Машинное обучение в мобильных устройствах

Как нейросети и машинное обучение используются в мобильных устройствах и приложениях

Любой человек, который активно пользуется интернетом, заметил, что последнее время в программировании очень часто начали использовать термин - машинное обучение. В 2017 году, на популярной у создателей приложений конференции Apple, тема машинного обучения упоминалась очень часто. И неудивительно, что машинное обучение начали внедрять очень многие компании, как только начинающие свою деятельность, так и крупные корпорации.

Термин, машинное обучение, подразумевает, что электронные устройства, например телефоны или смартфоны, могут сами заниматься своим обучением, но это не так. Всему виной малая мощность современных устройств связи. На самом деле, усовершенствование программного обеспечения происходит удалённо, и только потом программы приходят на смартфоны и другие мобильные устройства в качестве обновления ПО. По словам экспертов – самостоятельно приложения начнут обучаться уже в совсем скоро, и эта технология будет доминировать на рынке IT.

Возможности машинного обучения мобильных устройств

На сегодняшний день, машинное обучение нашло своё применение в разработке программ призванных распознавать фото и видеоинформацию. Но машинное обучение ограниченно не только распознаванием картинок, оно может быть использовано для распознавания голоса или отпечатков пальцев.

Большинство гаджетов, в наше время, оборудовано различными датчиками, и у них есть возможность быстрого выхода в интернет. Но всё это создаёт проблему накопления большого массива информации в памяти устройства. Именно это проблема и не позволяет программам обучаться непосредственно на устройстве владельца.

Для мобильных устройств разработано несколько приложений по распознаванию человеческих лиц, иероглифов и кодовых фраз. Но, напрямую от пользователя, они ничему не учатся. Весь процесс обучения приложений проходит на удалённом сервере, куда поступают и обрабатываются все изменения внесённые пользователем в приложения. Весь процесс обработки занимает несколько дней, в зависимости от мощности сервера.

Преимущества обучения приложений для мобильных устройств напрямую

Основное преимущество прямого обучения – конфиденциальность. Все данные будут сохраняться непосредственно на устройстве пользователя;

приложения получат возможность подстраиваться под запросы своего владельца;

отпадает надобность в использовании удалённого сервера для обновления программ.

Для устройств с операционной системой iOS уже созданы самообучающиеся приложения:

· программная клавиатура с возможностью машинного обучения - анализирующая тексты набираемые пользователем и выдающая варианты написания последующих слов в предложении;

· во многих современных гаджетах установлена система по распознаванию фото, которая автоматически помещает все похожие изображения в одну папку. Если пользователь заметил, что система допускает ошибку, он её исправляет, а система вносить коррективы в свой алгоритм распознавания лиц и таким образом учится;

Touch ID – обучаемое приложение для смартфона или другого мобильного устройства, распознающее отпечатки пальцев;

· Face ID – приложение по распознаванию лиц. Если владелец устройства отрастил бороду, усы или одел очки, программа всё равно распознает его;

· Apple Watch – ещё одно приложение, созданное на основе технологии машинного обучения, отслеживает и анализирует движения, частоту и ритм биения сердца пользователя при различных физических нагрузках в разных ситуациях.

Программы подобные Apple Watch, пользуясь собранными данными о пользователе, могут точно определить время, в которое он проснётся. Как считают специалисты – в будущем такие приложения помогут предупреждать инсульты или инфаркты и спасут немало жизней.

Некоторые программы работают, запоминая только последние запросы пользователя. Стоит отметить, что для большинства приложений, на данный момент, не требуется разрабатывать сложные алгоритмы для машинного обучения.

К примеру, система по отслеживанию набранного пользователем текста довольно проста, что даёт возможность программе обучаться в режиме онлайн.

Приложению для сортировки фотографий по папкам требуется повышенный расход энергии, поэтому самообучением программа занимается во время зарядки батареи устройства.

Проблемы на пути машинного обучения

Сейчас, создание приложений с нейронным переобучением ещё далеко от совершенства, поскольку тщательный анализ в этих программах всё ещё малоэффективен и груб по отношению к конечному пользователю.

