เนื้อหา
การปรับตัวครั้งใหญ่ที่สุดของเผ่าพันธุ์มนุษย์คืออะไร?
ไม่ใช่ร่างกายที่น่าประทับใจเสื้อคลุมขนสัตว์หรือความสามารถในการดมกลิ่นอันน่าทึ่งของเรา พวกเราดูดทุกคน ลักษณะที่ยิ่งใหญ่ที่สุดของเราคือ การจดจำรูปแบบ. ในความเป็นจริงมันแข็งแกร่งมากที่เรามักจะอ่านรูปแบบที่ไม่มีอยู่จริง (ดู: โหราศาสตร์)
ในอดีตความสามารถของเราในการจดจำรูปแบบให้เราอนุมานได้ว่าเมื่อใดที่อันตรายอยู่ใกล้เวลาที่จะดำเนินการ นอกจากนี้ยังให้เราพัฒนาภาษาที่ซับซ้อนกว่าชุดของคำรามและการเชื่อมโยง คุณอาจพูดได้ว่าเป็นรากฐานของวิทยาศาสตร์สมัยใหม่
การเพิ่มขึ้นของเครื่องจักร
ในยุคก่อนหน้านี้เครื่องจักรมีชื่อเสียงที่ไม่ดีในการจดจำรูปแบบ - พวกเขาสามารถทำตามคำแนะนำที่ตั้งโปรแกรมไว้ล่วงหน้าเท่านั้น การเพิ่มขึ้นของการเรียนรู้ของเครื่องทำให้ระบบและอุปกรณ์ที่สามารถตีความข้อมูลได้จริงและใช้เพื่อปรับปรุงตนเอง
การเรียนรู้ของเครื่องจักรนั้นสัมผัสได้เกือบทุกแง่มุมของชีวิตของเราเปลี่ยนพวกเขาให้ดีขึ้น ดีเท่าที่เราตรวจจับรูปแบบเครื่องจักรอยู่ไกลดีกว่านั้น - และการตรวจจับรูปแบบนี้มีประโยชน์ในหลากหลายรูปแบบตั้งแต่การรู้จำเสียงไปจนถึงการคาดการณ์ตลาดหุ้น
เราคาดหวังอะไรจากสาขานี้ในปี 2019
ทำให้ร่างกายดิจิตอล
บริษัท ที่ลงทุนอย่างมากในการเรียนรู้ของเครื่องและการคำนวณขนาดเล็กกำลังทำให้เส้นทางของ ML ในอนาคตชัดเจนขึ้น อาร์มเป็นแถวหน้าของความพยายามนี้ เทคโนโลยีของมันคือการปรับปรุงทุกอย่างตั้งแต่การดูแลทางการแพทย์ครั้งแรกไปจนถึงการถ่ายเซลฟี่
พิจารณา Corti
Corti เป็นอุปกรณ์ขนาดเล็กพิเศษเกี่ยวกับขนาดของหน้าแรกของ Google อย่างไรก็ตามคุณจะไม่พบสิ่งเหล่านี้ในห้องนั่งเล่นของคุณในไม่ช้า
เครื่องมือกำลังปรับใช้กับศูนย์ตอบสนองฉุกเฉินทั่วโลก มันฟังการโทรฉุกเฉินทางการแพทย์และช่วยให้ผู้ประกอบการให้คำแนะนำที่ดีที่สุด
มันเป็นเป้าหมายที่สำคัญที่สุด? เพื่อระบุเหตุการณ์ที่เกิดขึ้นของภาวะหัวใจหยุดเต้นต่อหน้ามนุษย์ในสาย
การโจมตีของหัวใจฆ่าผู้คนได้มากกว่าสิ่งใด ๆ แต่เราก็ยังไม่ดีพอที่จะเก็บสัญญาณที่บอกได้ การขาดความตระหนักนี้สามารถชะลอการแทรกแซงในสถานการณ์ที่แม้แต่ไม่กี่นาทีก็อาจส่งผลกระทบอย่างรุนแรงต่ออัตราการรอดชีวิตของเหยื่อ ในความเป็นจริงในแต่ละนาทีที่การทำ CPR ล่าช้ามีโอกาสรอดชีวิตลดลงมากถึง 10 เปอร์เซ็นต์
อุปกรณ์ ML นี้มีประวัติที่พิสูจน์แล้วว่าสามารถระบุภาวะหัวใจหยุดเต้นได้เร็วขึ้นโดยมีอัตราความแม่นยำที่น่าอัศจรรย์ถึง 93 เปอร์เซ็นต์สูงกว่าวิธีปกติถึง 73 เปอร์เซ็นต์ การใช้อย่างแพร่หลายสามารถช่วยชีวิตคนนับพันได้
