Это прекрасное время, чтобы стать специалистом по данным — все ведущие технологические гиганты интегрируют машинное обучение в свои флагманские продукты, и спрос на таких специалистов находится на рекордно высоком уровне. И дальше будет только лучше!

Apple была главным сторонником машинного обучения и оснащала свои продукты такими функциями, как FaceID, дополненная реальность, Animoji, медицинские датчики и т. д. Вчера, наблюдая за программным мероприятием Apple, я не мог не задаться вопросом о новой технологии чипов, которую они используют. разработали, которая использует мощь алгоритмов машинного обучения.

В этой статье мы рассмотрим некоторые способы, которыми Apple использовала машинное обучение для улучшения взаимодействия с пользователем. И поверьте мне, некоторые цифры, которые вы увидите, поразят вас.

А если вам уже не терпится приступить к созданию своих первых моделей машинного обучения на iPhone с помощью CoreML от Apple, ознакомьтесь с этой отличной статьей.

Чип A12

Источник: The Verge

Чип A12, разработанный разработчиками Apple, имеет еще более продвинутый нейронный движок, чем в прошлом году (когда нейронный движок официально дебютировал внутри чипа A11). Чип A11 используется в iPhone X, 8 и 8 Plus, поэтому вы можете себе представить, почему A12 вызвал такой ажиотаж в сообществе машинного обучения.

В A12 используются элементы размером всего 7 нанометров по сравнению с 10 в A11, что объясняет ускорение скорости. И вы действительно думали, что Apple пропустит мероприятие, не упомянув время автономной работы? Чип A12 имеет интеллектуальную вычислительную систему, которая автоматически распознает, какие задачи должны выполняться на основной части чипа, какие должны быть отправлены на графический процессор, а какие делегированы нейронному движку.

Так что там с нейронным движком?

Источник: программа предварительной оценки Apple

Ключевые функции нейронного двигателя двояки:

  • Использовать алгоритм распознавания лиц со сверхбыстрой скоростью для аутентификации Face ID. Этот алгоритм использует нейронные сети для сопоставления определенных черт/точек лица и, конечно же, был обучен на миллионах изображений, чтобы избежать ошибок в реальном продукте. Крайне важно, чтобы алгоритм учитывал физические объекты, такие как очки и волосы людей, что Apple заявляет, что в этом году будет делать это с еще большей точностью.
  • Для отслеживания движения лица для Animojis. Подобно описанию выше, алгоритм отображает определенные черты лица и преобразует их в смайлики животных в режиме реального времени.

В этом году движок имеет восемь ядер, поэтому чип может выполнять 5 триллионов операций в секунду. Прошлогодняя версия имела два ядра и могла выполнять до 600 миллиардов операций в секунду. Это хороший микрокосм того, как быстро технологии развиваются на наших глазах.

А нейронный движок может даже больше..

Это поможет пользователям iPhone делать более качественные снимки (насколько лучше вы можете становиться с каждым годом?!). Когда вы нажимаете кнопку спуска затвора, нейронная сеть определяет тип сцены в объективе и делает четкое различие между любым объектом на изображении и фоном. Так что в следующий раз, когда вы будете фотографировать, просто помните, какой быстрой должна быть нейронная сеть, чтобы сделать все это за миллисекунды.

Вы можете узнать все об алгоритмах обнаружения объектов и компьютерного зрения в нашем курсе Компьютерное зрение с использованием глубокого обучения! Это комплексное предложение и бесценное дополнение к вашим навыкам машинного обучения.

Apple Watch

Apple Watch Series 4 больше похожи на устройство для мониторинга здоровья, чем когда-либо с момента его дебюта четыре года назад. Конечно, все волнения связаны с дизайном часов и тем, что они на 35% больше, чем прошлогодний продукт. Но давайте отойдем от этого внимания и посмотрим на одну из самых интригующих функций — новые датчики здоровья.

Часы оснащены датчиком электрокардиограммы (ЭКГ). Почему это важно, спросите вы? Ну, для начала, это первые умные часы с такой функцией. Но что еще более важно, датчик измеряет не только частоту сердечных сокращений, но и его ритм. Это помогает отслеживать любой нерегулярный ритм, и часы немедленно предупреждают вас в случае надвигающейся опасности. Эти датчики были одобрены FDA и Американской кардиологической ассоциацией.

Кроме того, эти часы Series 4 оснащены улучшенным акселерометром и гироскопом. Это поможет датчикам определить, упал ли пользователь. Как только человек упал и не показывал никаких признаков движения в течение 60 секунд, устройство отправляет экстренный вызов одновременно пяти (заранее определенным) экстренным контактам.

Уверен, вы уже догадались, что стоит за всеми этими обновлениями? Да, это машинное обучение. Здравоохранение, как я уже упоминал в этой статье, созрело для использования машинного обучения. В игре задействованы миллиарды точек данных, и сочетание машинного обучения с экспертными знаниями в предметной области — вот где кроется джекпот. Я рад видеть, что такие компании, как Apple, используют его, хотя и в своих собственных продуктах.

Конечные примечания

Конкуренция между такими компаниями, как Apple, Google и другими, накаляется, и искусственный интеллект и машинное обучение могут стать ключом к победе в этой битве. Аппаратное обеспечение здесь имеет решающее значение — поскольку оно ежегодно обновляется, в него можно встроить все более и более сложные алгоритмы.

Очарованы всем этим и ищете способ начать работу с наукой о данных? Попробуйте наш курс Введение в науку о данных уже сегодня! Мы поможем вам сделать первые шаги в этот удивительный новый мир.

Честно говоря, вы не могли выбрать лучшего времени, чтобы заняться наукой о данных. Беглый взгляд на официальные объявления о вакансиях Apple показывает более 400 вакансий, связанных с машинным обучением. Тогда остается вопрос, достаточно ли опытных людей для выполнения этого требования.

Посмотреть все мероприятие Apple можно здесь.

Первоначально опубликовано на сайте www.analyticsvidhya.com 13 сентября 2018 г.