Innehåll
Vilken är den enskilt största anpassningen av den mänskliga arten?
Definitivt inte vår imponerande kroppsbyggnad, ylla rockar eller fantastiska luktfunktioner. Vi suger på det hela taget. Vårt största drag är mönsterigenkänning. Faktum är att det är så starkt att vi ofta läser mönster där inget finns. (Se: astrologi.)
Historiskt sett har vår förmåga att känna igen mönster att dra oss ifrån när faran var nära i tid att agera. Det låter oss också utveckla språk som är mer komplicerade än en serie grymningar och föreningar. Du kan till och med säga att det är grunden för modern vetenskap.
Rise of the Machines
I gamla tider var maskiner notoriskt dåliga vid mönsterigenkänning - de kunde egentligen bara följa en uppsättning förprogrammerade instruktioner. Ökningen av maskininlärning har gett system och enheter som faktiskt kan tolka data och använda dem för att förbättra sig själva.
Maskininlärning berör redan nästan alla aspekter av våra liv och ändrar dem till det bättre. Så lika bra som vi upptäcker mönster är maskiner långt, mycket bättre på det - och detta mönsterdetektering är ganska praktiskt på ett stort antal sätt, från taligenkänning till förväntan på aktiemarknaden.
Så vad kan vi förvänta oss av detta fält under 2019?
Att göra det digitala fysiskt
Företag som investerar starkt i både maskininlärning och småskaliga datorer håller på att rensa väg för ML: s framtid. Arm är i spetsen för denna insats. Dess teknik förbättrar allt från första-svar medicinsk vård till snappande selfies.
Tänk på Corti
Corti är en specialiserad liten enhet i storleken på ett Google-hem. Men du hittar inte någon av dessa i ditt vardagsrum någon gång snart.
Verktyget distribueras för närvarande till räddningscentraler över hela världen. Den lyssnar på medicinska nödsamtal och hjälper operatören att ge de bästa råden.
Det är det viktigaste målet? Att identifiera en incident av hjärtstillestånd inför människorna på linjen.
Hjärtattacker dödar fler människor än någonting, men vi är fortfarande notoriskt dåliga på att plocka upp de berömda skyltarna. Denna bristande medvetenhet kan försena intervention i situationer där till och med några minuter kan ha en allvarlig inverkan på offrets överlevnad. Faktum är att för varje minut som HLR försenas sjunker överlevnaden med upp till 10 procent.
Denna ML-enhet har en bevisad meritlista för att identifiera hjärtstopp snabbare, med en häpnadsväckande noggrannhetsgrad på 93 procent - mycket högre än de 73 procent som är typiska för en mänsklig operatör. Dess utbredda användning kan rädda tusentals liv.
Maskininlärningen hanteras nödvändigtvis på enheten snarare än ansluten till en databas i molnet. I livshotande situationer måste operatören ge livräddande råd från ögonblick till ögonblick, oavsett hicka på internet. Integritetsfrågor gör också en webbansluten ML-enhet lite knepig i medicinska situationer.
Corti är inte bara en pik med ett trick; Fokuset utvidgas till att omfatta drogdos och slagdiagnoser med hjälp av tekniker som vokalanalys.
Corti drivs av Nvidia TX2: Arm v8 (64-bitars) dual-core + Cortex-A57 quad-core (64-bit).
Ett mer bekant fokus
Om den användningen av maskininlärning fick ditt hjärta racing lite för mycket, här är en mer social gomrengöring.
År 2018 började Instagram rulla ut sin Focus-kapacitet, som låter användare skapa professionellt fokuserade selfies och skott som identifierar ansikten och suddar ut bakgrunden.
Även om det inte exakt stoppar hjärtattacker, erbjuder den här funktionen en intuitiv och bekant upplevelse, och det är möjligt med hårdvaru- och programvaruförbättringarna som kommer med maskininlärning.
Oavsett om du använder selfie-läge eller standard, bakåtvänd kamera, använder Focus bildsegmenteringsnätverket för att automatiskt finslipa på bildens ämne medan du suddrar bakgrunden för att skapa ett professionellt utseende. Som ni kanske föreställer er detta en komplex teknik som kräver betydande ytterligare bearbetning för att kunna köras snabbt och effektivt och som ett resultat distribuerades selektivt till högre slutplattformar som stöder nödvändiga optimeringar. Och på grund av ett kraftfullt samarbete med Arm och Compute Library-teamet inkluderar detta också ett antal enheter med Arm Mali GPU: er.
Så vad är nästa?
Under 2019 kommer företag som Arm att förstärka enheter över hela världen med ökande maskininlärningsförmåga. Vi kan förvänta oss förbättringar i nästan alla branscher, från exakt riktad skadedjursbekämpning inom jordbruket till mer avancerade funktioner för autonoma fordon. Dina smarta enheter kommer troligen att bli bättre på uppgifter som taligenkänning, med en ökad förmåga att upptäcka saker som böjning och ton.
Håll ett öga på Arm om du vill se vart maskininlärning går på väg under 2019. Med en hockey-stick-trend i maskininlärningsfunktioner blir det ett spännande år.
