Kandungan

• Kebangkitan Mesin
• Membuat Digital Physical
• Pertimbangkan Corti
• Fokus yang lebih dikenali
• Jadi apa yang seterusnya?

Apakah penyesuaian terbesar bagi spesies manusia?

Pasti bukan fizikal yang mengagumkan, mantel bulu, atau keupayaan penciuman yang luar biasa. Kami semacam menghisap semua orang. Ciri utama kami ialah pengiktirafan corak. Malah, ia begitu kuat bahawa kita sering membaca corak di mana tiada. (Lihat: astrologi.)

Dari segi sejarah, keupayaan kita mengenali corak membolehkan kita menyimpulkan apabila bahaya sudah dekat dalam masa untuk mengambil tindakan. Ia juga membolehkan kita mengembangkan bahasa yang lebih rumit daripada satu siri grunts dan persatuan. Anda bahkan boleh mengatakan ia adalah asas sains moden.

Kebangkitan Mesin

Pada masa dahulu, mesin sangat terkenal dengan pengiktirafan corak - mereka hanya boleh mengikuti satu set arahan pra-diprogramkan. Kebangkitan pembelajaran mesin telah menghasilkan sistem dan peranti yang sebenarnya dapat menafsirkan data dan menggunakannya untuk memperbaiki diri.

Pembelajaran mesin sudah menyentuh hampir setiap aspek kehidupan kita, mengubahnya menjadi lebih baik. Sebaiknya kita mengesan corak, mesin jauh, jauh lebih baik - dan pengesanan corak ini sangat berguna dalam pelbagai cara, dari pengiktirafan ucapan untuk jangkaan pasaran saham.

Jadi apa yang boleh kita harapkan dari bidang ini pada tahun 2019?

Membuat Digital Physical

Syarikat-syarikat yang banyak melabur dalam pembelajaran mesin dan pengkomputeran berskala kecil akan membersihkan laluan untuk masa depan ML. Lengan berada di barisan hadapan usaha ini. Teknologinya membaik pulih segala-galanya dari penjagaan kesihatan respons pertama untuk memasak sendiri.

Pertimbangkan Corti

Corti adalah peranti kecil khusus mengenai saiz Rumah Google. Walau bagaimanapun, anda tidak akan dapati salah satu di ruang tamu anda pada bila-bila masa tidak lama lagi.

Alat ini kini digunakan untuk pusat respons kecemasan di seluruh dunia. Ia mendengar panggilan kecemasan perubatan dan membantu pengendali memberi nasihat terbaik.

Ia matlamat yang paling penting? Untuk mengenal pasti kejadian menangkap jantung sebelum manusia di atas talian.

Serangan jantung membunuh lebih ramai orang daripada apa-apa, namun kita masih terkenal dengan tidak baik untuk mengambil tanda-tanda keceriaan. Kurangnya kesedaran ini boleh melengah-lengahkan campur tangan dalam situasi di mana walaupun beberapa minit dapat memberi kesan yang serius terhadap kadar survival mangsa. Sebenarnya, untuk setiap minit bahawa CPR ditangguhkan, peluang untuk bertahan hidup turun hingga 10 peratus.

Peranti ML ini mempunyai rekod prestasi terbukti mengenal pasti penangkapan jantung lebih cepat, dengan kadar ketepatan yang menghairankan sebanyak 93 peratus - lebih tinggi daripada 73 peratus yang tipikal dari pengendali manusia. Penggunaannya yang meluas boleh menyelamatkan beribu-ribu nyawa.

Pembelajaran mesin semestinya ditangani pada peranti, dan tidak disambungkan ke pangkalan data di awan. Dalam situasi yang mengancam nyawa, pengendali perlu menyediakan nasihat penjimatan dari semasa ke semasa, tanpa menghiraukan internet. Kebimbangan privasi juga menjadikan peranti ML yang berkaitan dengan web sedikit rumit dalam keadaan perubatan.

Corti bukan sekadar kuda satu-trik; tumpuannya diperluaskan untuk memasukkan diagnostik overdosis dadah dan strok, menggunakan teknik seperti analisis vokal.

Corti dikuasakan oleh Nvidia TX2: Arm v8 (64-bit) dwi-teras + Cortex-A57 quad-core (64-bit).

Fokus yang lebih dikenali

Sekiranya penggunaan pembelajaran mesin mendapat sedikit lumba jantung, inilah pembersih lelangit yang lebih sosial.

Pada tahun 2018, Instagram mula melancarkan keupayaan Fokusnya, yang membolehkan pengguna membuat selfies dan gambar yang difokuskan secara profesional yang mengenal pasti wajah dan mengaburkan latar belakang.

Walaupun ia tidak betul-betul menghentikan serangan jantung, ciri ini menawarkan pengalaman intuitif dan biasa, dan mungkin dengan pembaikan perkakasan dan perisian yang datang dengan pembelajaran mesin.

Sama ada menggunakan mod selfie, atau standard, kamera belakang menghadap, Fokus menggunakan rangkaian segmentasi imej untuk secara automatik mengasah pada subjek imej sambil mengaburkan latar belakang untuk membuat pukulan yang kelihatan profesional. Seperti yang anda bayangkan, ini adalah teknik rumit yang memerlukan pemprosesan tambahan yang penting untuk berjalan dengan cepat dan cekap, dan hasilnya digunakan secara terpilih ke platform lebih tinggi yang menyokong pengoptimuman yang diperlukan. Dan, kerana kerjasama yang hebat dengan pasukan Arm dan Komputasi Perpustakaan, ini juga termasuk beberapa peranti dengan GPU Arm Arm.

Jadi apa yang seterusnya?

Pada tahun 2019, syarikat-syarikat seperti Arm akan memperkuat peranti di seluruh dunia dengan meningkatkan kebolehan pembelajaran mesin. Kita boleh mengharapkan peningkatan di hampir setiap industri, dari kawalan serangga yang disasarkan tepat dalam pertanian kepada ciri yang lebih maju untuk kenderaan autonomi. Peranti pintar anda mungkin akan menjadi lebih baik pada tugas seperti pengenalan pertuturan, dengan keupayaan yang meningkat untuk mengesan perkara seperti infleksi dan nada.

Perhatikan Lengan jika anda ingin melihat di mana pembelajaran mesin pada peranti diterajui pada tahun 2019. Dengan trend hoki-stick dalam keupayaan pembelajaran mesin, ia akan menjadi tahun yang menarik.