Contenuto
- Qual è il futuro dell'apprendimento automatico?
- Rendere il digitale fisico
- Considera Corti
- Un focus più familiare
- Allora, qual è il prossimo?
4 febbraio 2019
Qual è il futuro dell'apprendimento automatico?
Ai vecchi tempi, le macchine erano notoriamente cattive nel riconoscimento dei modelli: potevano davvero solo seguire una serie di istruzioni pre-programmate. L'ascesa dell'apprendimento automatico ha prodotto sistemi e dispositivi che possono effettivamente interpretare i dati e usarli per migliorarsi.
L'apprendimento automatico tocca già quasi ogni aspetto delle nostre vite, cambiandole in meglio. Per quanto siamo in grado di rilevare modelli, le macchine sono molto, molto meglio - e questo rilevamento di modelli è molto utile in una vasta gamma di modi, dal riconoscimento vocale all'anticipazione del mercato azionario.
Quindi cosa possiamo aspettarci da questo campo nel 2019?
Rendere il digitale fisico
Le aziende fortemente investite sia nel machine learning che nell'informatica su piccola scala stanno aprendo la strada per il futuro della ML. Il braccio è in prima linea in questo sforzo. La sua tecnologia sta migliorando tutto, dalle cure mediche di prima risposta ai selfie scattanti.
Considera Corti
Corti è un piccolo dispositivo specializzato delle dimensioni di una Google Home. Tuttavia, non troverai presto uno di questi nel tuo salotto.
Lo strumento è attualmente in fase di implementazione nei centri di risposta alle emergenze in tutto il mondo. Ascolta le chiamate di emergenza medica e aiuta l'operatore a fornire i migliori consigli.
È l'obiettivo più importante? Identificare un incidente di arresto cardiaco prima che gli umani sulla linea.
Gli attacchi di cuore uccidono più persone di ogni altra cosa, ma siamo ancora notoriamente cattivi nel raccogliere i segni rivelatori. Questa mancanza di consapevolezza può ritardare l'intervento in situazioni in cui anche solo pochi minuti possono avere un grave impatto sul tasso di sopravvivenza della vittima. In effetti, per ogni minuto in cui la RCP viene ritardata, le possibilità di sopravvivenza diminuiscono fino al 10 percento.
Questo dispositivo ML ha una comprovata esperienza nell'identificazione più rapida dell'arresto cardiaco, con un sorprendente tasso di precisione del 93 percento - molto più alto del 73 percento tipico di un operatore umano. Il suo uso diffuso potrebbe salvare migliaia di vite.
L'apprendimento automatico è necessariamente gestito sul dispositivo, piuttosto che connesso a un database nel cloud. In situazioni pericolose per la vita, l'operatore deve fornire consulenza salvavita momento per momento, indipendentemente dal singhiozzo di Internet. Anche i problemi di privacy rendono un dispositivo ML connesso al web un po 'complicato in situazioni mediche.
Corti non è solo un pony con un trucco; la sua attenzione si sta espandendo per includere il sovradosaggio di farmaci e le diagnosi di ictus, usando tecniche come l'analisi vocale.
Corti è alimentato da Nvidia TX2: Arm v8 (64-bit) dual-core + Cortex-A57 quad-core (64-bit).
Un focus più familiare
Se quell'uso dell'apprendimento automatico ti ha fatto battere il cuore un po 'troppo, ecco un detergente per il palato più sociale.
Nel 2018, Instagram ha iniziato a implementare la sua capacità Focus, che consente agli utenti di creare selfie e scatti professionali che identificano i volti e sfocano lo sfondo.
Sebbene non fermi esattamente gli attacchi di cuore, questa funzionalità offre un'esperienza intuitiva e familiare ed è possibile con i miglioramenti hardware e software forniti con l'apprendimento automatico.
Sia che si utilizzi la modalità selfie, sia la fotocamera posteriore standard, Focus utilizza la rete di segmentazione dell'immagine per affinare automaticamente il soggetto sull'immagine sfocando lo sfondo per creare uno scatto dall'aspetto professionale. Come puoi immaginare, questa è una tecnica complessa che richiede un'elaborazione aggiuntiva significativa per essere eseguita in modo rapido ed efficiente e, di conseguenza, è stata distribuita selettivamente su piattaforme di fascia alta che supportano le ottimizzazioni necessarie. E, grazie a una potente collaborazione con Arm e il team di Compute Library, questo include anche una serie di dispositivi con GPU Arm Mali.
Allora, qual è il prossimo?
Nel 2019, aziende come Arm rafforzeranno i dispositivi in tutto il mondo con crescenti capacità di apprendimento automatico. Possiamo aspettarci miglioramenti in quasi tutti i settori, dal controllo dei parassiti mirato in agricoltura alle caratteristiche più avanzate per i veicoli autonomi. I tuoi dispositivi intelligenti miglioreranno probabilmente in compiti come il riconoscimento vocale, con una maggiore capacità di rilevare cose come inflessione e tono.
Tieni d'occhio Arm se vuoi vedere dove sta andando l'apprendimento automatico su dispositivo nel 2019. Con una tendenza del bastone da hockey nelle capacità di apprendimento automatico, sarà un anno emozionante.
