ניו-טק מגזין | אוקטובר 2023 | המהדורה הדיגיטלית

למידת מכונה בקצה

.Microchip Technology Inc ,EMEA עדיל יעקובי, מהנדס שיווק טכני בכיר ב - » צריכת חשמל נמוכה יותר ■ אין צורך בתקשורת מהירה - למידה מקומית ■ ביצועים טובים יותר על ידי הפיכת כל - מוצר ללמוד לבד

ML ו- AI הצורך של היום ב- ) ולמידת מכונה AI ינה מלאכותית ( ב ) משמשות ביישומים רבים, ML ( בתעשיות מגוונות כמו נסיעות, בנקאות ושירותים פיננסיים, ייצור, טכנולוגיית מזון, בריאות, לוגיסטיקה, תחבורה, בידור ועוד רבים. אחד היישומים הידועים הוא בנהיגה אוטונומית, שבה המכונית יכולה להשתמש בלמידת מכונה כדי לזהות מחסומים, הולכי רגל ומכוניות אחרות. שימושים אחרים כוללים חיזוי או גילוי מחלות ובדיקת מעגלים. מה מאיץ את פריסת הבינה המלאכותית? אחד הגורמים המרכזיים המאיצים את הוא הגידול בכוח המחשוב ML ו- AI פריסת המאפשר לבצע חישובים מתמטיים מורכבים בקלות ובמהירות. יש גם מספר גדל והולך של אלגוריתמים המסייעים ביצירת מודלים והופכים את הסקת הנתונים לקלה ומהירה יותר. גם ממשלות וחברות משקיעות רבות בתחום זה. המסייעים למדעני נתונים שאינם AI / ML כלי

מדעני נתונים להבין, ליצור ולפרוס מודלים בקלות הם מרכיב חיוני והם כיום יותר ויותר זמינים ונגישים. למרות שבניית מודלים תיעשה בענן, על מכונות בעלות ביצועים גבוהים, לעתים קרובות נרצה לבצע את ההסקה באופן מקומי. יש לכך מספר יתרונות, כולל אבטחה נוספת מכיוון שאיננו מתקשרים עם העולם החיצוני. פעולה מקומית פירושה שאנחנו לא צורכים רוחב פס ולא משלמים כסף נוסף כדי לשלוח את הנתונים לענן ואז לקבל את התוצאות בחזרה. חלק מהיתרונות של ביצוע הסקה בקצה כוללים: הפעלה בזמן אמת/תגובה מיידית ■ השהיה נמוכה, פעולה בטיחותית - עלות מופחתת ■ ניצול יעיל של רוחב הפס ברשת, פחות - תקשורת פעולה אמינה עם קישוריות לסירוגין ■ חוויית משתמש משופרת ללקוחות ■ זמן תגובה מהיר יותר - פרטיות ואבטחת מידע ■ פחות נתונים להעברה מובילים לפרטיות - מוגברת

השהיה היא מניע טוב לביצוע הסקה מקומית מכיוון שאיננו מחכים שהמידע יישלח והתוצאות יישלחו בחזרה. הקצה יכול לעזור למשתמשים על ידי העברת למידת מכונה ממכונות בעלות ביצועים גבוהים למיקרו - בקרים מתקדמים ויחידות מיקרו - מעבד יוקרתיות. מהי בינה מלאכותית ולמידת מכונה? הבינה המלאכותית הומצאה בשנות החמישים. מחליף את הליך התכנות AI בעיקרו של דבר, על ידי פיתוח אלגוריתמים המבוססים על הנתונים, במקום השיטה הישנה של כתיבתם באופן ידני. למידת מכונה היא תת-קבוצה של בינה מלאכותית, שבה המכונה מנסה לחלץ ידע מהנתונים. אנו מספקים למכונה נתונים מוכנים ולאחר מכן מבקשים ממנה להמציא אלגוריתם שיעזור לחזות את התוצאות עבור סט חדש ורענן של נתונים.

New-Tech Magazine l 54