Зміст
Яка найбільша адаптація людського виду?
Однозначно не наше вражаюче статура, шерстяні пальто чи чудові нюхові можливості. Ми начебто смоктали все це. Наша найбільша риса - це розпізнавання образів. Насправді вона настільки сильна, що ми часто читаємо шаблони там, де їх немає. (Див.: Астрологія.)
Історично наша здатність розпізнавати закономірності дозволяла нам визначити, коли небезпека вже була вчасно вжити заходів. Це також дозволить нам розвивати мови складніші, ніж низка бурчання та асоціацій. Можна навіть сказати, що це основа сучасної науки.
Підйом машин
У минулі часи машини були, як відомо, поганими в розпізнаванні шаблонів - вони дійсно могли лише слідувати набору попередньо запрограмованих інструкцій. Підвищення машинного навчання дало системи та пристрої, які насправді можуть інтерпретувати дані та використовувати їх для вдосконалення.
Машинне навчання вже торкається майже кожного аспекту нашого життя, змінюючи їх на краще. Наскільки ми добре виявляємо шаблони, машини далеко і набагато краще в цьому - і ця схема виявлення дуже зручна у величезному діапазоні способів - від розпізнавання мови до очікування фондового ринку.
То що ж ми можемо очікувати від цієї галузі у 2019 році?
Зробити цифровий фізичним
Компанії, які значно інвестують як у машинне навчання, так і в дрібномасштабні обчислення, розчищають шлях до майбутнього ML. Арм стоїть в авангарді цих зусиль. Її технологія вдосконалює все, починаючи від медичної допомоги першого реагування до оснащення селфі.
Розглянемо Корті
Corti - це спеціалізований маленький пристрій розміром з домашнього дому Google. Однак ви незабаром цього не знайдете у своїй вітальні.
Наразі інструмент розгортається до центрів реагування на надзвичайні ситуації по всьому світу. Він прослуховує медичні виклики швидкої допомоги та допомагає оператору дати найкращі поради.
Це найважливіша мета? Для виявлення випадків зупинки серця перед людьми на лінії.
Серцеві напади вбивають більше людей, ніж будь-що, але ми все ще сумно погано підбираємося на покажчики. Ця недостатня обізнаність може затримати втручання в ситуаціях, коли навіть кілька хвилин можуть серйозно вплинути на рівень виживання жертви. Насправді, за кожну хвилину затримки CPR шанс виживання падає до 10 відсотків.
Цей пристрій ML має перевірений досвід швидкого визначення зупинки серця, з дивовижною швидкістю точності на 93 відсотки - набагато вище, ніж 73 відсотки, характерні для оператора людини. Широке його використання може врятувати тисячі людей.
Машинне навчання обов'язково обробляється на пристрої, а не підключається до бази даних у хмарі. У ситуаціях, що загрожують життю, операторові необхідно надати порятункові поради щодо порятунку життя, незалежно від гикавки в Інтернеті. Побоювання конфіденційності також роблять підключений до Інтернету пристрій ML трохи складним у медичних ситуаціях.
Корті - це не просто поні на один трюк; її фокус розширюється, включаючи діагнози передозування та інсульту, використовуючи такі методи, як вокальний аналіз.
Корті працює від Nvidia TX2: двоядерний Arm v8 (64-розрядний) + чотирьохядерний Cortex-A57 (64-розрядний).
Більш знайомий фокус
Якщо завдяки використанню машинного навчання серце занадто сильно заскочило, ось ще більш чисте соціальне очищення неба.
У 2018 році Instagram розпочала впроваджувати свої можливості Focus, що дозволяє користувачам створювати професійно орієнтовані селфі та знімки, які визначають обличчя та розмивають фон.
Хоча це не зовсім зупинка серцевих нападів, ця функція пропонує інтуїтивне та звичне враження, і це можливо завдяки удосконаленню апаратних та програмних засобів, що поставляються з машинним навчанням.
Якщо ви використовуєте режим selfie або стандартну камеру, спрямована назад, Focus використовує мережу сегментації зображень, щоб автоматично відточувати об'єкт зображення, розмиваючи фон, щоб створити знімок професійного вигляду. Як ви можете уявити, це складна техніка, яка вимагає значної додаткової обробки для швидкого та ефективного запуску, і в результаті вибірково розміщується на платформах вищого класу, що підтримують необхідні оптимізації. І завдяки потужній співпраці з Arm та командою Compute Library, це також включає ряд пристроїв із графічними процесорами Arm Mali.
То що далі?
У 2019 році такі компанії, як Arm, будуть підтримувати пристрої по всьому світу зі збільшенням можливостей машинного навчання. Ми можемо очікувати покращення майже в усіх галузях, від точно орієнтованого на боротьбу з шкідниками сільського господарства до більш досконалих функцій для автономних транспортних засобів. Ваші розумні пристрої, ймовірно, покращаться при таких завданнях, як розпізнавання мовлення, з підвищеною здатністю виявляти такі речі, як перегин і тон.
Слідкуйте за Arm, якщо ви хочете побачити, куди спрямовано машинне навчання на пристроях у 2019 році. З тенденцією в хокейному палиці можливостей машинного навчання це буде захоплюючий рік.