Как уже было написано выше, система по распознаванию лиц, при непрерывной обработке на удалённом сервере, будет вносить изменения в алгоритм работы программы на протяжении нескольких дней. Машинное обучение в этом случае будет представлять собой прохождение усовершенствования через небольшие этапы.

Собранная сервером графическая информация по объёму может составлять многие сотни гигабайт и каждый бит информации, система изучит сотню раз. Совершенно естественно, что такая нагрузка пока не по силам современным мобильным устройствам. Однако, машинное обучение с нуля может и не понадобиться. В большинстве случаев достаточно будет приобрести уже «обученное» приложение и совершенствовать его при помощи исправлений, которые будет вносить конечный пользователь.

Дополнительные трудности при машинном обучении

Самообучаемые приложения могут столкнуться так же и с дополнительными проблемами:

· большая модель – для сложных алгоритмов обучения нужна повышенная вычислительная мощность сервера. Если мощность сервера недостаточна, то процесс обучения будет длиться очень долгое время. Сейчас, специалисты по машинному обучению, пытаются совершенствовать программы по распознаванию лиц на небольшом количестве информации, например, используя только одно фото.

· наличие у пользователя нескольких устройств – если человек владеет в повседневной жизни несколькими гаджетами, то может встать вопрос о передаче информации между ними. К примеру, программа Face ID не может передать свои данные на другие мобильные устройства. Поэтому обучать это приложение придётся на каждом устройстве по отдельности. Что будет не совсем удобно пользователю;

· обновление ПО от компании-производителя – в том случае когда приложение, работающее по принципу машинного обучения, подвергнется массовому обновлению, возникает вопрос о корректном сохранении данных, накопленные пользователем на своём устройстве.

Что ожидает технологию программного обучения в будущем

Главной целью обучения приложений и программ будет адаптация к пользователю.

В качестве примера можно взять программу, превращающую фотоснимок лица в подходящие к «эмодзи». Такое приложение доступно на последней модели iPhone X. При желании, владелец устройства быстро обучит программу алгоритму, позволяющему определять настроение пользователя и подбирать подходящие к тексту смайлы.

Какие ещё возможности открывает владельцам мобильных устройств машинное обучение:

· Приложение от корпорации Google способное анализировать тексты во входящих электронных письмах и, используя предыдущий опыт, предлагать возможные варианты ответов. На данный момент программа не имеет возможности обучаться непосредственно на мобильных устройствах, но создатели приложения пытаются решить эту проблему;

· Усовершенствование программ для анализа и распознавания речи тоже не стоит на месте. Уже в обозримом будущем пользоваться ими станет ещё удобнее;

В ближайшее время можно ждать усовершенствования программ по распознаванию почерка, столь необходимые для таких аксессуаров как Apple Pensil;

· «Заточка» чат-бота под определённого пользователя. Во время общения, система тщательно изучает вашу речь и при следующих сеансах общения чат-бот начинает разговаривать на привычном для пользователя языке. Интерактивный голосовой помощник Siri уже сейчас способен обучаться этому приёму;

· Усовершенствование электронного маркетинга. Сейчас, многим активным пользователям интернета доставляет неудобство навязчивая реклама на страницах посещаемых ими сайтов. Благодаря машинному обучению, система будет анализировать, каким контентом интересуется пользователь, и подбирать интересующие его предложения. Это поможет избежать недовольства пользователей и поможет рекламодателям уменьшить расходы на продвижение своей продукции;

Программы для отслеживания движения, работы сердца и продолжительности сна, пройдя короткий курс обучения, будут иметь возможность давать рекомендации по сохранению здоровья своему владельцу и предупреждать его об опасностях;

· Уже никого не удивляет, что поисковые системы в социальных сетях анализируют аудио и видео контент, которым интересуется пользователь, подбирая для него подходящий материал;

· Машинное обучение окажется неплохим подспорьем для людей с ограниченными возможностями здоровья. Например, приложение Apple Watch поможет отслеживать состояние здоровья у людей страдающих сердечно-сосудистыми заболеваниями. Машинное обучение программ и приложений – новшество на рынке IT, и есть надежда, что эта технология, в ближайшем будущем преобразит жизнь всего человечества в лучшую сторону.

Понравилась статья? Подписывайтесь на канал и заходите в гости в digital-вебстудию :)