Nul
En af de vanskeligste problemer i machine learning, inden for det bredere felt af AI, er til at finde ud af, hvad problemet computer skal have løst. Computere kan kun lære og forstå, hvis de skal forstå, når noget er udformet som et spørgsmål om at finde en løsning på et problem.
Apple nærmer sig udfordre af i håb om at lokke udviklere til at bruge sine chips og programmering af software-værktøjer til at levere det nye use cases for neurale netværk på en mobil enhed.
I løbet af onsdag mediebegivenhed på sit hovedkvarter i Cupertino at løfte sløret for iPhone XS, XS-Max og XS R, Apple drøftet “neurale motor,” en del af A-series-processor i iPhone, der er designet til at fokusere på machine learning arbejdsmængder.
Også: det Opfylder Apple ‘ s iPhone XS, iPhone XS Antal, og iPhone XR: Priser og specs
Dette års A12 chip har den anden version af det neurale motor, som først debuterede sidste år i iPhone-X ‘ s A11-processor. Den nye version har otte kerner, op fra to, som Apple siger, giver kredsløb til at behandle fem billioner operationer per sekund, og stige fra 600 milliarder det citerede sidste år.
Hvad gør man med alle, der er dedikeret computerkraft er spørgsmålet. Apple har nogle forslag, men det er klart håb om, at udviklere, der bruger sin programmering development kit for machine learning, Core ML, vil udfylde de tomme felter.
Sidste års iPhone X allerede brugt den neurale motor til at udføre ansigtsgenkendelse. I går, virksomhedens marketing bly, Phil Schiller, drøftet, hvordan iPhone XS nu lader det neurale motor arbejder med et område i den chip, den ene, der er dedikeret til billede behandling, kaldet image-signal-processor. Sammen, de neurale motor med billedet signal processor skabe snyder “segmentering masker” for at fortælle, hvor funktioner af et ansigt i et portræt. Der kan bruges til at forbedre den måde, belysning anvendes til et ansigt, når et portræt er taget.
For at vise, hvad en udvikler kan gøre, Apple inviteret på scenen Nex Team, en start, som er ved at bygge augmented reality applikationer. De viste, hvordan en basketball video kan bruges til træning af spillere. Med høring af Steve Nash, en tidligere spiller for Pheonix Sole, og nu er en professionel træner, har virksomheden udviklet et program, der tager en video og spor i real-tid kropsholdning af spilleren i den video, som hun eller han tager praksis skud på rammen. Det er også plots bane af basketball i fly, i real time, og samler forskellige andre målinger.
Også: AI: Alt, hvad du behøver at vide om Kunstig Intelligens | Dyb læring: Alt, hvad du behøver at vide | Machine learning: Alt, hvad du behøver at vide
Således, uddannelse, kan blive re-tænkt som en ML problem, hvordan man kan måle den statistik, der ligger til grund for de bedste sportslige præstationer ved hjælp af mobile video.
Tilmelding udviklere som Nex-Holdet er en måde at skabe afstand mellem Apple og forskellige andre chip-udviklere, der bygger enten købmand silicium til at gøre AI, eller som har captive in-house indsats for deres egne telefoner. For eksempel, chip-kæmpen Qualcomm omfatter AI i sin Snapdragon linje af mobile processorer. Og Huawei har bygget AI kredsløb i sin Kirin chip til sine smartphones, så har Samsung Electronics med sin egen Exynos processor til Galaxy smartphones.
Meget gerne digitale signal-processorer, som overtog nogle funktioner i matematik fra CPU ‘ en, såsom video-dekodning, machine learning kredsløb er foregribe en bølge af ML arbejdsmængder i mobile enheder, siger Linley Gwennap, princippet analytiker med chip analysefirmaet The Linley Group.
Også: Apple ‘ s Siri: Et cheat sheet TechRepublic
“Dette følger et godt etableret en sti, som du ikke ønsker at gøre brug af CPU’ en for en masse ting,” siger Gwennap. “Det er altid mere effektiv til at tage en fælles funktion og sætte det i en separat funktionel blok.”
“CPU’ en kunne køre simple neurale netværk til ansigtsgenkendelse og ting, men når du lægger den samme opgave til en hardware acclerator,” sådan som det neurale motor, “du kan gøre det samme arbejde for en tiendedel strømforbrug gør det på CPU’ en.”
For eksempel, “I en convolutional neurale netværk, omkring 80 procent af den beregning er en matrix multiplikation,” siger Gwennap, at henvise til en af de “primitives”, der underly en en af de mest almindelige typer af machine learning-strukturer. At identificere sådanne fælles primitiver er en enkel måde at øge effektiviteten på tværs af et bredt sortiment af AI arbejdspres, selv som algoritmer ændrer sig.
Som machine learning bliver en mere fælles funktion, formentlig Apple kunne have et ben op på Huawei og Samsung og andre ved at have den bedste funktionel blok i hardware til at køre et stigende antal af neurale net, der er skrevet med sin Kerne ML ramme.
Også: Siri vil vise dig, dine adgangskoder hvis du spørger CNET
Bemærkelsesværdigt fraværende fra neurale net talk onsdag blev Apple ‘ s egen intelligente assistent Siri. Siri har blandede resultater, og det ville være en god kandidat til en slags lokale acceleration på telefonen. Gwennap tilbyder, at lokal behandling af Siri kunne være nyttige for ting, såsom at instruere lyset i dit hjem for at tænde. Du ville ikke nødt til at vente til Siri til at oprette forbindelse til cloud til at forstå din stemme-kommandoer.
“Bare for at have nogle Siri tilstedeværelse hilse på dig”, uden at skulle vente for latency for at gå direkte til skyen, kan være en forbedring i Siri er mat track record, han tilbyder.
MERE FRA IPHONE XS BEGIVENHED:
iPhone XS, XS-Max, og XR-tech specsApple ‘ s iPhone XS Max pris toppe ud på $1,449 — og 8 andre keynote takeawaysOne mindre ting: Ingen nye MacsiPhone XR? Hvad slags navn er det?Apple iPhone XS tilfælde: Ved numbersApple detaljer nye fordybende AR oplevelser, der kommer i ARKit 2iPhone XS: jeg er helt sikkert med at købe Apples nye telefon, og her er whyiPhone XS: Her er den ene grund til at jeg ikke vil købe Apple ‘ s nye phoneApple Watch Serie 4 starter, fordobler ned på digital sundhed og wellness
Relaterede Emner:
iPhone
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
0