Съдържание
- Какво следва за машинното обучение?
- Осъществяване на цифровия физически
- Помислете за Корти
- По-познат фокус
- И какво следва?
4 февруари 2019 г.
Какво следва за машинното обучение?
В предишни времена машините бяха известни лошо в разпознаването на образеца - те наистина можеха да следват само набор от предварително програмирани инструкции. Възходът на машинното обучение даде системи и устройства, които всъщност могат да интерпретират данни и да ги използват, за да се подобрят.
Машинното обучение вече докосва почти всеки аспект от нашия живот, променяйки ги към по-добро. Колкото и да сме в откриването на модели, машините са далеч, далеч по-добри в това - и това разпознаване на модели идва доста удобно в огромен диапазон от начини, от разпознаване на речта до очакване на фондовата борса.
И така, какво можем да очакваме от тази област през 2019 г.?
Осъществяване на цифровия физически
Компаниите, които са инвестирани силно в машинно обучение и в малки мащаби, изчистват пътя към бъдещето на ML. Arm е начело на това усилие. Технологията му подобрява всичко - от медицинска помощ при първа реакция до щракане на селфита.
Помислете за Корти
Corti е малко специализирано устройство с размерите на Google Home. Въпреки това скоро няма да намерите едно от тях в хола си.
В момента инструментът се внедрява в центрове за реагиране при извънредни ситуации по целия свят. Той слуша медицински обаждания за спешна помощ и помага на оператора да даде най-добрите съвети.
Това е най-важната цел? За идентифициране на инцидент със сърдечен арест преди хората по линията.
Сърдечните пристъпи убиват повече хора от всичко друго, но въпреки това все още сме известни лошо в набирането на знаците. Тази липса на осведоменост може да забави намесата в ситуации, в които дори няколко минути могат да окажат сериозно влияние върху процента на оцеляване на жертвата. Всъщност, за всяка минута, когато CPR се забави, шансът за оцеляване спада с до 10 процента.
Това ML устройство има доказан опит за идентифициране на сърдечен арест по-бързо, с удивителна степен на точност от 93 процента - много по-висока от 73 процента, типични за човешки оператор. Широката му употреба може да спаси хиляди животи.
Машинното обучение задължително се обработва на устройство, а не се свързва с база данни в облака. В животозастрашаващи ситуации, операторът трябва да предостави съвети за спасяване на всеки момент, независимо от хълцането в интернет. Притесненията относно поверителността също правят свързано с МР устройство малко трудно в медицински ситуации.
Корти не е просто пони с едно трикове; фокусът му се разширява, за да включва диагнози за предозиране и инсулт, като се използват техники като вокален анализ.
Corti се захранва от Nvidia TX2: Arm v8 (64-битов) двуядрен + Cortex-A57 четириядрен (64-битов).
По-познат фокус
Ако при използването на машинно обучение сърцето ви се надпреварва прекалено много, ето един по-социален препарат за почистване на небцето.
През 2018 г. Instagram започна да разгръща своята Focus способност, която позволява на потребителите да създават професионално фокусирани селфита и снимки, които идентифицират лица и размиват фона.
Въпреки че не спира точно сърдечните пристъпи, тази функция предлага интуитивно и познато преживяване и е възможно с хардуерните и софтуерни подобрения, които идват с машинно обучение.
Независимо дали използвате selfie режим или стандартната, обърната назад камера, Focus използва мрежата за сегментиране на изображението, за да се свърже автоматично върху обекта на изображението, докато размива фона, за да създаде снимка, изглеждаща професионално. Както можете да си представите, това е сложна техника, която изисква значителна допълнителна обработка, за да работи бързо и ефективно, и в резултат на това се използва селективно на платформи от по-висок клас, поддържащи необходимите оптимизации. И поради мощното сътрудничество с Arm и екипа на Compute Library, това включва и редица устройства с графични процесори Arm Mali.
И какво следва?
През 2019 г. компании като Arm ще подкрепят устройства по целия свят с нарастващи способности за машинно обучение. Можем да очакваме подобрения в почти всяка индустрия, от прецизно насочен контрол върху вредителите в селското стопанство до по-усъвършенствани функции за автономните превозни средства. Вашите интелигентни устройства вероятно ще станат по-добри при задачи като разпознаване на реч, с повишена способност да разпознават неща като наклон и тон.
Внимавайте Arm, ако искате да видите къде се насочва машинното обучение на устройството през 2019 г. С тенденцията на хокейните пръчки в възможностите за машинно обучение ще бъде вълнуваща година.
