6 cara Anda dapat menggunakan pembelajaran mendalam untuk meningkatkan kemudahan penggunaan perangkat seluler

Artikel ini awalnya diterbitkan di M Liquido.com pada 23 Januari 2020, dan ditulis oleh Radosław Holewa.

Dengan meningkatnya permintaan global untuk pengalaman seluler yang lebih baik dan lebih personal, AI yang tersebar luas dan adaptasi pembelajaran yang mendalam di industri pengembangan aplikasi seluler tidak bisa dihindari. Lupakan masalah latensi yang membuat frustrasi yang timbul dari penginderaan seluler dan komputasi awan. Waktu respons hampir nol, dengan kecepatan pemrosesan data waktu nyata untuk hasil terbaik.

Chipset smartphone Bionic canggih dari Apple dengan unit pemrosesan saraf internal membantu jaringan saraf bekerja secara langsung pada perangkat dengan kecepatan luar biasa. Dengan Apple ML Inti, platform ML Kit Google dan perpustakaan pembelajaran yang dalam seperti TensorFlow Lite dan Keras, pengembang seluler dapat membangun aplikasi dengan waktu respons lebih sedikit, kesalahan lebih sedikit, dan pemrosesan data lebih cepat.

Keuntungan utama pembelajaran mesin pada perangkat adalah memberikan pengalaman pengguna yang halus dan akurat kepada pengguna. Karena tidak ada masalah pengiriman data ke server eksternal untuk diproses, Anda mendapatkan perlindungan data, keamanan pengguna, dan privasi yang lebih baik. Juga, dengan Neural Networks di perangkat seluler, Anda tidak perlu koneksi internet untuk mengakses setiap fitur aplikasi Anda. Tentu saja, Anda masih membutuhkan internet untuk sebagian besar fitur standar.

Penggunaan kemampuan komputasi untuk perangkat seluler untuk menerapkan algoritma pembelajaran yang mendalam telah meningkatkan kegunaan perangkat seluler. Begini caranya:

1. Pengenalan ucapan pada perangkat

Pengenalan ucapan melibatkan konversi atau konversi urutan input menjadi urutan output menggunakan jaringan saraf berulang (RNN), jaringan saraf convolutional (CNN), jaringan saraf dalam (DNN), dan struktur lainnya. Pengembang memiliki masalah latensi – membuat penundaan antara permintaan Anda dan respons otomatis – tetapi sekarang kami dapat mengatasinya dengan menggunakan teknologi RNN-T yang tertanam dalam perangkat seluler.

RNN-Ts adalah model urutan ke urutan. Alih-alih mengikuti metode biasa dalam menangani urutan input lengkap sebelum menghasilkan output, ia mempertahankan kontinuitas yang konsisten dalam pemrosesan input dan aliran output. Ini memfasilitasi pengenalan dan pemrosesan suara secara real time. Anda melihat ini dengan Google Assistant, Yang dapat memproses perintah suara berturut-turut tanpa tersandung dan tanpa meminta Anda untuk memanggil "Hai, Google" setelah setiap permintaan.

Itu membuat percakapan dua arah yang lebih alami, dan asisten akan mengikuti instruksi Anda ke T. Apakah Anda ingin menetapkan subjek email, menemukan gambar di salah satu folder Anda dan memandu Anda ke tempat kakak Anda? Selesai

Melanjutkan Google Pixel 4 yang baru, Live Caption dapat menyediakan terjemahan catatan suara, podcast, dan video secara real time – dan karena pemrosesan dalam perangkat – juga dalam mode Airplane. Jadi, misalnya, jika video muncul Twitter Singkatnya, Anda dapat melihat tentang apa keterangannya, tanpa harus membisukan suara. Live Caption belum berfungsi dengan panggilan musik atau telepon dan video.

2. Tingkatkan efisiensi sambil mengenali gerakan

Menggunakan model-model pipa pembelajaran mesin pada perangkat, Anda dapat melatih perangkat seluler Anda untuk mendeteksi, melacak, dan mengenali gerakan tangan dan tubuh. Kamera perangkat Anda merekam dan menyimpan gerakan dan gerakan Anda sebagai data gambar 3D. Selanjutnya, algoritma pembelajaran mendalam untuk jaringan saraf menggunakan pustaka gesture ini untuk mengidentifikasi dan mendekodekan gerakan statis dan dinamis tertentu. Kemudian mereka mencocokkannya secara real time dengan niat Anda dan menjalankan perintah yang Anda inginkan.