การเรียนรู้ของเครื่องจำเป็นต้องได้รับการจัดการบนอุปกรณ์แทนที่จะเชื่อมต่อกับฐานข้อมูลในคลาวด์ ในสถานการณ์ที่คุกคามถึงชีวิตผู้ปฏิบัติงานจะต้องให้คำแนะนำในการช่วยชีวิตแบบทันทีต่อนาทีโดยไม่คำนึงถึงอาการสะอึกทางอินเทอร์เน็ต ความกังวลเกี่ยวกับความเป็นส่วนตัวยังทำให้อุปกรณ์ ML ที่เชื่อมต่อกับเว็บนั้นยุ่งยากเล็กน้อยในสถานการณ์ทางการแพทย์
Corti ไม่ใช่แค่ม้าตัวเดียว การมุ่งเน้นจะถูกขยายเพื่อรวมยาเกินขนาดและการวินิจฉัยโรคหลอดเลือดสมองโดยใช้เทคนิคเช่นการวิเคราะห์เสียง
Corti ใช้พลังงานจาก Nvidia TX2: Arm v8 (64- บิต) dual-core + Cortex-A57 quad-core (64-bit)
โฟกัสที่คุ้นเคยมากขึ้น
หากการเรียนรู้ด้วยเครื่องแบบนั้นทำให้หัวใจคุณเต้นแรงเกินไปนี่เป็นน้ำยาทำความสะอาดเพดานปากแบบสังคม
ในปี 2018 อินสตาแกรมเริ่มต้นความสามารถในการโฟกัสซึ่งช่วยให้ผู้ใช้สร้างเซลฟี่และช็อตที่เน้นมืออาชีพซึ่งระบุใบหน้าและทำให้ฉากหลังเบลอ
แม้ว่ามันจะไม่หยุดหัวใจวาย แต่คุณสมบัตินี้มอบประสบการณ์การใช้งานที่ง่ายและคุ้นเคยและเป็นไปได้ด้วยการปรับปรุงฮาร์ดแวร์และซอฟต์แวร์ที่มาพร้อมกับการเรียนรู้ของเครื่อง
ไม่ว่าจะใช้โหมดถ่ายเซลฟี่หรือมาตรฐานกล้องหันหน้าไปทางโฟกัสจะใช้เครือข่ายการแบ่งส่วนภาพเพื่อถ่ายภาพตัวแบบโดยอัตโนมัติในขณะที่เบลอพื้นหลังเพื่อสร้างภาพที่ดูเป็นมืออาชีพ ดังที่คุณอาจจินตนาการว่านี่เป็นเทคนิคที่ซับซ้อนที่ต้องใช้การประมวลผลเพิ่มเติมจำนวนมากเพื่อให้ทำงานได้อย่างรวดเร็วและมีประสิทธิภาพและด้วยเหตุนี้จึงมีการปรับใช้กับแพลตฟอร์มระดับสูงที่สนับสนุนการปรับแต่งที่จำเป็น และเนื่องจากการทำงานร่วมกันอย่างมีประสิทธิภาพกับ Arm และทีมงาน Compute Library จึงทำให้มีอุปกรณ์จำนวนมากที่มี ARM Mali GPUs
แล้วจะมีอะไรต่อไป
ในปี 2019 บริษัท เช่น Arm จะเสริมอุปกรณ์ทั่วโลกด้วยการเพิ่มความสามารถในการเรียนรู้ของเครื่อง เราสามารถคาดหวังการปรับปรุงในเกือบทุกอุตสาหกรรมตั้งแต่การควบคุมศัตรูพืชที่แม่นยำในการเกษตรไปจนถึงคุณสมบัติขั้นสูงสำหรับยานยนต์อิสระ อุปกรณ์สมาร์ทของคุณมีแนวโน้มที่จะทำงานได้ดีขึ้นเช่นการรู้จำเสียงด้วยความสามารถที่เพิ่มขึ้นในการตรวจจับสิ่งต่าง ๆ เช่นการผันและเสียง
จับตาดู Arm หากคุณต้องการดูว่าการเรียนรู้ของเครื่องจักรบนอุปกรณ์นั้นกำลังมุ่งหน้าไปที่ใดในปี 2562 ด้วยแนวโน้มที่จะทำให้การเรียนรู้ของเครื่องเป็นไปได้ยาก
