सामग्री

• मशीन्सचा उदय
• डिजिटल फिजिकल बनविणे
• कॉर्टीचा विचार करा
• अधिक परिचित फोकस
• मग पुढे काय?

मानवी प्रजातींचे सर्वात मोठे रूपांतर काय आहे?

निश्चितच आमची प्रभावी शरीर, लोकर कोट किंवा विलक्षण घाणेंद्रियाची क्षमता नाही. आम्ही या सर्वांना शोषून घेतो. आमची महान वैशिष्ट्य आहे नमुना ओळख. खरं तर, ते इतके मजबूत आहे की आम्ही बहुतेकदा नमुने वाचतो जिथे अस्तित्त्वात नाही. (पहा: ज्योतिष.)

ऐतिहासिकदृष्ट्या, धोक्याची कारवाई करण्याची वेळ जवळ आली असताना नमुने ओळखण्याची आमची क्षमता आम्हाला कमी करू देते. हे आम्हाला ग्रंट्स आणि असोसिएशनच्या मालिकेपेक्षा भाषा अधिक जटिल बनवू देते. आपण अगदी आधुनिक विज्ञानाचा पाया असल्याचे देखील सांगू शकता.

मशीन्सचा उदय

जुन्या काळात, मशीन्स नमुन्यांची ओळख पटवून देताना वाईट होती - ती केवळ पूर्व-प्रोग्राम केलेल्या सूचनांचे अनुसरण करू शकत होती. मशीन लर्निंगच्या उदयामुळे सिस्टम आणि डिव्हाइस उत्पन्न झाले जे डेटाचे वास्तविक अर्थ लावू शकतात आणि स्वत: ला सुधारित करण्यासाठी वापरू शकतात.

मशीन शिक्षण आपल्या आयुष्यातील जवळजवळ प्रत्येक गोष्टींना स्पर्श करते आणि त्या चांगल्या गोष्टी बदलतात. आपल्याकडे नमुने शोधण्याइतकेच चांगले आहे, मशीन्स खूपच चांगली आहेत आणि त्यापेक्षाही चांगली आहेत - आणि भाषण ओळखण्यापासून ते शेअर बाजारातील अपेक्षेपर्यंत या पॅटर्नचा शोध मोठ्या प्रमाणात वापरला जाऊ शकतो.

तर 2019 मध्ये आम्ही या क्षेत्राकडून काय अपेक्षा करू शकतो?

डिजिटल फिजिकल बनविणे

मशीन लर्निंग आणि स्मॉल-स्केल संगणकीय या दोन्ही क्षेत्रात मोठ्या प्रमाणात गुंतवणूक केलेल्या कंपन्या एमएलच्या भविष्याचा मार्ग मोकळा करत आहेत. या प्रयत्नात आर्म आघाडीवर आहे. त्याचे तंत्रज्ञान प्रथम-प्रतिसाद वैद्यकीय सेवेपासून ते स्नॅपिंग सेल्फीपर्यंत सर्व काही सुधारत आहे.

कॉर्टीचा विचार करा

कॉर्टी हे Google मुख्यपृष्ठाच्या आकाराबद्दलचे एक लहान लहान डिव्हाइस आहे. तथापि, आपल्याला यापैकी एक लवकरच आपल्या लिव्हिंग रूममध्ये लवकरच सापडणार नाही.

हे साधन सध्या जगभरातील आपत्कालीन प्रतिसाद केंद्रांवर तैनात आहे. हे वैद्यकीय आपत्कालीन कॉल ऐकते आणि ऑपरेटरला सर्वोत्तम सल्ला प्रदान करण्यात मदत करते.

हे सर्वात महत्वाचे उद्दीष्ट आहे? ओळीवर मनुष्यांसमोर हृदयविकाराच्या घटनेची ओळख पटविणे.

हृदयविकाराचा झटका कोणत्याही गोष्टीपेक्षा जास्त लोकांचा बळी घेतात, तरीही आम्ही अद्याप कथन चिन्हे निवडण्यात फारच वाईट आहोत. जनजागृतीचा अभाव अशा परिस्थितीत हस्तक्षेप करण्यास विलंब करू शकतो ज्यात काही मिनिटेदेखील पीडितेच्या जगण्याच्या दरावर गंभीर परिणाम होऊ शकतात. वास्तविक, सीपीआरला उशीर होत असलेल्या प्रत्येक मिनिटासाठी, जगण्याची शक्यता 10 टक्क्यांपर्यंत खाली येते.