Google Pixel 4 smartphones Muncul dengan chip Soli yang memfasilitasi interaksi yang kompleks dan non-verbal dengan telepon Anda. Sensor radar mini di atas ponsel ini memberdayakan teknologi Motion Sense yang dapat mendeteksi keberadaan dan gerakan tangan dan tubuh Anda untuk memungkinkan interaksi ponsel Anda. Dengan lambaian tangan Anda, bahkan tanpa menyentuh telepon, Anda dapat menyuruhnya menunda, membungkam alarm, atau pindah ke lagu berikutnya dalam daftar putar Anda.

3. Kemampuan mendalam dari augmented reality

Menggunakan ARCore dan Google Apple dari platform ARKit, pengembang dapat membuat aplikasi augmented reality yang dapat menggabungkan objek dan lingkungan digital dengan pengaturan realistis. Kemampuan mendalam dari augmented reality memiliki dampak besar pada ritel, hiburan, perjalanan, dan industri lainnya. Merek seperti Lacoste dan Sephora sekarang memungkinkan pelanggan mereka untuk mencoba atau melihat pratinjau produk menggunakan aplikasi augmented reality, dan semakin banyak pembeli yang memilih untuk memeriksa produk di ponsel mereka sebelum memutuskan untuk membelinya.

Game augmented reality interaktif seperti Pokemon, Ingress dan Ghostbusters World telah menerima pers yang luas dan tindak lanjut khusus. Jika Anda ingin menemukan jalan di sekitar kota, Google Maps Live View akan memberi Anda navigasi waktu nyata.

4. Gambar berkualitas tinggi

Kualitas gambar yang tinggi adalah kriteria penting bagi pembeli ketika memilih smartphones, Yang bisa mereka dapatkan dengan banyak model terbaru. Ini dilengkapi dengan komponen perangkat keras – central processing unit (CPUs), prosesor sinyal gambar, algoritma gambar pembelajaran dalam, dan unit pemrosesan saraf – yang telah melonjak smartphones Dalam dunia yang sama sekali berbeda dari kamera tradisional dalam hal mengambil foto. Dengan ini, smartphones Mereka dapat menunjukkan lebih banyak kesadaran pada tingkat peringkat piksel dari apa yang mereka lihat untuk memotret gambar beresolusi tinggi.

Telepon pixel Google Apple IPhone menggunakan banyak kamera dan algoritma pembelajaran mesin yang canggih untuk mengidentifikasi orang dan objek, membuat peta kedalaman, bergabung secara mulus dengan eksposur lama, dan menghitung keseimbangan warna yang akurat.

Dengan melatih jaringan saraf pada dataset gambar, algoritma belajar bagaimana menanggapi kebutuhan gambar individu dan memperbaiki gambar secara real time. Sistem koreksi otomatis yang dikembangkan oleh para peneliti dari MIT dan Google memungkinkan fotografer untuk menerapkan gaya berbeda pada gambar sebelum mengambil gambar.

Setelah kisi konvolusional memproses gambar pada resolusi rendah, metode pemetaan yang dikenal untuk mengaitkan konversi warna menyesuaikan warna piksel gambar. Kotak menyimpan format transformasi ini dalam kotak tiga dimensi yang kemudian memungkinkan output dari gambar resolusi tinggi. Semua ini terjadi dalam milidetik.

Smartphone sekarang juga mengungguli kamera DSLR dalam pencahayaan rendah dan malam hari. Dengan mengintegrasikan jaringan dan sensor saraf yang dalam, kamera smartphone dapat menangkap gambar yang lebih jelas dalam lebih banyak warna daripada yang bisa dilihat mata manusia.

