Sisältö
Mikä on ihmislajien suurin yksittäinen sopeutuminen?
Ehdottomasti emme vaikuttavien fysiomme, villaisten turkkiemme tai ihmeellisten hajuominaisuustemme suhteen. Emme tavallaan imevät kaikkia niitä. Suurin piirremme on hahmontunnistus. Itse asiassa se on niin vahva, että luemme usein malleja, joissa niitä ei ole. (Katso: astrologia.)
Historiallisesti kykymme tunnistaa mallit antoi meille päätellä, milloin vaara oli lähellä, jotta voimme toimia. Se myös antoi meidän kehittää kieliä monimutkaisemmiksi kuin sarjoja ja assosiaatioita. Voisit jopa sanoa, että se on modernin tieteen perusta.
Koneiden nousu
Aikaisemmin koneilla oli tunnetusti huono kuvion tunnistus - ne pystyivät todella seuraamaan vain joukkoa esiohjelmoituja ohjeita. Koneoppimisen nousu on tuottanut järjestelmiä ja laitteita, jotka osaavat tosiasiallisesti tulkita tietoa ja käyttää sitä itsensä parantamiseen.
Koneoppiminen koskettaa jo melkein kaikkia elämämme osa-alueita muuttamalla niitä parempaan suuntaan. Niin hyvä kuin olemme havaitsemassa kuvioita, koneet ovat siinä paljon, paljon paremmin - ja tämä kuvion havaitseminen on melko kätevää monella eri tavalla, puheentunnistuksesta osakemarkkinoiden ennakointiin.
Joten mitä voimme odottaa tältä kentältä vuonna 2019?
Digitaalisen fyysisen tekeminen
Yritykset, jotka ovat panostaneet voimakkaasti sekä koneoppimiseen että pienimuotoiseen tietotekniikkaan, ovat raivaamassa tietä ML: n tulevaisuudelle. Arm on tämän työn eturintamassa. Sen tekniikka parantaa kaikkea ensiapua koskevasta lääketieteellisestä hoidosta itsepisteiden napsauttamiseen.
Mieti Cortia
Corti on erikoistunut pieni laite, joka on Google-kotisivun kokoinen. Et kuitenkaan löydä mitään näistä olohuoneestasi pian.
Työkalua käytetään parhaillaan hätäkeskuksiin ympäri maailmaa. Se kuuntelee lääketieteellisiä hätäpuheluita ja auttaa käyttäjää antamaan parhaat neuvot.
Se on tärkein tavoite? Tunnistaa sydämenpysähdys ennen linjalla olevia ihmisiä.
Sydänkohtaukset tappavat enemmän ihmisiä kuin mikään, mutta olemme edelleenkin pahasti noutamassa ilmaisimerkkeihin. Tämä tietoisuuden puute voi viivästyttää interventiota tilanteissa, joissa jopa muutamalla minuutilla voi olla vakava vaikutus uhrin eloonjäämiseen. Itse asiassa jokaisesta minuutista, jolloin CPR viivästyy, selviytymismahdollisuus laskee jopa 10 prosenttia.
Tällä ML-laitteella on todistettu kokemus sydämenpysähdyksen tunnistamisesta nopeammin. Hämmästyttävä tarkkuusaste on 93 prosenttia - paljon suurempi kuin ihmiselle tyypillinen 73 prosenttia. Sen laaja käyttö voisi pelastaa tuhansia ihmishenkiä.
Koneoppiminen hoidetaan välttämättä laitteella, sen sijaan että se olisi yhdistetty pilvessä olevaan tietokantaan. Hengenvaarallisissa tilanteissa operaattorin on annettava hetkellisestä hengenpelastusneuvonnasta riippumatta Internetin hikeistä. Tietosuojaongelmat tekevät myös verkkoon liitetystä ML-laitteesta hieman hankalia lääketieteellisissä tilanteissa.
Corti ei ole vain yhden tempun poni; sen painopistettä laajennetaan kattamaan huumeiden yliannostus- ja aivohalvausdiagnoosit, käyttämällä tekniikoita, kuten lauluanalyysi.
Cortin virtalähteenä on Nvidia TX2: Arm v8 (64-bittinen) kaksoisydin + Cortex-A57 nelinytiminen (64-bittinen).
Lisää tuttua fokusta
Jos tämä koneoppiminen sai sydämesi kilpailemaan hiukan liikaa, tässä on sosiaalisemman suulakun puhdistusaine.
Vuonna 2018 Instagram aloitti fokuskykynsä, jonka avulla käyttäjät voivat luoda ammattimaisesti keskittyneitä selfies-kuvia ja kuvia, jotka tunnistavat kasvot ja hämärtävät taustaa.
Vaikka tämä ominaisuus ei juuri lopeta sydänkohtauksia, tämä ominaisuus tarjoaa intuitiivisen ja tutun kokemuksen, ja se on mahdollista koneoppimisen mukana tulevien laitteisto- ja ohjelmistoparannusten avulla.
Käytetäänkö selfie-tilaa tai tavallista taustavalaistu kameraa, Focus käyttää kuvan segmentointiverkkoa hienosäätääksesi automaattisesti kuvan aiheen hämärtäen taustaa luodakseen ammattimaisen kuvan. Kuten voitte kuvitella, tämä on monimutkainen tekniikka, joka vaatii merkittävää lisäprosessointia nopeaan ja tehokkaaseen ajamiseen, ja sen seurauksena se otettiin käyttöön valikoivasti huippuluokan alustoille, jotka tukevat tarvittavia optimointeja. Ja vahvan yhteistyön ansiosta Arm: n ja Compute Library -tiimin kanssa tämä sisältää myös useita laitteita, joissa on Arm Mali GPU.
Mitä seuraavaksi?
Vuonna 2019 Arm-kaltaiset yritykset tukevat laitteita ympäri maailmaa kasvavilla koneoppimiskyvyillä. Voimme odottaa parannuksia melkein kaikilla toimialoilla, tarkkaan kohdennetulta tuholaistorjunnasta maatalouden edistyneempiin ominaisuuksiin itsenäisiin ajoneuvoihin. Älylaitteesi paranevat todennäköisesti puheentunnistuksen kaltaisissa tehtävissä, ja kyky tunnistaa esimerkiksi käänne ja äänimerkit ovat paremmat.
Pidä silmällä Arm, jos haluat nähdä, missä laitteiden koneoppiminen on menossa vuonna 2019. Koneoppimismahdollisuuksien jääkiekkokehityksen suuntauksesta tulee se jännittävä vuosi.
