Content
- Què hi ha a continuació per a l'aprenentatge automàtic?
- Fer el digital físic
- Penseu en Corti
- Un enfocament més familiar
- Què passa, doncs?
4 de febrer de 2019
Què hi ha a continuació per a l'aprenentatge automàtic?
En els primers temps, les màquines eren notòriament dolentes en el reconeixement de patrons: realment només podien seguir un conjunt d’instruccions preprogramades. L’augment de l’aprenentatge automàtic ha donat sistemes i dispositius que realment puguin interpretar dades i utilitzar-les per millorar-se.
L’aprenentatge automàtic ja toca gairebé tots els aspectes de la nostra vida, canviant-los per millor. Tan bé com detectem els patrons, les màquines són molt millor, i aquesta detecció de patrons és pràcticament útil en una gran varietat de maneres, des del reconeixement de la veu fins a l’anticipació borsària.
Aleshores, què podem esperar d’aquest camp el 2019?
Fer el digital físic
Les empreses fortament invertides tant en aprenentatge automàtic com en informàtica a petita escala estan clarifiant el camí per al futur de ML. El braç està al capdavant d’aquest esforç. La seva tecnologia millora tot, des de l’atenció mèdica de primera resposta fins als selfies.
Penseu en Corti
Corti és un petit dispositiu especialitzat sobre la mida d'una casa de Google. Tanmateix, aviat no en trobareu a la sala d'estar.
L’eina s’està desplegant actualment als centres d’atenció a emergències a tot el món. Escolta les trucades d’emergència mèdica i ajuda l’operador a proporcionar els millors consells.
És l’objectiu més important? Identificar un incident d’aturada cardíaca davant els humans que es troben a la línia.
Els atacs de cor maten més persones que res, però encara som notablement dolents en recollir els signes indicatius. Aquesta manca de consciència pot retardar la intervenció en situacions en què fins i tot uns minuts poden tenir un impacte greu en la taxa de supervivència de la víctima. De fet, per cada minut que retarda la RCP, la probabilitat de supervivència baixa fins a un 10 per cent.
Aquest dispositiu ML té un historial demostrat d’identificar l’aturada cardíaca amb més rapidesa, amb una sorprenent taxa de precisió del 93 per cent, molt superior al 73 per cent típic d’un operador humà. El seu ús generalitzat pot salvar milers de vides.
L’aprenentatge automàtic es maneja necessàriament a dispositiu en lloc de connectar-se a una base de dades del núvol. En situacions de perill mortal, l’operador ha de proporcionar consells sobre la salvació de la vida al moment, independentment de la seqüència d’internet. Les preocupacions sobre privadesa també fan que un dispositiu ML connectat a la web sigui una mica complicat en situacions mèdiques.
Corti no és tan sols un cavall únic; el seu enfoc s'està ampliant per incloure sobredosi de medicaments i diagnòstics d'ictus, mitjançant tècniques com l'anàlisi vocal.
Corti és alimentat pel quadricerna Nvidia TX2: Arm v8 (64-bit) de dos nuclis + quad-core Cortex-A57 (64-bit).
Un enfocament més familiar
Si l'ús de l'aprenentatge de màquines va aconseguir que el cor li creixi una mica massa, aquí teniu un netejador de paladar més social.
El 2018, Instagram va començar a desenvolupar la seva capacitat Focus, que permet als usuaris crear selfies i fotografies enfocades professionalment que identifiquen cares i esborren els antecedents.
Tot i que no detén exactament els atacs de cor, aquesta funció ofereix una experiència intuïtiva i familiar i, a més, és possible amb les millores de maquinari i programari amb l'aprenentatge automàtic.
Tant si s’utilitza el mode selfie, com la càmera de marxa enrere estàndard, Focus utilitza la xarxa de segmentació d’imatges per afegir-se automàticament al tema de la imatge mentre difumina el fons per crear un tret d’aspecte professional. Com us podríeu imaginar, es tracta d’una tècnica complexa que requereix un processament addicional important per a executar-se de manera ràpida i eficaç, i com a resultat es va desplegar de forma selectiva a plataformes de gamma alta donant suport a les optimitzacions necessàries. I, a causa d’una potent col·laboració amb Arm i l’equip de la Biblioteca de calcules, també inclou diversos dispositius amb GPU Arm Mali.
Què passa, doncs?
El 2019, empreses com Arm reforçaran els dispositius a tot el món amb més capacitats d'aprenentatge de màquines. Podem esperar millores a gairebé totes les indústries, des del control de plagues específicament orientat a l’agricultura fins a funcions més avançades per a vehicles autònoms. Probablement els vostres dispositius intel·ligents millorin en tasques com el reconeixement de la parla, amb una capacitat més gran de detectar coses com la inflexió i el to.
Mireu si voleu veure cap a on es dirigeix l’aprenentatge automàtic en dispositiu el 2019. Amb una tendència de pal de hockey a les capacitats d’aprenentatge de màquines, serà un any apassionant.
