Buenos dias Habr!
No tenemos nada que agregar al encabezado del artículo en nuestro aviso, por lo tanto, todos están invitados de inmediato a cat. Leemos y comentamos.
Los desarrolladores de dispositivos móviles se beneficiarán de los cambios revolucionarios que
el aprendizaje automático en dispositivos puede ofrecer hoy. El punto es cuánto mejora esta tecnología cualquier aplicación móvil, es decir, proporciona un nuevo nivel de conveniencia para los usuarios y le permite utilizar activamente funciones potentes, por ejemplo, proporcionar las recomendaciones más precisas
basadas en la geolocalización o detectar
enfermedades en las plantas de forma instantánea.
Un desarrollo tan rápido del aprendizaje automático móvil es la respuesta a una serie de problemas comunes que tuvimos tiempo de aprender en el aprendizaje automático clásico. De hecho, todo es obvio. En el futuro, las aplicaciones móviles requerirán un procesamiento de datos más rápido y una mayor reducción de la latencia.
Es posible que se haya preguntado por qué
las aplicaciones móviles basadas en IA simplemente no pueden ejecutar inferencias lógicas en la nube. En primer lugar, las tecnologías en la nube dependen de los nodos centrales (imagine un gran centro de datos donde se concentran tanto los grandes almacenes de datos como la gran potencia informática). Con un enfoque tan centralizado, es imposible hacer frente a las velocidades de procesamiento suficientes para crear interacciones móviles suaves basadas en el aprendizaje automático. Los datos deben procesarse centralmente y luego enviarse de vuelta al dispositivo. Este enfoque requiere tiempo, dinero y no garantiza la privacidad de los datos en sí.
Entonces, después de describir estas principales ventajas del aprendizaje automático móvil, examinemos con más detalle por qué la revolución en el aprendizaje automático que se desarrolla ante nuestros ojos debería ser interesante para usted personalmente como desarrollador móvil.
Reducción de retraso
Los desarrolladores de aplicaciones móviles saben que el aumento de la latencia puede convertirse en una marca negra para un programa, independientemente de cuán buenas sean sus características o cuán respetable sea la marca. Anteriormente en los dispositivos Android, hubo
retrasos graves en muchas aplicaciones de video , debido a que la visualización de video y audio a menudo resultó no estar sincronizada. Del mismo modo, un cliente de redes sociales de alta latencia puede convertir la comunicación en una verdadera tortura para el usuario.
La implementación del aprendizaje automático en un dispositivo es cada vez más importante, precisamente debido a tales problemas con retrasos. Imagine cómo funcionan los filtros de imagen para redes sociales o las recomendaciones de restaurantes con referencia a la geolocalización. En tales aplicaciones, el retraso debe ser mínimo, solo en este caso puede funcionar al más alto nivel.
Como se mencionó anteriormente, el procesamiento en la nube a veces es lento, y el desarrollador necesita el retraso para tender a cero, solo en este caso las capacidades de aprendizaje automático en la aplicación móvil funcionarán como debería. El aprendizaje automático en dispositivos abre capacidades de procesamiento de datos que realmente permiten reducir el retraso a casi cero.
Los fabricantes de teléfonos inteligentes y los gigantes tecnológicos están empezando a darse cuenta lentamente de esto. Durante mucho tiempo, Apple siguió siendo el líder en esta industria, desarrollando
chips cada vez más avanzados para teléfonos inteligentes utilizando su sistema Bionic, que implementa el motor neuronal Neural Engine, que ayuda a conducir redes neuronales directamente en el dispositivo, al tiempo que alcanza
velocidades increíbles .
Apple también continúa desarrollando paso a paso Core ML, su plataforma de aprendizaje automático para aplicaciones móviles;
La biblioteca
TensorFlow Lite agrega soporte para GPU; Google continúa agregando funciones precargadas a su plataforma de aprendizaje automático ML Kit. Con estas tecnologías puede desarrollar aplicaciones que le permiten procesar datos al instante, eliminar cualquier demora y reducir la cantidad de errores.
Esta combinación de precisión e interacciones perfectas con el usuario es un indicador clave que los desarrolladores de aplicaciones móviles deben considerar al incorporar capacidades de aprendizaje automático. Y para garantizar dicha funcionalidad, es necesario
adoptar el aprendizaje automático en los dispositivos .
Seguridad y privacidad mejoradas
Otro gran beneficio de la informática de punta que no se puede sobreestimar es cuánto mejoran la seguridad y la privacidad de los usuarios. La garantía de seguridad y privacidad de los datos en la aplicación es una parte integral de las tareas del desarrollador, especialmente teniendo en cuenta la necesidad de cumplir con el GDPR (Reglamento General de Protección de Datos), las nuevas leyes europeas, que sin duda afectarán la práctica del desarrollo móvil.
