Teknologi anak bangsa -- Apakah kamera AI di masa depan kita.Pada AWS tahun lalu, buat kembali peristiwa, yang terjadi akhir November, Amazon meluncurkan produk yang menarik: AWS DeepLens Ada informasi yang layak tentang perangkat baru ini di situs web milik Amazon, tetapi sangat sedikit hal lain di luar sana.Saya memutuskan untuk menaruh pikiran saya sendiri pada "kertas" di sini juga.Tertarik pada AI, visi dan di mana ia bertemu komunikasi.
Teknologi anak bangsa -- Saya akan membahas topik ini di artikel mendatang, jadi Anda mungkin ingin mendaftar untuk buletin saya.Dapatkan konten gratis saya.Apa itu AWS DeepLens.AWS DeepLens adalah kombinasi dari 3 komponen: perangkat keras (mesin kamera), perangkat lunak dan cloud.
Teknologi anak bangsa -- 3 ini hadir dalam integrasi ketat yang belum pernah saya lihat sebelumnya di perangkat yang merupakan pengembang penargetan pertama dan terdepan.Dengan DeepLens, Anda dapat menangani penyimpulan input video (dan mungkin audio) di kamera itu sendiri, tanpa pengiriman media yang ditangkap ke cloud.Kata-kata hype yang menyertai perangkat ini.Visi Mesin (atau Visi Komputer), Deep Learning (atau Machine Learning), Serverless, IoT, Edge Computing.
Teknologi anak bangsa -- Itu semua kata-kata ini dan mungkin lebih, tetapi juga agak kurang.Ini adalah langkah tentatif pertama dari apa modul kamera akan terlihat seperti 5 tahun dari hari ini.Saya ingin membahas perangkat keras dan perangkat lunak dan melihat bagaimana mereka bergabung menjadi solusi.Perangkat Keras AWS DeepLens AWS DeepLens pada dasarnya adalah kamera yang telah dilekatkan ke perangkat Intel NUC: Baik kamera maupun komputasi berada di ujung skala yang lebih tinggi, yang baik-baik saja mengingat di mana kita tuju di sini - gazillion of low perangkat biaya yang dapat dilihat.
Teknologi anak bangsa -- Perangkat itu sendiri dibangun bekerja sama dengan Intel.Karena semua vendor chipset, Intel terjun ke AI dan belajar yang mendalam juga.Lebih lanjut tentang AWS Intel vs Google nanti.Inilah yang ada dalam paket ini, berdasarkan pos blog AWS di DeepLens: kamera 4 megapiksel dengan kemampuan untuk menangkap resolusi video 1080p Tidak ada yang dikatakan tentang rasio bingkai tempat ini dapat berjalan.
Teknologi anak bangsa -- Saya berasumsi 30 fps Kualitas cam iniera belum rinci juga.Dalam banyak kasus, saya akan mengatakan perangkat ini akan perlu bekerja dalam kondisi pencahayaan yang agak ekstrim.Susunan mikrofon 2D Sangat mudah untuk memahami mengapa perangkat seperti itu membutuhkan mikrofon, array mikrofon 2D sangat menarik dalam hal ini.Ini memungkinkan penanganan yang lebih baik.
Teknologi anak bangsa -- hal-hal seperti directional suara dan algoritma pengurangan kebisingan yang akan digunakan Tidak ada satu pun dari sampel pembelajaran mendalam yang disediakan oleh Amazon tampaknya menggunakan input mikrofon.Saya harap ini akan datang nanti juga prosesor Intel Atom X5 Yang satu ini memiliki 4 core dan 4 thread memori 8GB dan 16GB penyimpanan - ini dimaksudkan untuk menjalankan beban kerja dan tidak menyimpannya untuk waktu yang lama Intel Gen9 graphics engine (di sini) Jika Anda ke dalam angka, maka ini lebih dari 100 GFLOPS - cukup mampu untuk perangkat "low end" Ingat bahwa 1080p @ 30fps menghasilkan lebih dari 62 juta piksel per detik untuk diproses, sehingga kita mendapatkan ~ 1.600 operasi per piksel di sini Anda dapat menekan lebih banyak “per piksel” dengan mengurangi frekuensi gambar atau mengurangi resolution (keduanya mungkin dilakukan untuk sebagian besar kasus penggunaan) Seperti kebanyakan perangkat Intel NUC, ia memiliki port Wi-Fi, USB, dan mikro HDMI.Ada juga port micro SD untuk memori tambahan berdasarkan gambar di atas.Perangkat keras mencoba terlihat agak halus, tetapi tidak.
Teknologi anak bangsa -- Meskipun ini tidak ditulis di mana pun, ini adalah: Versi pertama dari apa yang akan menjadi proses berulang untuk desain referensi Amazon A.Pengembang diharapkan untuk membangun bukti konsep dengan ini, kemudian beralih ke faktor bentuk mereka sendiri - saya tidak melihat perangkat khusus ini dijual ke konsumen akhir sebagai produk akhir.Dengan cara ini, ini hanyalah versi perangkat keras yang lebih halus dari Perangkat visi komputer Google.Perbedaan nyata datang dengan tooling dan alur kerja yang tersedia yang dipanggang Amazon ke AWS DeepLens.
