Machine learning a Apple? Co by se ještě v nedávné době zdálo jako sci-fi, je dnes realitou. Termín Machine Learning, který se do češtiny překládá jako strojové učení, je označením pro oblast počítačové vědy, jež dovoluje počítačům, aby se učily bez nějakého výslovného naprogramování. Znamená to, že se jedná o podoblast umělé inteligence. V poslední době se zdá nad slunce jasné, že některé věci, které patřily právě do roviny fantastična, se již brzy promění v realitu.
Strojové učení a jeho využití
Strojové učení se vyznačuje řadou prolínajících se rysů se statistikou a dobýváním znalostí, přičemž je možné hovořit o jeho stále se zvyšujícím uplatnění. Techniky strojového učení našly své využití kromě jiného v biomedicínské informatice, při rozlišování nelegálního užití kreditních karet i identifikaci řeči a psaného textu.
Co je machine learning, který se do češtiny překládá jako strojové učení?
Princip machine learningu
Machine learning se zaobírá tvorbou algoritmů i technik, jež se jsou schopny efektivním způsobem naučit předpovídat data, adaptovat se na změny okolního prostředí a zvýšit svoji účinnost s oporou v předchozích vstupech. Dané algoritmy fungují s oporou ve vstupních vzorcích. Strojové učení nachází své ideální využití kupříkladu u mnoha výpočetních úloh, kdy je těžké až neřešitelné navrhnout nebo programovat explicitní algoritmy, jež by měly dobrý výkon.
Typy úloh při strojovém učení
K základním druhům strojového učení se řadí klasifikace, kdy dochází k rozdělení vstupních dat do dvou a více tříd. Dále je to regrese, jež odhaduje číselnou hodnotu výstupu podle vstupu. Při shlukování jsou potom zařazovány objekty do skupin, které vykazují podobné vlastnosti. Zmínit je možné i ranking, kdy je určováno pořadí datových bodů a výsledkem je částečné nebo úplné setřídění.
Neuronový engine přinesl revoluci do světa iPhonů
iPhone X ale i iPhone Xs ohromil již během svého představení tím, že má nový neuronový engine. Jde o hardwarový modul, jenž byl vyvinut speciálně pro strojové učení. To je umožněno tím, že užívá superrychlé neuronové sítě, které jsou schopné rychlostí blesku zpracovat i ty nejobtížnější výpočty. Daný systém ovšem vyniká i svojí úsporností.
Srdcem všech operací je Apple A11 Bionic (A12 Neural Engine v iPhonu Xs), což je šestijádrový procesor se 4,3 miliardami tranzistorů, který má čtyři úsporná jádra, jež jsou až o 70 % rychlejší než v dříve používaném čipu A10 Fusion. Další dvě jádra mají sice pouze o 25% vyšší rychlost než předchozí procesory, ale vynikají svojí úsporností.
Co je machine learning, který se do češtiny překládá jako strojové učení?
Zásluhou strojového učení identifikuje iPhone svého majitele
Strojové učení je dnes hojně využíváno v mobilním segmentu kupříkladu společností Apple. Jeho iPhone X je dokonce zásluhou machine learning schopen rozeznávat obličeje, přičemž se odemkne tím, že svého majitele právě tímto způsobem identifikuje, což zvládne i ve tmě! Protože se učí, neovlivní jeho rozpoznávací schopnosti ani situace, kdy majitel změní vizáž. Brýle, čepice nebo nový sestřih tudíž nemají na fungování iPhone X od společnosti Apple žádné důsledky.
Strojové učení přináší revoluci do fotografování
Vývojáři společnosti Apple ovšem chystají i další revoluci, když se strojové učení výrazně promítne do fotografování. Jeho prostřednictvím bude tudíž možné běžně vylepšit fotografii ještě před vyfotografováním! Na začátku této revoluce bylo 5 000 surových fotografií, které posléze upravili fotografové z Adobe.
Získaný dataset byl využit jako zdrojová data, jejichž zásluhou se systém mohl naučit, jaká vylepšení jsou v konkrétních případech potřeba. Tyto úpravy jsou později využity nejen pro již vyfotografované snímky, ale i pro reálný náhled v aplikaci. Díky této metodě se zásadním způsobem snížily výpočetní nároky na úpravu fotografie a využití v reálném čase je bezproblémové.
