Современному смартфону, чтобы оставаться «модным», нужно иметь дисплей 18:9 с минимальными рамками (лучше с вырезом), превосходную камеру и искусственный интеллект и/или машинное обучение.
Искусственный интеллект и машинное обучение – эти заумные словечки перенимаются и применяются на всех составляющих наших смартфонов, от системы на кристалле до операционной системы. Так что же это: маркетинговое надувательство, научная фантастика или факт, являющийся вымыслом? Читайте дальше, и мы предоставим простой и по возможности свободный от жаргона обзор.
Материал взят с сайта GSMARENA. Ссылка на первоисточник — //www.gsmarena.com/smartphones_artificial_intelligence_and_machine_learning-news-30627.php
В чем же разница между искусственным интеллектом и машинным обучением
Искусственный интеллект лучше всего можно охарактеризовать, как способность машины демонстрировать практики, включающие обучение, поведение и общение, похожие на наши. Звучит, как нечто из разряда фантастики, да? Что ж, если бы мы закончили здесь, то мы бы согласились с этим, но давайте копнем глубже.
Возьмем обобщение ИИ (Общий ИИ), представленное выше, сузим его, выберем определенную область, которая более уместна для нашего вопроса – например, распознавание изображений – и назовем это Узкий ИИ. Наши смартфоны не просто вдруг развили способность распознавать отличия между машиной и тарелкой с вечерним перекусом. Их этому научили. Способность «по-настоящему» узнавать что-то новое в своей чистой форме, т. е. без постороннего вмешательства, для них пока недоступна.
Я состоял в команде, которая выпустила схему карты лояльности для крупной британской компании розничной торговли, которая теперь имеет около 16 млн. держателей карт. Теперь представьте объем данных, который мы собирали. База данных клиентов, вмещающая всю информацию, которую предоставили все 16 млн. во время процесса регистрации, включает пол, возраст, детей и адреса. База данных транзакций, куда вносится информация обо всех купленных предметах, включает дату, время и магазин.
Какие понимание и интеллект наши системы могли бы продемонстрировать нам, однако реальность была немного другой. Однажды мы прибыли в офис и обнаружили, что наши системы выдали нам «истину» или тренд, который мы не рассматривали. Нет, наша система прямо отвечала на поставленный вопрос – сколько женщин с определенными демографическими данными не купили определенный бренд парфюма, например. Мы могли принять эти данные и дать совет бренду. Это был интеллектуальный анализ данных, хотя и в массовом масштабе, с применением правил и логики, созданных нами.
Теперь же вернемся к смартфонам. Пора и машинному обучению выйти на сцену. В качестве практического примера возьмем альбом «Люди» от Apple и предположим, что ранее никого не «отмечали».
Когда вы впервые просматриваете альбом «Люди», он показывает только фотографии, где была определена геометрия «лица», без имен.
- Выберите лицо без имени и дайте ему имя.
- Программа попросит подтверждения, что другое лицо принадлежит этому человека. Пока она получила лишь первое лицо для работы, так что предлагаемое лицо во второй раз может отличаться. Вы отвечаете «да» или «нет» и повторяете.
С каждым разом программа узнает больше и больше об этом лице с разных углов, с различными прическами, что случается, когда оно стареет и т.д. Таким образом вы достигаете точки, когда, вы делаете фото человека, и программа автоматически отмечает его правильным именем.
Это яркий пример использования машинного обучения для активации Узкого искусственного интеллекта.
В приведенном выше примере, мы учили наш смартфон распознавать лица наших друзей, поскольку для нас они уникальны. В наши приложения камеры эти улучшения уже были внедрены другими компаниями, которые обеспечивают базовый уровень. Они используют машинное обучение для регистрации и классификации множества фотографий, так что, когда в объектив попадает тарелка с едой, ваш смартфон распознает ее и применяет подходящие фильтры для лучшего из возможных фото, и отмечает ее как определенный вид еды.
В будущем эти Узкие ИИ будут расширяться для лучшей работы вместе. К теме о распознавании наших лиц, iPhone X использует ИИ для Face ID, чтобы запомнить ваше лицо и снимать блокировку с iPhone в различных условиях. Представьте себе будущее, где данный процесс автоматически распространяется на приложение «Фото», чтобы помогать в начальной стадии распознавания или в добавлении дополнительных изображений.
