6 sätt du kan använda djup inlärning för att öka användarvänligheten för mobila enheter

Denna artikel publicerades ursprungligen på M Liquido.com den 23 januari 2020 och skriven av Radosław Holewa.

Med ökande global efterfrågan på en bättre och mer personlig mobilupplevelse är AI utbredd och anpassning till djup inlärning i mobilapplikationsutvecklingsindustrin är oundviklig. Glöm de frustrerande latensfrågor som uppstår från cellavkänning och molnberäkning. Svarstiden är nästan noll med realtidshanteringshastigheter för bästa resultat.

Apples avancerade Bionic-smarttelefonchipsett med en intern neural behandlingsenhet hjälper nervnätverket att arbeta direkt på enheter med otroliga hastigheter. Med Apple ML Core, Googles ML Kit-plattform och djupa inlärningsbibliotek som TensorFlow Lite och Hard, kan mobilutvecklare bygga applikationer med mindre responstid, färre fel och snabbare databehandling.

Den största fördelen med maskininlärning på enheter är att det ger användarna en smidig och exakt användarupplevelse. Eftersom det inte finns några problem att skicka data till en extern server för bearbetning får du bättre dataskydd, användarsäkerhet och integritet. Med Neural Networks på mobila enheter behöver du inte heller en internetanslutning för att få tillgång till alla funktioner i din applikation. Naturligtvis behöver du fortfarande internet för de flesta standardfunktioner.

Användningen av beräkningsmöjligheter för mobila enheter för att implementera djupa inlärningsalgoritmer har ökat användbarheten för mobila enheter. Här är hur:

1. Introduktion av tal på enheten

Taligenkänning involverar konvertering eller konvertering av insekvenser till utsekvenser med användning av återkommande neurala nätverk (RNN), konvolutional neurala nätverk (CNN), djupa neurala nätverk (DNN) och andra strukturer. Utvecklaren har ett latensproblem – vilket gör en försening mellan din begäran och ett automatiskt svar – men nu kan vi lösa det med hjälp av RNN-T-teknik inbäddad i mobila enheter.

RNN-Ts är en sekvens till sekvensmodell. Istället för att följa den vanliga metoden för att hantera kompletta insekvenser innan den producerar utmatning, upprätthåller den en kontinuerlig kontinuitet i bearbetning av in- och utströmmar. Detta underlättar röstigenkänning och bearbetning i realtid. Du ser detta med Google Assistant, som kan behandla på varandra följande röstkommandon utan att snubbla och utan att be dig att “Hej, Google” efter varje begäran.

Det gör tvåvägssamtalet mer naturligt och assistenten följer dina instruktioner till Q. Vill du ställa in ämnet för e-postmeddelandet, hitta en bild i en av dina mappar och vägleda dig till din syster? Gjort

Genom att fortsätta den nya Google Pixel 4 kan Live Caption ge realtidsöversättning av röstanteckningar, podcast och videor – och på grund av bearbetning på enheten – också i flygplansläge. Så till exempel, om en video visas på Twitter i ett nötskal, kan du se vad beskrivningen handlar om utan att behöva stänga av ljudet. Live Caption fungerar inte med musik eller telefon- och videosamtal.

2. Öka effektiviteten medan du känner igen rörelse

Med hjälp av maskininlärningspipmodeller på enheten kan du träna din mobila enhet för att upptäcka, spåra och känna igen hand- och kroppsrörelser. Enhetens kamera registrerar och lagrar dina rörelser och rörelser som 3D-bilddata. Dessutom använder djupa inlärningsalgoritmer för neurala nätverk detta gestbibliotek för att identifiera och avkoda vissa statiska och dynamiska rörelser. Sedan matchar de det i realtid till dina avsikter och utför de kommandon du vill ha.

Google Pixel 4 smartphones Det kommer med ett Soli-chip som underlättar komplexa och icke-verbala interaktioner med din telefon. Miniradarsensorn på toppen av telefonen ger Motion Sense-teknik som kan upptäcka närvaron och rörelse för dina händer och kropp för att möjliggöra samverkan mellan din mobiltelefon. Med en handvåg, utan att ens röra vid telefonen, kan du be honom att försena, tystna larmet eller gå till nästa låt i din spellista.

3. Fördjupade förmågor i den förstärkta verkligheten

Med hjälp av ARCore och Google Apple från ARKit-plattformen kan utvecklare skapa augmented reality-applikationer som kan kombinera objekt och digitala miljöer med realistiska inställningar. De djupgående förmågorna med den förstärkta verkligheten har stor inverkan på detaljhandeln, underhållning, resor och andra industrier. Märken som Lacoste och Sephora tillåter nu sina kunder att prova eller förhandsgranska produkter med den augmented reality-applikationen, och fler och fler köpare väljer att kontrollera produkter på sina mobiltelefoner innan de beslutar att köpa dem.

Interaktiva augmented reality-spel som Pokemon, Ingress och Ghostbusters World har fått omfattande press och speciell uppföljning. Om du vill hitta vägen runt staden, ger Google Maps Live View dig navigering i realtid.

