Inhalt
- Wie geht es beim maschinellen Lernen weiter?
- Das Digitale physisch machen
- Betrachten wir Corti
- Ein vertrauterer Fokus
- Was kommt als nächstes?
4. Februar 2019
Wie geht es beim maschinellen Lernen weiter?
In früheren Zeiten waren Maschinen für die Mustererkennung notorisch schlecht - sie konnten wirklich nur einem Satz vorprogrammierter Anweisungen folgen. Der Aufstieg des maschinellen Lernens hat zu Systemen und Geräten geführt, die Daten tatsächlich interpretieren und zur Selbstverbesserung verwenden können.
Maschinelles Lernen berührt bereits fast jeden Aspekt unseres Lebens und verändert sie zum Besseren. So gut wir Muster erkennen können, Maschinen sind weitaus besser darin - und diese Mustererkennung ist in vielerlei Hinsicht nützlich, von der Spracherkennung bis zur Börsenprognose.
Was können wir also 2019 von diesem Bereich erwarten?
Das Digitale physisch machen
Unternehmen, die sowohl in maschinelles Lernen als auch in Small-Scale-Computing investiert haben, ebnen den Weg für die Zukunft von ML. Arm steht bei diesen Bemühungen an vorderster Front. Seine Technologie verbessert alles von der medizinischen Erstversorgung bis zum Aufnehmen von Selfies.
Betrachten wir Corti
Corti ist ein spezielles kleines Gerät von der Größe eines Google Home. Sie werden jedoch in Kürze keine davon in Ihrem Wohnzimmer finden.
Das Tool wird derzeit in Notrufzentralen weltweit eingesetzt. Es hört auf medizinische Notrufe und hilft dem Bediener, die besten Ratschläge zu erteilen.
Das wichtigste Ziel? Um einen Vorfall von Herzstillstand vor den Menschen auf der Linie zu identifizieren.
Herzinfarkte töten mehr Menschen als alles andere, dennoch sind wir notorisch schlecht darin, die verräterischen Anzeichen zu erkennen. Dieses mangelnde Bewusstsein kann das Eingreifen in Situationen verzögern, in denen bereits einige Minuten schwerwiegende Auswirkungen auf die Überlebensrate des Opfers haben können. Tatsächlich sinkt die Überlebenschance für jede Minute, in der sich die CPR verzögert, um bis zu 10 Prozent.
Dieses ML-Gerät kann nachweislich einen Herzstillstand schneller identifizieren und weist eine erstaunliche Genauigkeit von 93 Prozent auf - weit mehr als die 73 Prozent, die für einen menschlichen Bediener typisch sind. Ihre weitverbreitete Verwendung könnte Tausende von Menschenleben retten.
Das maschinelle Lernen wird notwendigerweise auf dem Gerät durchgeführt, anstatt mit einer Datenbank in der Cloud verbunden zu sein. In lebensbedrohlichen Situationen muss der Betreiber unabhängig von Internetproblemen von Moment zu Moment lebensrettende Ratschläge erteilen. Datenschutzbedenken machen ein mit dem Internet verbundenes ML-Gerät auch in medizinischen Situationen etwas knifflig.
Corti ist nicht nur ein Ein-Trick-Pony. Der Fokus wird auf die Diagnose von Überdosierungen und Schlaganfällen erweitert, wobei Techniken wie die Stimmanalyse zum Einsatz kommen.
Corti wird mit dem Nvidia TX2: Arm v8 (64-Bit) Dual-Core + Cortex-A57 Quad-Core (64-Bit) betrieben.
Ein vertrauterer Fokus
Wenn diese Anwendung des maschinellen Lernens Ihr Herz etwas schneller schlagen lässt, finden Sie hier einen sozialeren Reiniger für den Gaumen.
Im Jahr 2018 begann Instagram mit der Einführung der Focus-Funktion, mit der Benutzer professionell fokussierte Selfies und Aufnahmen erstellen können, die Gesichter identifizieren und den Hintergrund verwischen.
Diese Funktion stoppt zwar nicht gerade Herzinfarkte, bietet jedoch eine intuitive und vertraute Erfahrung und ist mit den Hardware- und Softwareverbesserungen verbunden, die mit maschinellem Lernen einhergehen.
Unabhängig davon, ob Sie den Selfie-Modus oder die Standard-Rückfahrkamera verwenden, verwendet Focus das Bildsegmentierungsnetzwerk, um das Bildmotiv automatisch zu optimieren und den Hintergrund zu verwischen, um eine professionell aussehende Aufnahme zu erzielen. Wie Sie sich vorstellen können, handelt es sich hierbei um eine komplexe Technik, die eine erhebliche zusätzliche Verarbeitung erfordert, um schnell und effizient ausgeführt zu werden. Daher wurde sie selektiv auf High-End-Plattformen implementiert, die die erforderlichen Optimierungen unterstützen. Dank der engen Zusammenarbeit mit Arm und dem Compute Library-Team sind auch eine Reihe von Geräten mit Arm Mali-GPUs enthalten.
Was kommt als nächstes?
Im Jahr 2019 werden Unternehmen wie Arm Geräte auf der ganzen Welt mit zunehmenden maschinellen Lernfähigkeiten ausstatten. In nahezu allen Branchen sind Verbesserungen zu erwarten, von der gezielten Schädlingsbekämpfung in der Landwirtschaft bis hin zu erweiterten Funktionen für autonome Fahrzeuge. Ihre intelligenten Geräte werden wahrscheinlich bei Aufgaben wie der Spracherkennung besser werden, mit einer verbesserten Fähigkeit, Dinge wie Beugung und Ton zu erkennen.
Behalten Sie Arm im Auge, wenn Sie wissen möchten, wohin das maschinelle Lernen am Gerät im Jahr 2019 führen wird. Angesichts des Hockeyschlägertrends bei den maschinellen Lernfähigkeiten wird es ein aufregendes Jahr.
