Contenu
- Quelle est la prochaine étape pour l’apprentissage automatique?
- Faire du physique numérique
- Considérons Corti
- Un focus plus familier
- Alors quelle est la prochaine?
4 février 2019
Quelle est la prochaine étape pour l’apprentissage automatique?
Autrefois, les machines étaient notoirement mauvaises en reconnaissance de formes - elles ne pouvaient vraiment suivre qu'un ensemble d'instructions préprogrammées. L'essor de l'apprentissage automatique a donné naissance à des systèmes et des appareils capables d'interpréter les données et de les utiliser pour s'améliorer.
L'apprentissage automatique touche déjà presque tous les aspects de nos vies et les améliore pour le mieux. Aussi efficaces que nous puissions détecter les modèles, les machines sont bien meilleures - et cette détection de modèles s'avère très pratique dans un grand nombre de manières, de la reconnaissance vocale à l'anticipation des marchés boursiers.
Alors, que pouvons-nous attendre de ce domaine en 2019?
Faire du physique numérique
Les entreprises qui investissent beaucoup dans l’apprentissage automatique et l’informatique à petite échelle ouvrent la voie à l’avenir du blanchiment de capitaux. Arm est à l'avant-garde de cet effort. Sa technologie améliore tout, des soins médicaux de première réponse aux selfies instantanés.
Considérons Corti
Corti est un petit appareil spécialisé de la taille d'un Google Home. Cependant, vous ne les trouverez pas dans votre salon de si tôt.
L'outil est actuellement déployé dans les centres d'intervention d'urgence du monde entier. Il écoute les appels d'urgence médicaux et aide l'opérateur à fournir les meilleurs conseils.
C’est l’objectif le plus important? Identifier un incident d’arrêt cardiaque avant que les humains ne soient sur la ligne.
Les crises cardiaques tuent plus de personnes que tout au monde, et pourtant, nous sommes toujours notoirement mauvais pour relever les signes avant-coureurs. Ce manque de conscience peut retarder l’intervention dans des situations où même quelques minutes peuvent avoir un impact sérieux sur le taux de survie de la victime. En fait, pour chaque minute de retard de RCP, les chances de survie baissent de 10%.
Ce dispositif ML possède une expérience éprouvée dans l'identification des arrêts cardiaques plus rapidement, avec un taux de précision étonnant de 93% plus élevé que les 73% typiques d'un opérateur humain. Son utilisation généralisée pourrait sauver des milliers de vies.
L'apprentissage automatique est nécessairement géré sur le périphérique, plutôt que connecté à une base de données dans le cloud. Dans les situations où la vie est en danger, l'opérateur doit fournir des conseils qui sauvent des vies, quels que soient les problèmes rencontrés sur Internet. Les problèmes de confidentialité rendent également un appareil ML connecté au Web un peu délicat dans les situations médicales.
Corti n’est pas un poney à un tour; son objectif est élargi pour inclure les diagnostics de surdose de drogue et d'AVC, en utilisant des techniques telles que l'analyse vocale.
Corti est alimenté par Nvidia TX2: Arm v8 (64 bits) dual-core + Cortex-A57 quad-core (64 bits).
Un focus plus familier
Si cette utilisation de l’apprentissage automatique a fait battre votre cœur trop, voici un nettoyant pour palais plus social.
En 2018, Instagram a commencé à déployer sa fonctionnalité Focus, qui permet aux utilisateurs de créer des selfies et des prises de vues centrés sur des professionnels, qui identifient les visages et atténuent l'arrière-plan.
Bien qu’elle n’arrête pas exactement les crises cardiaques, cette fonctionnalité offre une expérience intuitive et familière, et elle est possible avec les améliorations matérielles et logicielles fournies par l’apprentissage automatique.
Que vous utilisiez le mode selfie ou la caméra standard orientée vers l'arrière, Focus utilise le réseau de segmentation d'images pour affiner automatiquement le sujet de l'image tout en rendant l'arrière-plan flou pour créer une photo d'aspect professionnel. Comme vous pouvez l'imaginer, il s'agit d'une technique complexe qui nécessite un traitement supplémentaire considérable pour s'exécuter rapidement et efficacement. Elle a donc été déployée de manière sélective sur des plates-formes haut de gamme prenant en charge les optimisations nécessaires. Et, grâce à une puissante collaboration avec Arm et l'équipe Compute Library, cela inclut également un certain nombre de périphériques équipés de GPU Arm Mali.
Alors quelle est la prochaine?
En 2019, des sociétés telles que Arm renforceront leurs dispositifs dans le monde entier en renforçant leurs capacités d'apprentissage machine. Nous pouvons nous attendre à des améliorations dans presque tous les secteurs, de la lutte antiparasitaire ciblée avec précision dans l'agriculture à des fonctionnalités plus avancées pour les véhicules autonomes. Vos appareils intelligents seront probablement plus performants dans des tâches telles que la reconnaissance vocale, avec une capacité accrue à détecter des éléments tels que l'inflexion et le ton.
Gardez un œil sur Arm si vous voulez savoir où va l'apprentissage en machine sur appareil en 2019. Avec une tendance du bâton de hockey en capacités d'apprentissage machine, ce sera une année passionnante.
