Noll
En av de svåraste problemen i machine learning, inom det bredare området AI, är att lista ut vad problemet att datorn ska vara lösa. Datorer kan endast lära sig och förstå, om de förstår alls, när något är inramad som en fråga om att hitta en lösning på ett problem.
Apple närmar sig den utmaningen med hopp om att locka utvecklare att använda sina marker och programmering verktyg för att tillgodose de nya användningsfall för neurala nätverk på en mobil enhet.
Under onsdagens media event på sin Cupertino huvudkontor för att avslöja iPhone XS, XS Max och XS R, Apple diskuterade “neurala motor,” en del av a-serien-processorn i iPhone som är utformat för att fokusera på lärande arbetsbelastning.
Också: att Möta Apples iPhone XS, iPhone XS Max, och iPhone XR: Priser och specifikationer
Årets A12 chip har den andra versionen av den neurala motorn, som debuterade förra året i iPhone X A11-processor. Den nya versionen har åtta processorkärnor, upp från två, som Apple säger tillåter kretsar till fem biljoner operationer per sekund, och att öka från 600 miljarder euro i det citerade förra året.
Vad gör man med alla som engagerade datorkraft är frågan. Apple har några förslag, men det är helt klart hoppats att utvecklare som använder sina programmering development kit för maskininlärning, Core ML, kommer att fylla i tomrummen.
Förra årets iPhone-X redan används neurala motorn utför ansiktsigenkänning. Igår, företagets marknadsföring bly, Phil Schiller, diskuterade hur iPhone XS nu låter det neurala motorn arbeta med ett annat område av chip, en dedikerad till foto, som kallas image signal processor. Tillsammans, de neurala motorn hjälper image signal processor skapa skarpare “segmentering masker” för att tala om där finns ett ansikte är i ett porträtt. Som kan användas för att förbättra sättet att belysning tillämpas på ett ansikte när ett porträtt är tagna.
För att visa på vad en utvecklare kan göra, Apple bjöd på scenen Nex-Team, en start som bygger augmented reality-applikationer. De visade hur en basket-video kan användas för utbildning av spelare. Med samråd med Steve Nash, en före detta spelare för Pheonix Solar och nu en professionell tränare, har företaget utvecklat ett program som tar en video och låtar i realtid hållning av spelare i den video som hon eller han tar praxis skott på bågen. Det är också tomter banan för basket i flykten, i realtid, och samlar flera andra mått.
Också: AI: Allt du behöver veta om Artificiell Intelligens | Djupt lärande: Allt du behöver veta | maskininlärning: Allt du behöver veta
Alltså, träning kan vara re-tänkt som en ML problemet med att mäta statistik som ligger till grund för den bästa prestationsförmågan med hjälp av mobil video.
Registrera dig utvecklare som Nex-Team är ett sätt att skapa distans mellan Apple och flera andra chip utvecklare som bygger antingen merchant silicon att göra AI, eller som har fångenskap i-huset insatser för sina egna telefoner. Till exempel, chip jätte Qualcomm har AI i sin Snapdragon linje av mobila processorer. Och Huawei har byggt AI kretsar i sin Kirin-chip för sina smartphones, så har Samsung Electronics med sina egna Exynos-processor för Galaxy smartphones.
Mycket som digitala signalprocessorer, som tog över en del funktioner i matematik från CPU, såsom video avkodning, maskininlärning kretsar är att förutse en våg av ML arbetsbelastning i mobila enheter, säger Linley Gwennap, principen analytiker med chip analysföretaget De Linley Grupp.
Också: Apples Siri: En lathund TechRepublic
“Här följer en väl etablerad väg som du inte vill använda PROCESSORN för en massa saker,” säger Gwennap. “Det är alltid mer effektivt att ta en gemensam funktion och sätta det i ett separat funktionella block.”
“CPU kunde köra enkla neurala nätverk för ansiktsigenkänning och saker, men när man sätter samma uppgift till en hårdvara acclerator,” såsom neurala motor, “du kan göra samma arbete för en tiondel av strömförbrukningen för att göra det på CPU.”
Till exempel, “I en convolutional neurala nätverk, cirka 80 procent av beräkningen är en matrismultiplikation, säger Gwennap, med hänvisning till en av de “primitiva” som underly en en av de mest vanliga typer av lärande strukturer. Att identifiera sådana gemensamma primitiver är ett enkelt sätt att öka prestanda över ett brett sortiment av AI arbetsbelastning, även algoritmer förändras.
Lärande blir en mer gemensam funktion, förmodligen Apple kan ha ett försprång på Huawei och Samsung och andra genom att ha den bästa funktionella block i hårdvara för att köra ett ökande antal neurala nät som är skriven med dess Kärna ML ram.
Också: Siri kommer att visa dig ditt lösenord om du frågar CNET
Särskilt frånvarande från det neurala nätet prata på onsdagen var Apples egna intelligenta assistenten Siri. Siri har blandade resultat, och det skulle vara en bra kandidat för en viss typ av lokal acceleration på telefonen. Gwennap erbjudanden som lokal behandling av Siri kan vara användbart för saker, till exempel att instruera lamporna i ditt hem för att slå på. Du skulle inte behöva vänta för Siri att först ansluta till molnet för att förstå dina röstkommandon.
“Bara för att ha lite Siri närvaro hälsar dig” utan att behöva vänta för latens för att gå tur och retur till molnet, kan vara en förbättring i Siri är svag meritlista, han har.
MER FRÅN IPHONE XS HÄNDELSE:
iPhone XS, XS Max, och XR tech specsApple iPhone XS Max pris toppar på $1,449 — och 8 andra keynote takeawaysOne mindre sak: Inga nya MacsiPhone XR? Vilken typ av namn är det?Apple iPhone XS händelse: numbersApple detaljer nya uppslukande AR erfarenheter som kommer i arkit åk 2iPhone XS: jag definitivt att köpa Apples nya telefon och här är whyiPhone XS: Här är en anledning till att jag inte kommer att köpa Apples nya phoneApple Titta på Serie 4 lanseringar, dubblar ner på digital hälsa och wellness
Relaterade Ämnen:
iPhone
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
0