Huawei, yang telah membuat pemotretan dengan cahaya rendah dengan P20 Pro, menggunakan filter RYYB, sensor besar dan pemrosesan gambar AI dalam seri Mate 30 untuk menghadirkan pencitraan berkualitas rendah, cahaya rendah, serta perekaman video cahaya rendah. Google Pixel 4 hadir dengan mode Night Sight yang dapat mengambil foto dalam kisaran 0,3-3 Lux, dan astrofotografi dapat menangkap langit berbintang yang gelap. Selain mode malam yang secara otomatis diaktifkan dalam gelap, sistem Deep Fusion baru Apple akan beradaptasi dengan tingkat pencahayaan dan memindahkan fotografi iPhone ke tingkat yang lebih mengesankan.

Bahkan jika Anda tidak memiliki pemahaman tentang fotografi, Anda akan dapat mengambil gambar yang bagus dengan ini smartphones.

5. Peningkatan keamanan dan privasi

Kepatuhan dengan GDPR dan California Consumer Privacy Act (CCPA) dibuat lebih mudah dengan pembelajaran mesin. Memastikan keamanan data, karena Anda tidak perlu mengunggah data biometrik, enkripsi, atau teks langsung ke server atau cloud untuk diproses.

Enkripsi otomatis pada perangkat adalah fitur ponsel cerdas lain yang bermanfaat yang melindungi konten Anda dengan PIN, kata sandi, atau pola dan hanya memungkinkan akses ke data Anda saat Anda membuka kunci ponsel. Jadi, jika perangkat Anda hilang atau dicuri, kesempatan bagi siapa pun untuk mendapatkan data Anda dapat diabaikan.

Salah satu contoh pengalaman smartphone yang lebih aman adalah ID Wajah untuk iPhone. Jaringan saraf pada perangkat di Apple Menangani chip smartphone dengan aman dan menyimpan data wajah pengguna. Identifikasi terjadi pada perangkat Anda, sehingga privasi dan keamanan Anda tetap terhalang.

Dihadapi oleh Google Pixel 4, difasilitasi oleh chip Soli, pemetaan 3D IR Jauh digunakan untuk membuat pola pengenalan wajah Anda dan menyimpannya di chip keamanan Titan M6 pada perangkat. Face Unlock bekerja dengan baik dengan 1Password untuk memberikan keamanan biometrik bagi pengguna dengan menghilangkan kemungkinan penipuan identitas. Untuk mengatur aplikasi 1Password pada Pixel 4, cukup masukkan detail Anda di IsiOtomatis dan gunakan Face Unlock untuk masuk alih-alih fungsi Buka Sidik Jari.

6. Akurasi yang lebih besar dalam pengenalan gambar

Dengan memasangkan pembelajaran mesin ke perangkat dengan teknologi penilaian gambar, Anda dapat memilih informasi terperinci dan mendapatkannya secara real time tentang hampir semua hal yang Anda temui. Apakah Anda ingin membaca teks dalam bahasa asing? Pindai dengan ponsel Anda untuk terjemahan instan dan akurat. Sudahkah Anda mengambil koleksi imajinasi atau perabot Anda? Pindai untuk informasi tentang harga dan di mana membelinya. Apakah ada hidangan baru yang menarik di menu restoran? Anda dapat menggunakan ponsel Anda untuk mengetahui bahan dan informasi nutrisinya.

Dengan memfasilitasi pengenalan gambar waktu nyata, aplikasi seperti Google Lens, Calorie Mama dan Leafsnap meningkatkan kegunaan, belajar dari perangkat seluler, dan meningkatkan pengalaman pengguna.

Potensi pembelajaran mesin pada perangkat sangat besar. Dengan algoritme pintar yang semakin efisien, jaringan saraf yang lebih dalam, dan chip AI yang lebih kuat, aplikasi seluler pembelajaran dalam akan menjadi standar di perbankan, ritel, perawatan kesehatan, analisis data, teknologi informasi, komunikasi, ruang dan banyak industri lainnya. Menurut riset pasar yang disetujui, pasar global deep learning kemungkinan akan menyentuh $ 26,64 miliar pada tahun 2026, dengan pasar teknologi chip deep learning mencapai $ 2,9 miliar. Seiring dengan peningkatan kemampuan pembelajaran yang mendalam, fitur kegunaan pada perangkat seluler akan berkembang berdampingan dan akan memicu inovasi lebih lanjut.

Apa pendapat Anda tentang menggunakan pembelajaran mendalam untuk meningkatkan perangkat seluler? Beri tahu kami di komentar di bawah atau di Twitter, Facebook atau MeWe.