Učíme je rychle pomocí ML. Machine learning aneb i stroje se dokáží učit



Napsal: 17/10/2018 1 comments 1061 shlédnutí

Machine learning aneb i stroje se dokáží učit. Definic strojového učení je nepřeberné množství a je nesmírně těžké určit tu nejvýstižnější. Nicméně všechny jsou ve své podstatě téměř identické a machine learning tak lze chápat jakožto podoblast umělé inteligence, zabývající se jejím vývojem na základě schopnosti učit se z dat za pomoci využití algoritmů, přičemž za schopnost učit se je zde považováno rozpoznávání a analyzování dat s cílem najít již naučené vzory, včetně následné predikce jejich vývoje a s případným přizpůsobením se změnám.

Následující řádky tohoto článku budou pojednávat o technologii strojového učení, tak jak ji využívá ve svých mobilních zařízeních, zejména tedy v těch aktuálně nejnovějších modelech, světoznámá americká firma Apple.

Využití strojového učení v nových iPhonech

Společnost Apple na trh během letošního roku uvedla 3 nové iPhony – XR, XS a XS Max. Zatímco u prvně zmiňovaného modelu nesoucího označení XR se jeho majitelé nedočkali AMOLED displeje, tak v případě obou později jmenovaných zbrusu nových iPhonů se jim této možnosti dostalo. Telefony iPhone XR, XS a iPhone XS Max disponují zcela totožnými možnostmi strojového učení, neboť se v jejich útrobách nachází stejný 7nm procesor – Apple A12 Bionic (Neural Engine), který telefonům poskytuje nejen vyšší výkon oproti předchozím generacím, ale zároveň jim právě umožňuje provádět machine learning v reálném čase.

Učíme je rychle pomocí ML. Machine learning aneb i stroje se dokáží učit
Učíme je rychle pomocí ML. Machine learning aneb i stroje se dokáží učit

V praxi je strojové učení hojně využíváno pro podporu technologie rozšířené reality, kdy si uživatel nejnovějšího iPhonu může za pomoci fotoaparátu jeho mobilního zařízení, promítnout virtuální předměty do prostoru, ve kterém se zrovna nachází, což například zlehčuje výběr vybavení do domácnosti či zvyšuje prožitek z her, které se nyní mohou odehrávat přímo na jeho stole či koberci.

Další oblastí, kde nachází machine learning uplatnění, je tvorba fotografií, zejména tedy portrétů focených přední kamerou, známých pod zažitým označením selfie. Jeho použití tkví ve schopnosti vytvoření masky přes fotografovaný obličej a následné možnosti z fotografie vyjmout okolní prostředí. Nicméně nutno dodat, že tato funkce ne vždy funguje na 100% a například ořezávání vlasů jí činí značné problémy. Nicméně i tak snímky, jenž pořídíte novými iPhony, patří ve světě mobilních telefonů mezi ty nejkvalitnější a po technické stránce nejlepší, se kterými se můžeme setkat.

Strojové učení má pozitivní dopady i na další populární součást iPhonů – emoji. Zařízení s logem nakousnutého jablka dokáže s dopomocí machine learningu vytvořit animované emoji, které plně kopíruje pohyby tváře uživatele a zároveň ho opatří i záznamem jeho hlasu.

Ruku v ruce s novými iPhony přišlo iOS 12, které podporuje technologii strojového učení po softwarové stránce. Hlavním přínosem je možnost využívání technologie machine learningu pro aplikace a hry z App Storu, což tak jejich vývojářům umožňuje využívat všechny výše zmíněné výhody, které s sebou strojové učení přináší. Apple rovněž svým vyjádřením na oficiálních stránkách zaručuje, že všechna data, jež jsou zpracována během machine learningu, budou sloužit pro účely zvýšení výkonnosti systému a podporu pro zachování soukromí uživatelů.

Učíme je rychle pomocí ML. Machine learning aneb i stroje se dokáží učit
Učíme je rychle pomocí ML. Machine learning aneb i stroje se dokáží učit

V budoucnu se máme na co těšit

Firma Apple sídlící v kalifornském městě Cupertino se však nehodlá spokojit pouze se současným stavem využití a úrovně technologie strojového učení ve svých mobilních zařízeních a bude chtít dostát své pověsti inovátorské společnosti s cílem stát se v této oblasti neotřesitelnou jedničkou na trhu.

Neuronová síť – jak si ji představit? Doporučené skladby na „music“ sítích, rozpoznání obličeje, diagnostika motoru dle zvuku, diagnostika v medicíně, zabezpečení dat pomocí realtime antivirů, finanční obchodování (finanční roboti nakupující akcie), detekce finančních podvodů na PayPalu, inteligentní auta a státní správa.

Důkazem tohoto tvrzení o snaze Applu ještě vylepšit používané technologie machine learningu budiž skutečnost, že se v roce 2017 rozhodl provést akvizici za částku pohybující se kolem 31 milionů dolarů v podobě koupě dánské společnosti Spektral, která se od roku 2014 zaměřuje právě výhradně na technologie strojového učení. Konkrétně se tato firma zabývá zejména oblastí úpravy fotografií a videí, v níž se soustředí na technologii zpracování zeleného pozadí (green screen), která lze v praxi využít například oddělením objektů od skutečného pozadí a zasazením je do vytvořeného alternativního pozadí, s tím, že všechno toto bude možno provádět v reálném čase.

Na otázku, jestli se plánovaný progres v oblasti machine learningu Applu opravdu povede, dá odpověď až čas, nicméně už dnes víme, že nové iPhony dopomohly v této snaze udělat výrazný krok vpřed.



Slova napsal

Martin Kohout

Správa a content webů. Pracovně s Applem. Technologické novinky o smartphonech.

Web: https://freebit.cz

Komentáře (1)

[…] Prvním z průkopníků výkonu je herní smartphone Asus ROG Phone, udělal v AnTuTu skoro 300 000 bodů. Hodnoty jsou v tomto případě více než slibné, nový iPhone Xs však v AnTuTu udělal přes 345 000 bodů. Nejvýkonnější smartphony mají ale stále jeden problém, a to je software. Výkon je fajn, ale je nutné ho využít k něčemu, co dává smysl. V tomto případě nastupuje u iPhonů Neural Engine, který se zaměřuje na strojové učení. Poslední zajímavé články si můžete přečíst zde – Co je machine learning a Machine learning aneb i stroje se dokáží učit. […]

Odpovědět

Chceš se vyjádřit? Tento článek okomentuj, projev názor!