Садржај
Која је највећа адаптација људске врсте?
Дефинитивно нису наше импресивне физичке грађе, вунени капути или сјајне олфакторне могућности. Ми смо некако срање свих тих. Наша највећа особина је препознавање узорака. У ствари је толико јак да често читамо обрасце тамо где не постоје. (Види: астрологија.)
Историјски, наша способност препознавања образаца омогућила нам је да закључимо када је опасност била близу, да предузмемо акцију. Такође нам омогућава да развијамо језике сложеније од низа гунђања и асоцијација. Можете чак и рећи да је то основа модерне науке.
Устанак машина
Раније су машине биле препознатљиво лоше у препознавању образаца - стварно су могле да се придржавају само унапред програмираних упутстава. Успон машинског учења довео је до система и уређаја који заправо могу интерпретирати податке и користити их за побољшање.
Машинско учење већ додирује готово сваки аспект нашег живота, мењајући их на боље. Колико год смо добри у откривању образаца, машине су далеко, далеко боље у томе - и ова детекција узорака долази у приличној прилици на огроман број начина, од препознавања говора до ишчекивања на берзи.
Па шта можемо очекивати од овог поља у 2019. години?
Израда дигиталног физичког
Компаније увелике уложене у машинско учење и рачунање малих размјера рашчишћавају пут будућности МЛ-а. Рука је на челу овог напора. Његова технологија побољшава све, од медицинске неге првог одговора до пуцања селфија.
Размислите Цорти
Цорти је мали специјализовани уређај величине Гоогле Куће. Међутим, ускоро нећете наћи ниједну од ових у својој дневној соби.
Алат се тренутно користи у центрима за хитно реаговање широм света. Слуша медицинске позиве и помаже оператеру да пружи најбољи савет.
То је најважнији циљ? Да би се идентификовао инцидент срчаног застоја пред људима на линији.
Срчани инфаркти убијају више људи него ишта, а и даље смо ноторно лоши у одабиру ознака. Овај недостатак свести може да одложи интервенцију у ситуацијама када чак и неколико минута може имати озбиљан утицај на стопу преживљавања жртве. У ствари, са сваким минутом кашњења ЦПР-а шанса за преживљавање опада и до 10 процената.
Овај МЛ уређај има доказану евиденцију бржег препознавања срчаног застоја, са запањујућом тачношћу од 93 процента - далеко већом од 73 процента типичног за људског оператора. Његова широка употреба могла би спасити хиљаде живота.
Машинско учење се нужно рукује на уређају, а не повезује се са базом података у облаку. У ситуацијама опасним по живот, оператер треба да пружи тренутне савете за спасавање живота, без обзира на штуцање на интернету. Питања везана за приватност такође чине МЛ повезани уређај мало комплицираним у медицинским ситуацијама.
Цорти није само поникат у једном трику; његов фокус се проширује на дијагнозу предозирања и можданог удара, користећи технике попут гласовне анализе.
Цорти се покреће Нвидиа ТКС2: Арм в8 (64-битни) дуал-цоре + Цортек-А57 четверојезгрени (64-битни).
Познатији фокус
Ако вам је због употребе машинског учења срце превише закуцало, ево вам друштвеније средство за чишћење непца.
У 2018. години, Инстаграм је почео са увођењем своје способности фокусирања, што омогућава корисницима да праве професионално фокусиране селфије и снимке који идентификују лица и замагљују позадину.
Иако не зауставља срчани удар, ова функција нуди интуитивно и познато искуство, а могуће је и за хардверска и софтверска побољшања која долазе са машинским учењем.
Било да користите селфие режим или стандардну обрнуту камеру, Фоцус користи мрежу за сегментацију слике да се аутоматски уклопи на предмет слике, док замагљује позадину како би створио снимак професионалног изгледа. Као што можете замислити, ово је сложена техника која захтева значајну додатну обраду како би се брзо и ефикасно покренуло, и као резултат тога селективно распоредила на платформе вишег ранга подржавајући неопходне оптимизације. Због снажне сарадње са Арм-ом и тимом Цомпуте Либрари, ово такође укључује бројне уређаје са Арм Мали ГПУ-овима.
Шта је следеће?
У 2019. години компаније попут Арм-а појачаће уређаје широм света са повећањем способности машинског учења. Можемо очекивати побољшања у готово свакој индустрији, од прецизно циљане дератизације у пољопривреди до напреднијих функција за аутономна возила. Ваши паметни уређаји ће вероватно бити бољи у задацима попут препознавања говора, са повећаном способношћу да откривају ствари попут савијања и тона.
Ако пазите на Арм ако желите да видите где се креће машинско учење на уређају у 2019. Уз тренд хокејског штапа у могућностима машинског учења, биће ово узбудљива година.