4. Bilder av hög kvalitet

Hög bildkvalitet är ett viktigt kriterium för köpare när de väljer smartphones, vilket de kan få med många av de senaste modellerna. Den är utrustad med hårdvarukomponenter – centrala behandlingsenheter (CPU), bildsignalprocessorer, bildalgoritmer med djup inlärning och neurala processorenheter – som har hoppat smartphones i en värld som är helt annorlunda än traditionella kameror när det gäller att ta foton. Med detta kan deras smartphones visa mer medvetenhet vid pixelbetyget än vad de ser för att ta bilder med hög upplösning.

Google Apple iPhone-pixeltelefon använder många kameror och sofistikerade maskininlärningsalgoritmer för att identifiera människor och objekt, skapa djupkartor, gå sömlöst med långa exponeringar och beräkna exakt färgbalans.

Genom att träna ett neuralt nätverk i en bilddatasats, lär algoritmen hur man svarar på individuella bildbehov och förbättrar bilder i realtid. Det automatiska korrigeringssystemet som utvecklats av forskare från MIT och Google gör det möjligt för fotografer att tillämpa olika stilar på bilder innan de tar bilder.

Efter att det invändiga rutnätet bearbetar bilden i låg upplösning, justerar en känd kartläggningsmetod för att länka färgkonvertering bildens pixelfärg. Lådan lagrar detta transformationsformat i en tredimensionell ruta som sedan tillåter utgången av högupplösta bilder. Allt detta händer på millisekunder.

Smartphones överträffar nu också bättre än DSLR-kameror i låg belysning och på natten. Genom att integrera djupa nervnätverk och sensorer kan smarttelefonkameror fånga tydligare bilder i fler färger än det mänskliga ögat kan se.

Huawei, som har gjort fotografering med svagt ljus med P20 Pro, använder RYYB-filter, stora sensorer och AI-bildbehandling i Mate 30-serien för att leverera bildkvalitet med låg belysning och videobandtagning med svagt ljus. Google Pixel 4 kommer med Night Sight-läge som kan ta foton i intervallet 0,3-3 Lux, och astrofotografering kan fånga den mörka stjärnhimlen. Förutom nattläget som automatiskt aktiveras i mörkret kommer Apples nya Deep Fusion-system att anpassa sig till belysningsnivåer och flytta iPhone-fotografering till mer imponerande nivåer.

Även om du inte har förståelse för fotografering kommer du att kunna ta bra bilder med dessa smartphones.

5. Ökad säkerhet och integritet

Efterlevnaden av GDPR och California Consumer Privacy Act (CCPA) underlättas med maskininlärning. Säkrar datasäkerhet eftersom du inte behöver ladda upp biometriska data, kryptering eller text direkt till servern eller molnet för bearbetning.

Automatisk kryptering på enheten är en annan användbar smarttelefonfunktion som skyddar ditt innehåll med en PIN-kod, lösenord eller mönster och endast ger åtkomst till dina data när du låser upp din telefon. Så om din enhet går förlorad eller stulen, kan någon möjlighet att få dina data ignoreras.

Ett exempel på en säkrare smartphoneupplevelse är Face ID för iPhone. Neurala nätverk på enheter hos Apple hanterar smarttelefonchips säkert och lagrar ansiktsdata för användare. Identifiering sker på din enhet, så din integritet och säkerhet förblir blockerad.

Konfronterad med Google Pixel 4, underlättad av Soli-chipet, används 3D IR Remote mapping för att skapa ditt ansiktsigenkänningsmönster och lagra det på Titan M6 säkerhetschip på enheten. Face Unlock fungerar bra med 1Password för att ge biometrisk säkerhet för användare genom att eliminera möjligheten till identitetsbedrägeri. För att ställa in 1Password-applikationen på Pixel 4 anger du bara dina uppgifter i Autofyll och använder Face Unlock för att ange istället för Fingerprint Open-funktionen.

6. Större noggrannhet när det gäller bildigenkänning

Genom att para in maskininlärning med en enhet med bildklassningsteknik kan du välja detaljerad information och få den i realtid om nästan allt du stöter på. Vill du läsa text på ett främmande språk? Skanna med din mobil för omedelbara och exakta översättningar. Har du tagit din fantasi eller möbelkollektion? Sök efter information om priser och var du kan köpa den. Finns det några intressanta nya rätter på restaurangmenyn? Du kan använda din mobiltelefon för att ta reda på ingredienser och näringsinformation.

Genom att underlätta realistisk bildigenkänning förbättrar applikationer som Google Lens, Calorie Mama och Leafsnap användbarheten, lära av mobila enheter och förbättrar användarupplevelsen.

Potentialen för maskininlärning på en enhet är enorm. Med smarta algoritmer som blir allt effektivare, djupare neurala nätverk och starkare AI-chips, kommer djup inlärning av mobila applikationer att bli standarden inom bank-, detaljhandels-, hälsovård, dataanalys, informationsteknologi, kommunikation, rymd och många andra branscher. Enligt godkänd marknadsundersökning kommer den globala marknaden för djupt inlärning sannolikt att beröra $ 26,64 miljarder till 2026, med den djupa inlärningen chip teknik marknaden når $ 2,9 miljarder. När djup inlärningskapacitet ökar kommer användbarhetsfunktionerna på mobila enheter att utvecklas sida vid sida och kommer att utlösa ytterligare innovation.

Vad tycker du om att använda djup inlärning för att förbättra mobila enheter? Låt oss veta i kommentarerna nedan eller på Twitter, Facebook eller MeWe.