Содержание
Какова самая большая адаптация человеческого вида?
Определенно не наше внушительное телосложение, шерстяные пальто или потрясающие обонятельные способности. Мы вроде как сосем на все это. Наша самая большая черта распознавание образов, На самом деле, это настолько сильно, что мы часто читаем шаблоны там, где их нет. (См .: астрология.)
Исторически наша способность распознавать закономерности позволяла нам определить, когда приближалась опасность, чтобы предпринять действия. Это также позволило нам развивать языки более сложные, чем ряд ворчаний и ассоциаций. Можно даже сказать, что это основа современной науки.
Восстание машин
В прежние времена машины, как известно, плохо распознавали шаблоны - они могли действительно следовать только заранее запрограммированным инструкциям. Рост машинного обучения привел к появлению систем и устройств, которые могут реально интерпретировать данные и использовать их для улучшения самих себя.
Машинное обучение уже затрагивает практически все аспекты нашей жизни, изменяя их в лучшую сторону. Как бы хорошо мы ни находились в обнаружении шаблонов, машины намного лучше, чем в этом, и это обнаружение шаблонов очень удобно в самых разных областях - от распознавания речи до прогнозирования на фондовом рынке.
Так чего же ожидать от этого месторождения в 2019 году?
Создание цифрового физического
Компании, вложившие значительные средства как в машинное обучение, так и в небольшие вычисления, расчищают путь для будущего ML. Рука находится на переднем крае этих усилий. Его технология улучшает все, начиная от оказания первой медицинской помощи и заканчивая фотографированием селфи.
Рассмотрим Корти
Corti - это специализированное маленькое устройство размером с Google Home. Тем не менее, вы не найдете ни одного из них в своей гостиной в ближайшее время.
В настоящее время инструмент развертывается в центрах экстренного реагирования по всему миру. Он слушает экстренные вызовы и помогает оператору дать лучший совет.
Это самая важная цель? Выявить случай остановки сердца перед людьми на линии.
Сердечные приступы убивают больше людей, чем что-либо еще, но мы все еще плохо зарекомендовали себя на обнаружении контрольных признаков. Эта неосведомленность может задержать вмешательство в ситуациях, когда даже несколько минут могут серьезно повлиять на выживаемость жертвы. Фактически, за каждую минуту задержки СЛР шанс на выживание падает до 10 процентов.
Это ML-устройство имеет проверенный послужной список для более быстрого выявления остановки сердца с удивительной степенью точности 93% - намного выше, чем 73%, характерных для человека-оператора. Его широкое использование может спасти тысячи жизней.
Машинное обучение обязательно обрабатывается на устройстве, а не подключается к базе данных в облаке. В опасных для жизни ситуациях оператор должен давать советы по спасению жизни, не обращая внимания на проблемы с Интернетом. Проблемы конфиденциальности также делают устройство ML, подключенное к сети, немного сложным в медицинских ситуациях.
Корти не просто пони с одной уловкой; В центре его внимания - передозировка лекарств и диагностика инсульта с использованием таких методов, как голосовой анализ.
Corti оснащена двухъядерным процессором Nvidia TX2: Arm v8 (64-разрядная версия) + четырехъядерным процессором Cortex-A57 (64-разрядная версия).
Более знакомый фокус
Если это использование машинного обучения заставило ваше сердце биться слишком сильно, вот вам более приятное средство для очищения вкуса.
В 2018 году Instagram начал развертывать свою возможность фокусировки, которая позволяет пользователям создавать профессионально сфокусированные селфи и снимки, которые идентифицируют лица и размывают фон.
Хотя это не совсем остановка сердечных приступов, эта функция предлагает интуитивно понятный и привычный опыт, и это возможно благодаря аппаратным и программным улучшениям, которые сопровождают машинное обучение.
Использует ли режим селфи или стандартную камеру, обращенную назад, Focus использует сеть сегментации изображения, чтобы автоматически отточить объект изображения, размывая фон для создания профессионально выглядящего снимка. Как вы можете себе представить, это сложный метод, требующий значительной дополнительной обработки для быстрого и эффективного выполнения, и в результате он был выборочно развернут на платформах более высокого уровня с поддержкой необходимой оптимизации. Кроме того, благодаря активному сотрудничеству с Arm и командой Compute Library, это также включает ряд устройств с графическими процессорами Arm Mali.
Так что же дальше?
В 2019 году такие компании, как Arm, будут поддерживать устройства по всему миру, расширяя возможности машинного обучения. Мы можем ожидать улучшения практически во всех отраслях, от точной борьбы с вредителями в сельском хозяйстве до более сложных функций для автономных транспортных средств. Ваши интеллектуальные устройства, вероятно, будут лучше справляться с такими задачами, как распознавание речи, с улучшенной способностью обнаруживать такие вещи, как перегиб и тон.
Следите за Arm, если вы хотите увидеть, куда движется машинное обучение на устройстве в 2019 году. С тенденцией хоккейной клюшки в возможностях машинного обучения это будет захватывающий год.
