Nekünk már megvolt első kapcsolatfelvételek az új iPhone 11 és iPhone 11 Pro készülékekkel , és már igazolhattuk, hogy egyes elvont fogalmak, amelyeket az Apple a szeptember 10-i vitaindítóban elmagyarázott nekünk, hogyan kezdenek beépülni mindennapi életünkbe anélkül, hogy ennek tudatában lennénk. „Szavak”, mint Gépi tanulás Y Deep Fusion Olyan fogalmak ezek, amelyeket manapság belefáradtunk hallani, de még mindig nem értjük teljesen, mivel a fogalom felszínén maradtunk. Ha érdekel ez a téma, ebben a bejegyzésben minderről egy kicsit bővebben foglalkozunk.
Mi az a gépi tanulás, és miért újított az Apple az A13 Bionic chippel
Ha a szó alapjánál maradunk, és annak puszta fordításánál, akkor ezt mondhatnánk Gépi tanulás Az (ML) csak gépi tanulás, és csak azért mondom, mert sok felhasználó ebben a rétegben marad, valami sötét és tiltott dolog, ami már hallatán is lenyűgöz. Valójában nem abban a hatalmas kapacitásban rejlik az érdem, amellyel iPhone-jaink ma képesek óriási és összetett számításokat végrehajtani olyan időkben, amelyeket szinte lehetetlen kiszámítani. Az igazi érdem az agyafúrt fejlesztőkben és azon csapatok kapacitásában rejlik, amelyek a nagy adatmennyiséget kezelik a technológia működéséhez, amely nagyjából a Big Data működéséhez hasonlóan működik.
Minden jó programozó igyekszik úgy tanítani a gépet, hogy az mindig a legjobb módon oldja meg a problémát, de amikor a szükséges adatok és számítások néha a végtelenbe hajlanak, akkor más stratégiát kell alkalmazni, és mi jobb, mint a gép hibázik és magától tanul . Erre készülnek heurisztikus döntések, amelyek arra törekszenek, hogy a szoftvert olyan képességgel ruházza fel, hogy intuíción alapuló döntéseket hozzon . Ez valami hasonló egy vírusirtó heurisztikus kereséséhez, lehetséges, hogy egy fájl anomáliákat mutat, ami azt jelenti, hogy bár nem jelenik meg fertőzött fájlként egy másik fertőzötthez képest, elgondolkodtatja a víruskereső szoftverünket, hogy ez lehet, és eltárolja karanténban van. Dióhéjban, megtanítjuk a szoftvert önállóan dönteni , és bár eleinte rendszertelen, a statisztikák azt mutatják, hogy apránként majdnem olyan hatékony lesz, mint az ember a döntések meghozatalában.
A gépi tanulási algoritmusokat úgy tervezték meg kevesebb erőforrással nagy mennyiségű adatot dolgoznak fel, és tanulj meg magától, valami hasonlót, mint a WOPR gép a War Games filmben.
Ennek kimondásához fontos megérteni ezt a fogalmat Az Apple újított az új iPhone 11-el . Megújította a mesterséges intelligencia fotózásban való alkalmazását. Valaki azt mondhatná, hogy nem az Apple az első cég, amelyik bevezeti az ML-t a fényképészeti kezelésében, és ebben egyetértünk, de ez az első, aki úgy valósítja meg, ahogyan eddig, nagyszámú fényképpel dolgozva valós időben, korábban és az exponáló lenyomása után. Mindebből adódik, hogy egy óriási processzort kellett megvalósítani A13 Bionic , amely ezeket képes elviselni végtelen számítások és minimális idő alatt . Emiatt, és nem más homályos okok miatt, az iPhone XS nem tud éjszakai üzemmódot használni, mivel nincs működési szintje az A12 Bionic processzorában.
Mint mindig, a szeptember 10-i vitaindítóban az Apple tévedett a szerénységben, és nem magyarázta el részletesen az állati A13 Bionic processzor működését. A nagy teljesítményű processzor önmagában nem növeli az eszköz értékét, és a nagyszerű algoritmusok sem, ha nincs nyers erő az eszköz mozgatásához. De mint mindig, és itt a bizonyíték, Az Apple-nek sikerült tökéletesen egyesítenie a hardvert a szoftverével . Egy olyan processzort, mint amilyet az Apple készített, nem azért kell eladni, ahány műveletet képes elvégezni, hanem azért, hogy hogyan integrálódik a mozgatandó szoftverrel. Ismét bemutatásra kerül a harapott almából származó cég abszolút ura a hardver és a szoftver fúziójában.
Ezért hisszük, hogy ezt ismét hangosan elmondhatjuk Az Apple megújította a dolgokat , olyan algoritmusok feltalálása, amelyeket általános processzoroknál lehetetlen végrehajtani. Az ilyen számítási sebességek támogatására szolgáló új processzor egyedi tervezése egyszerűen mérnöki mesteri tudás.