Dado que no es necesario enviar los datos para procesarlos hacia el norte o hacia la nube, los ciberdelincuentes tienen menos oportunidades de explotar las vulnerabilidades que ocurrieron durante dicha transferencia; por lo tanto, se mantiene la integridad de los datos. Esto facilita que los desarrolladores de aplicaciones móviles cumplan con las regulaciones de seguridad de datos GDPR.
El aprendizaje automático en dispositivos también proporciona descentralización, en gran medida según el mismo principio que blockchain. En otras palabras, es más difícil para los piratas informáticos poner una red conectada de dispositivos ocultos con un ataque DDoS que llevar a cabo el mismo ataque en un servidor central. Esta tecnología también puede ser útil cuando se trabaja con drones y para supervisar el cumplimiento de la ley.
Los chips de teléfonos inteligentes de Apple mencionados anteriormente también contribuyen a mejorar la seguridad y la privacidad del usuario, por lo que pueden servir como base para Face ID. Esta función de iPhone se basa en una red neuronal implementada en dispositivos y que recopila datos sobre todas las diversas representaciones de la cara del usuario. Por lo tanto, la tecnología sirve como un método de identificación extremadamente preciso y confiable.
Estos equipos nuevos y habilitados para IA allanarán el camino para interacciones de usuario más seguras con el teléfono inteligente. De hecho, los desarrolladores obtienen una capa adicional de cifrado para proteger los datos del usuario.
No se requiere conexión a internet
Además de los problemas de latencia, el envío de datos a la nube para procesar y extraer clientes potenciales requiere una buena conexión a Internet. A menudo, especialmente en los países desarrollados, no es necesario quejarse de Internet. ¿Pero qué hacer en áreas donde la comunicación es peor? Cuando el aprendizaje automático se implementa en dispositivos, las redes neuronales viven en los teléfonos por su cuenta. Por lo tanto, el desarrollador puede implementar la tecnología en cualquier dispositivo y en cualquier lugar, independientemente de la calidad de la conexión. Además, este enfoque conduce a la
democratización de las capacidades de ML .
El cuidado de la salud es una de las industrias que puede beneficiarse especialmente del aprendizaje automático en dispositivos, ya que los desarrolladores pueden crear herramientas que verifican los indicadores vitales, o incluso proporcionan una cirugía robótica sin conexión a Internet. Esta tecnología también es útil para los estudiantes que desean acceder a materiales de conferencias sin tener una conexión a Internet, por ejemplo, estar en un túnel de transporte.
En última instancia, el aprendizaje automático en dispositivos proporcionará a los desarrolladores herramientas para crear herramientas que serán útiles para los usuarios de todo el mundo, independientemente de la situación con la conexión a Internet. Dado que el poder de los nuevos teléfonos inteligentes no será al menos menor que los actuales, los usuarios se olvidarán de los problemas con demoras cuando trabajen con la aplicación fuera de línea.
Reduce los costos para tu negocio
El aprendizaje automático en dispositivos también está diseñado para ahorrarle una fortuna, ya que con él no tendrá que pagar a los contratistas externos que implementarán y respaldarán muchas soluciones. Como se mencionó anteriormente, en muchos casos puede prescindir de la nube y sin Internet.
Las GPU y los servicios en la nube específicos de AI son las soluciones más caras que puede comprar. Al iniciar modelos en el dispositivo, no tiene que pagar por todos estos grupos, debido al hecho de que hoy en día aparecen cada vez más teléfonos inteligentes avanzados equipados con
procesadores neuromórficos (NPU) .
Al evitar la pesadilla del procesamiento de datos pesados entre el dispositivo y la nube, ahorra enormemente; por lo tanto, implementar soluciones de aprendizaje automático en dispositivos es muy beneficioso. Además, ahorra porque los requisitos de ancho de banda de datos se reducen significativamente en su aplicación.
Los propios ingenieros también ahorran mucho en el proceso de desarrollo, ya que no tienen que recopilar y mantener una infraestructura de nube adicional. Por el contrario, es posible lograr más con las fuerzas de un equipo más pequeño. Por lo tanto, la planificación de recursos humanos en los equipos de desarrollo es mucho más eficiente.
Conclusión
Sin duda, en la década de 2010, las nubes se convirtieron en una verdadera bendición que simplificó el procesamiento de datos. Pero la alta tecnología se está desarrollando exponencialmente, y el aprendizaje automático en dispositivos pronto podría convertirse en el estándar de facto no solo en el campo del desarrollo móvil, sino también en el campo de Internet de las cosas.
Gracias a la latencia reducida, la seguridad mejorada, las funciones fuera de línea y, en general, más barato, no es sorprendente que los principales jugadores de desarrollo móvil apuesten por esta tecnología. Los desarrolladores de aplicaciones móviles también deberían echarle un vistazo más de cerca para mantenerse al día.