Специальные чипсеты с искусственным интеллектом
На этом этапе уместно поговорить о чипах. Когда производители ссылаются на элементы ИИ в своих чипах, рассматривайте это, как нечто похожее на графический процессор (GPU). Ведь GPU предоставляет разработчикам ряд эффективных API, например, для отображения многоугольника в пределах определенного координатного пространства с цветной текстурой. Чипсеты с искусственным интеллектом предоставляют эффективный ряд API, которые через нейронные сети поддерживают задачи, связанные с ИИ.
Примеры чипсетов, включающих аппаратные средства, связанные с ИИ, включают:
- Нейронный процессор (ИИ-ускоритель) HiSilicon Kirin 970 от Huawei
- ИИ-платформа ЦПОС Snapdragon 845 Hexagon 685 от Qualcomm
- Нейронный процессор A11 Bionic от Apple
Их аппаратура нейронной сети может выполнять до 100 млрд. операций в секунду.
Но не беспокойтесь, если чипсет вашего смартфона не содержит специальных элементов с ИИ, данный процесс будет осуществляться программным обеспечением. Он будет менее эффективным, поскольку устройство не сможет запросить поддержку специального элемента, а в первую очередь будет использовать GPU и в некоторых случаях ЦП.
Разработчики
До недавнего времени, хотя ИИ был доступен на ОС для встроенных приложений и процессов, разработчикам было сложно осуществлять локальные ИИ-задачи внутри своих программ. Ради этого им приходилось встраивать собственный ИИ или использовать сторонний фреймворк, вроде машинного обучения AWS от Amazon. Теперь же все изменилось, поскольку Android 8.1 и iOS 11 предоставляют API, позволяющие разработчикам легко добавлять машинное обучение в свои программы.
Android 8.1
Android Neural Networks API (NNAPI) предназначен для осуществления интенсивных вычислительных операций для машинного обучения. NNAPI предоставляет базовый уровень функционала для фреймворков машинного обучения более высокого уровня (таких как TensorFlow Lite, Caffe2 и других), которые строят и тренируют нейронные сети.
iOS 11
Core ML – это основной фреймворк машинного обучения, используемый на продукции Apple, включая Siri, Камера и QuickType.
Конфиденциальность
Компании живут и умирают благодаря конфиденциальности наших данных, ради которой используют различные подходы. В некоторых, данные никогда не покидают смартфон, а если такое происходит, он токенизируется. В других случаях, зашифрованные данные в облаке предоставляют дополнительные возможности для улучшения и обогащения опыта.
Двигаясь дальше, уровень доступа для друзей и семьи сохранит дополнительное время всем нам. Возвращаясь к теме распознавания лица, если делиться и получать все процедуры обучения, предпринятые семьей и близкими друзьями, это обеспечит, что если кто-то обучит свою фото-библиотеку распознавать лицо своего сына, это знание автоматически перейдет на ВСЕ их библиотеки.
В этой статье мы концентрировались на фотографировании, чтобы текст был короче, а мысль не скакала туда-сюда, однако ИИ и ML применяются и в следующих областях:
- Понимание языка, включая речь и распознавание написанного от руки
- Использование датчиков смартфона для лучшего понимания, что происходит вокруг пользователя
- Предиктивные интерфейсы, рабочий процесс пользователя и цензура контента/родительский контроль
- Защита устройства
- Улученная обработка изображений
- Дополнительная реальность и ИИ-зрение
- В управлении приложениями/системой устройства для увеличения работы аккумулятора
Последний момент перед заключением, если в этой области когда-нибудь появятся стандарты, это потенциально может позволить вам делиться своим интеллектом с устройствами и сервисами разных производителей. Знаем – мечты, мечты.
Так что пока не волнуйтесь. Ваш смартфон не сможет обрести самосознание как Скайнет и попытаться прикончить вас, когда вы в следующий раз приложите трубку к уху. Просто теперь, больше чем когда либо, смартфоны начинают оправдывать первую часть своего названия. Так что пока давайте наслаждаться выгодами, которые приносит искусственный интеллект через машинное обучение в наше повседневное взаимодействие с нашими устройствами.
Все это лишь поверхностная информация в отношении этой темы, поскольку разветвления ИИ очень запутаны. Для дополнительной информации нажмите сюда, чтобы перейти на Википедию.