Mes jau turėjome savo pirmieji kontaktai su naujaisiais iPhone 11 ir iPhone 11 Pro , ir mes jau galėjome patikrinti, kaip kai kurios abstrakčios sąvokos, kurias „Apple“ mums paaiškino rugsėjo 10 d. pagrindiniame pranešime, pradeda įsilieti į mūsų kasdienį gyvenimą mums to nežinant. 'Žodžiai' kaip Mašininis mokymasis Y Deep Fusion Tai sąvokos, kurias šiais laikais pavargome girdėti, bet kurių vis dar iki galo nesuprantame, nes likome sąvokos paviršiuje. Jei jus domina ši tema, šiame įraše apie visa tai pakalbėsime šiek tiek plačiau.
Kas yra mašininis mokymasis ir kodėl „Apple“ ėmėsi naujovių naudodama A13 Bionic lustą
Jei pasiliktume žodžio pagrindu ir tik jo vertime, galėtume tai pasakyti Mašininis mokymasis (ML) yra tik mašininis mokymasis, ir aš sakau tik todėl, kad daugelis vartotojų lieka šiame sluoksnyje, kažkas tamsaus ir uždrausto, kuris daro įspūdį vien išgirdęs. Nuopelnas tikrai ne slypi didžiuliame pajėgume, kurį šiandien turi mūsų „iPhone“, kad būtų galima atlikti didžiulius ir sudėtingus skaičiavimus tokiu laiku, kurio beveik neįmanoma apskaičiuoti. Tikrasis nuopelnas slypi sumaniuose kūrėjuose ir komandų, kurios valdo didelius duomenų kiekius, reikalingus šiai technologijai, kuri iš esmės veikia panašiai kaip Big Data, pajėgumuose.
Bet kuris geras programuotojas stengiasi išmokyti mašiną taip, kad ji visada geriausiu būdu išspręstų problemą, bet kai reikalingi duomenys ir skaičiavimai kartais linkę į begalybę, reikia naudoti kitą strategiją ir kas geriau nei mašina daro klaidas ir mokosi pati . Tam jie yra pagaminti euristiniai sprendimai, kuriais siekiama suteikti programinei įrangai galimybę priimti sprendimus remiantis intuicija . Tai kažkas panašaus į euristinę antivirusinės paieškos paiešką, gali būti, kad faile yra anomalijų, o tai reiškia, kad nors ir neatrodo kaip užkrėstas failas, palyginti su kitu užkrėstu, tai verčia mūsų antivirusinę programinę įrangą galvoti, kad taip gali būti, ir išsaugo tai karantine. Trumpai tariant, mokome programinę įrangą pačiai nuspręsti , ir nors iš pradžių ji nepastovi, statistika byloja, kad po truputį ji bus beveik tokia pat veiksminga, kaip gali būti žmogus priimant sprendimus.
Mašininio mokymosi algoritmai sukurti taip su mažiau išteklių apdorojami dideli duomenų kiekiai, ir išmokti pats, kažkas panašaus į tai, kaip WOPR mašina veikia filme „Karo žaidimai“.
Norint tai pasakyti, svarbu suprasti šią sąvoką „Apple“ pristatė naujoves su naujuoju „iPhone 11“. . Jis sukūrė naujovių, kaip pritaikyti dirbtinį intelektą fotografijoje. Kažkas galėtų pasakyti, kad „Apple“ nėra pirmoji įmonė, kuri diegia ML savo fotografijos apdorojime, ir mes su tuo sutinkame, tačiau ji yra pirmoji, įdiegusi ją taip, kaip tai padarė, dirbdama su daugybe nuotraukų realiu laiku, prieš ir paspaudus sklendę. Iš viso to išplaukia, kad reikėjo įdiegti didžiulį procesorių A13 Bionic , kuris gali juos atlaikyti begaliniai skaičiavimai ir per minimalų laiką . Dėl šios priežasties, o ne dėl kitų neaiškių priežasčių, iPhone XS negalės veikti naktinio režimo, nes jo A12 Bionic procesorius neturi veikimo lygio.
Kaip visada nutinka, rugsėjo 10 d. pagrindinėje kalboje „Apple“ suklydo kuklumu ir išsamiai nepaaiškino, kaip veikia žvėriškas „A13 Bionic“ procesorius. Galingas procesorius pats savaime neprideda įrenginiui vertės ir nesuteikia puikūs algoritmai, jei nėra žiaurios jėgos jį perkelti. Bet kaip visada atsitinka, ir štai mes turime įrodymą, „Apple“ sugebėjo puikiai sujungti techninę įrangą su savo programine įranga . Toks procesorius, kokį sukūrė Apple, turėtų būti parduodamas ne už operacijų skaičių, kurį jis gali atlikti, o už tai, kaip jis integruojasi su programine įranga, kurią jis turi perkelti. Dar kartą demonstruojamas absoliutus firmos meistriškumas iš įkando obuolio suliejant aparatinę ir programinę įrangą.
Todėl tikime, kad galime tai dar kartą garsiai pasakyti „Apple“ sukūrė naujovių, kaip tai daro , išradę algoritmus, kurių neįmanoma vykdyti įprastiems procesoriams. Individualiai sukurti naują procesorių, kad būtų palaikomas tas skaičiavimo greitis, yra tiesiog inžinerinis meistriškumas.
