A57 (64-bit).
Bardziej znane podejście
Jeśli takie wykorzystanie uczenia maszynowego sprawiło, że twoje serce trochę przyspieszyło, oto bardziej społeczny środek do czyszczenia podniebienia.
W 2018 roku Instagram zaczął wprowadzać funkcję Focus, która pozwala użytkownikom tworzyć profesjonalnie skoncentrowane selfie i zdjęcia, które identyfikują twarze i rozmywają tło.
Ta funkcja nie jest do końca powstrzymywana od zawałów serca, ale zapewnia intuicyjne i dobrze znane wrażenia oraz jest możliwa dzięki ulepszeniom sprzętowym i programowym związanym z uczeniem maszynowym.
Niezależnie od tego, czy używasz trybu selfie, czy standardowego aparatu skierowanego tyłem do kierunku jazdy, Focus wykorzystuje sieć segmentacji obrazu, aby automatycznie dopracować obiekt na zdjęciu, jednocześnie rozmywając tło, aby uzyskać profesjonalnie wyglądające ujęcie. Jak można sobie wyobrazić, jest to złożona technika, która wymaga znacznego dodatkowego przetwarzania, aby działać szybko i wydajnie, w wyniku czego została wdrożona selektywnie na wyższej klasy platformach obsługujących niezbędne optymalizacje. A dzięki silnej współpracy z Armem i zespołem Compute Library obejmuje to także szereg urządzeń z procesorami graficznymi Arm Mali.
Więc, co dalej?
W 2019 r. Firmy takie jak Arm będą ulepszać urządzenia na całym świecie, zwiększając zdolności uczenia maszynowego. Możemy spodziewać się ulepszeń w prawie każdej branży, od precyzyjnie ukierunkowanej ochrony przed szkodnikami w rolnictwie po bardziej zaawansowane funkcje pojazdów autonomicznych. Twoje inteligentne urządzenia prawdopodobnie poprawią się w zadaniach takich jak rozpoznawanie mowy, ze zwiększoną zdolnością do wykrywania rzeczy takich jak przegięcie i dźwięk.
Miej oko na Arm, jeśli chcesz zobaczyć, dokąd zmierza uczenie maszynowe na urządzeniu w 2019 roku. Z trendem hokejowym w zakresie uczenia maszynowego będzie to ekscytujący rok.