या एमएल डिव्हाइसमध्ये हृदयरोगाचा वेगवान वेगवान ओळख पटवण्याचा सिद्ध ट्रॅक रेकॉर्ड आहे, ज्याचा अचूक अचूकता दर 93 टक्के आहे - जो मानवी ऑपरेटरच्या percent typ टक्क्यांहून अधिक आहे. याचा व्यापक वापर केल्यास हजारो लोकांचे जीव वाचू शकले.

मेघमधील डेटाबेसशी कनेक्ट होण्याऐवजी मशीन लर्निंग हे डिव्हाइसवर हाताळले जाणे आवश्यक आहे. जीवघेणा परिस्थितीत ऑपरेटरला इंटरनेट हिक्कीची पर्वा न करता क्षण-क्षणभर जीवनरक्षक सल्ला देण्याची आवश्यकता असते. गोपनीयतेची चिंता देखील वैद्यकीय परिस्थितीत वेब-कनेक्ट एमएल डिव्हाइसला थोडी अवघड बनवते.

कोर्टी फक्त एक-ट्रिक पोनी नाही; व्होकल अ‍ॅनालिसिससारख्या तंत्राचा वापर करुन औषध ओव्हरडोज आणि स्ट्रोक डायग्नोसिसचा समावेश करण्यासाठी त्याचे लक्ष केंद्रित केले जात आहे.

कॉर्टी एनव्हीडिया टीएक्स 2 द्वारा समर्थित आहे: आर्म व्ही 8 (64-बिट) ड्युअल-कोर + कॉर्टेक्स-ए 57 क्वाड-कोर (64-बिट).

अधिक परिचित फोकस

जर मशीन मशिनच्या त्या वापरामुळे आपल्या हृदयाला थोडी जास्त रेसिंग मिळाली तर येथे एक अधिक सामाजिक टाळू क्लीन्सर आहे.

2018 मध्ये, इंस्टाग्रामने आपली फोकस क्षमता विकसित करण्यास सुरवात केली, जे वापरकर्त्यांना व्यावसायिकपणे केंद्रित सेल्फी आणि शॉट्स तयार करू देते जे चेहरे ओळखतात आणि पार्श्वभूमी अस्पष्ट करतात.

जरी ते हृदयविकाराचा झटका पूर्णपणे थांबवत नाही, हे वैशिष्ट्य अंतर्ज्ञानी आणि परिचित अनुभव देते आणि मशीन शिक्षणांसह येणार्‍या हार्डवेअर आणि सॉफ्टवेअर सुधारणांसह हे शक्य आहे.

सेल्फी मोड किंवा मानक, बॅक-फेसिंग कॅमेरा वापरत असला तरीही, व्यावसायिक दिसणारा शॉट तयार करण्यासाठी पार्श्वभूमी अस्पष्ट करतेवेळी फोकस प्रतिमेच्या विषयावर स्वयंचलितपणे इमेज सेगमेंटेशन नेटवर्क वापरते. जसे आपण कल्पना करू शकता, हे एक जटिल तंत्र आहे ज्यास द्रुत आणि कार्यक्षमतेने चालण्यासाठी महत्त्वपूर्ण अतिरिक्त प्रक्रियेची आवश्यकता असते आणि परिणामी आवश्यक ऑप्टिमायझेशनना समर्थन देणार्‍या उच्च-एंड प्लॅटफॉर्मवर निवडकपणे नियुक्त केले गेले. आणि, आर्म आणि कंप्यूट लायब्ररी कार्यसंघाच्या सामर्थ्यवान सहकार्यामुळे यात आर्म माली जीपीयूसह बर्‍याच उपकरणांचा समावेश आहे.

मग पुढे काय?

2019 मध्ये, आर्म सारख्या कंपन्या वाढत्या मशीन शिक्षण क्षमतांसह जगभरातील उपकरणे प्रोत्साहित करतील. शेतीतील नेमके लक्ष्यित कीटक नियंत्रणापासून स्वायत्त वाहनांसाठी अधिक प्रगत वैशिष्ट्यांपर्यंत जवळपास प्रत्येक उद्योगात आपण सुधारणांची अपेक्षा करू शकतो. आपले स्मार्ट डिव्‍हाइसेस संभाव्यत: लक्षणे आणि टोन यासारख्या गोष्टी शोधण्याची क्षमता वाढविण्यामुळे स्पीच रेकग्निशन सारख्या कार्यात अधिक चांगले होतील.

2019 मध्ये ऑन-डिव्हाइस मशीन लर्निंग कोठे आहे हे बघायचे असल्यास आर्मवर लक्ष ठेवा. मशीन शिक्षण क्षमतांमध्ये हॉकी-स्टिक ट्रेंडसह, हे एक रोमांचक वर्ष असेल.