Inhoud
- Wat is de volgende stap voor machine learning?
- Het digitale fysiek maken
- Overweeg Corti
- Een meer vertrouwde focus
- Dus wat nu?
4 februari 2019
Wat is de volgende stap voor machine learning?
In vroeger tijden waren machines notoir slecht in patroonherkenning - ze konden eigenlijk alleen maar een reeks voorgeprogrammeerde instructies volgen. De opkomst van machine learning heeft systemen en apparaten opgeleverd die data daadwerkelijk kunnen interpreteren en gebruiken om zichzelf te verbeteren.
Machine learning raakt al bijna elk aspect van ons leven en verandert ze ten goede. Hoe goed we ook zijn in het detecteren van patronen, machines zijn er veel, veel beter in - en deze patroondetectie komt op heel veel manieren van pas, van spraakherkenning tot anticipatie op de beurs.
Dus wat kunnen we van dit veld verwachten in 2019?
Het digitale fysiek maken
Bedrijven die veel hebben geïnvesteerd in zowel machine learning als kleinschalig computergebruik maken de weg vrij voor de toekomst van ML. Arm staat hierbij centraal. De technologie verbetert alles, van medische hulp bij eerste hulp tot knallende selfies.
Overweeg Corti
Corti is een gespecialiseerd apparaatje ter grootte van een Google Home. U zult deze echter binnenkort niet in uw woonkamer vinden.
De tool wordt momenteel geïmplementeerd bij alarmcentrales wereldwijd. Het luistert naar medische noodoproepen en helpt de operator het beste advies te geven.
Het is het belangrijkste doel? Om een incident van hartstilstand te identificeren voor de mensen aan de lijn.
Hartaanvallen doden meer mensen dan wat dan ook, maar we zijn nog steeds notoir slecht in het oppikken van de veelbetekenende tekenen. Dit gebrek aan bewustzijn kan de interventie vertragen in situaties waar zelfs een paar minuten een ernstige impact kunnen hebben op de overlevingskansen van het slachtoffer. Voor elke minuut dat de reanimatie is vertraagd, daalt de kans op overleven zelfs met maximaal 10 procent.
Dit ML-apparaat heeft een bewezen staat van dienst in het sneller identificeren van hartstilstand, met een verbazingwekkende nauwkeurigheid van 93 procent - veel hoger dan de 73 procent die typerend is voor een menselijke operator. Het wijdverbreide gebruik kan duizenden levens redden.
Het machinaal leren wordt noodzakelijkerwijs op het apparaat afgehandeld in plaats van verbonden met een database in de cloud. In levensbedreigende situaties moet de operator moment-to-moment levensreddend advies geven, ongeacht internetproblemen. Privacyoverwegingen maken een via internet verbonden ML-apparaat ook een beetje lastig in medische situaties.
Corti is niet alleen een one-trick pony; de focus wordt uitgebreid met overdosis drugs en beroerte diagnoses, met behulp van technieken zoals vocale analyse.
Corti wordt aangedreven door de Nvidia TX2: Arm v8 (64-bit) dual-core + Cortex-A57 quad-core (64-bit).
Een meer vertrouwde focus
Als dat gebruik van machine learning je hart een beetje te veel heeft laten kloppen, is hier een socialere smaakreiniger.
In 2018 begon Instagram zijn Focus-functie uit te rollen, waarmee gebruikers professioneel gerichte selfies en shots kunnen maken die gezichten identificeren en de achtergrond vervagen.
Hoewel het niet echt hartaanvallen stopt, biedt deze functie een intuïtieve en vertrouwde ervaring en is het mogelijk met de hardware- en softwareverbeteringen die gepaard gaan met machine learning.
Of u nu de selfiemodus gebruikt of de standaard, naar achteren gerichte camera, Focus gebruikt het beeldsegmentatienetwerk om automatisch het onderwerp van het beeld aan te scherpen en de achtergrond te vervagen om een professioneel ogende opname te maken. Zoals u zich misschien kunt voorstellen, is dit een complexe techniek die een aanzienlijke extra verwerking vereist om snel en efficiënt te worden uitgevoerd en als gevolg daarvan selectief werd geïmplementeerd op geavanceerde platforms die de nodige optimalisaties ondersteunen. En dankzij een krachtige samenwerking met Arm en het Compute Library-team, omvat dit ook een aantal apparaten met Arm Mali GPU's.
Dus wat nu?
In 2019 zullen bedrijven zoals Arm apparaten over de hele wereld versterken met toenemende mogelijkheden voor machine learning. We kunnen verbeteringen verwachten in bijna elke branche, van precies gerichte ongediertebestrijding in de landbouw tot meer geavanceerde functies voor autonome voertuigen. Uw slimme apparaten zullen waarschijnlijk beter worden in taken zoals spraakherkenning, met een verhoogd vermogen om dingen zoals verbuiging en toon te detecteren.
Houd Arm in de gaten als je wilt zien waar machinaal leren op het apparaat in 2019 gaat. Met een hockeystick-trend in mogelijkheden voor machinaal leren, wordt het een spannend jaar.