Teknologi anak bangsa -- Perangkat Lunak AWS DeepLens Perangkat lunak AWS DeepLens adalah tempat segala sesuatunya menjadi sangat menarik.Sebelum kita sampai di sana, kita perlu memahami sedikit cara kerja pembelajaran mesin.Pada dasarnya, pembelajaran mesin adalah tentang memberikan “mesin” aarge dataset, membiarkannya mempelajari data dengan satu atau lain cara, dan kemudian ketika Anda memperkenalkan data baru yang serupa, itu akan dapat mengklasifikasikannya.Singkirkan seluruh proses dan teori, pada akhirnya, pembelajaran mesin dibangun dari dua langkah utama: PELATIHAN: Anda mengambil sejumlah besar data dan menggunakannya untuk tujuan pelatihan.
Teknologi anak bangsa -- Anda melakukan kurasi dan mengklasifikasikannya sehingga proses pelatihan memiliki sesuatu untuk diperiksa.Kemudian Anda menyampaikan data melalui proses yang akhirnya menghasilkan model yang terlatih.Model ini adalah algoritma yang akan kita gunakan nanti DEPLOY: Ketika data baru masuk (dalam kasus kami, ini mungkin akan berupa gambar atau aliran video), kami menggunakan model terlatih kami untuk mengklasifikasikan data itu atau bahkan untuk menjalankan algoritma di data itu sendiri dan memodifikasinya Dengan AWS DeepLens, tujuannya adalah untuk menjalankan pelatihan di cloud AWS (jelas), dan kemudian jalankan langkah penerapan untuk klasifikasi waktu nyata langsung pada perangkat AWS DeepLens.Ini juga berarti bahwa kita dapat menjalankan ini saat terputus daricloud dan dari jaringan lain apa pun.
Teknologi anak bangsa -- Bagaimana semua ini bisa dimainkan di tumpukan perangkat lunak AWS DeepLens.Pada perangkat Di perangkat, AWS DeepLens menjalankan dua paket utama: AWS Greengrass Core SDK - Greengrass memungkinkan menjalankan fungsi AWS Lambda langsung di perangkat.Jika Lambda disebut tanpa server, maka Greengrass benar-benar dapat menjalankan Serverless Device yang dioptimalkan MXNet package - sebuah proyek open source Apache untuk pembelajaran mesin Mengapa MXNet dan bukan TensorFlow.TensorFlow berasal dari Google, yang membuatnya kurang disukai untuk Amazon, pesaing cloud langsung.
Teknologi anak bangsa -- Juga lebih disukai oleh Intel (lihat di bawah) MXNet dianggap lebih cepat dan lebih optimal saat ini.Menggunakan lebih sedikit memori dan lebih sedikit daya CPU untuk menangani tugas yang sama Di awan Komponen utama di sini adalah Amazon SageMaker baru: SageMarker mengambil upaya jauh dari manajemen pembelajaran mesin pelatihan, menyederhanakan seluruh proses.Langkah terakhir dalam proses Penyebaran terjadi dalam kasus ini langsung di AWS DeepLens.Selain SageMaker, ketika menggunakan DeepLens Anda mungkin akan menggunakan Amazon S3 untuk penyimpanan, Amazon Lambda saat menjalankan serverless di cloud, serta layanan AWS lainnya.
Teknologi anak bangsa -- Amazon bahkan menyarankan menggunakan AWS DeepLens bersama dengan layanan Video Rekognisi Amazon yang baru diumumkan.Untuk melengkapi itu semua, Amazon memiliki beberapa model pra-dilatih dan proyek sampel, memperpendek jalur dari mendapatkan perangkat AWS DeepLens untuk melihatnya beraksi.AWS Intel vs Google Jadi kami mendapat AWS DeepLens.Dengan seperangkat alat perangkat lunak dan perangkat cloud di dalamnya.
Teknologi anak bangsa -- Saatnya untuk melihat apa artinya itu dalam gambaran yang lebih besar.Saya ingin memulai dengan pemain utama dalam cerita ini.Amazon, Intel, dan Google.Tentunya, Google bukan bagian dari pengumuman itu.
Teknologi anak bangsa -- Proyek TensorFlow-nya disebutkan di berbagai tempat dan dapat dibuat untuk bekerja dengan AWS DeepLens.Tapi itu tentang itu.Google menarik di sini karena ini adalah perusahaan saat ini yang identik dengan AI.Dan ada persaingan yang meningkat antara Amazon dan Google yang tampaknya terjadi pada mfront ultiple.
Teknologi anak bangsa -- Ketika Google keluar dengan TensorFlow, itu dengan maksud menciptakan baseline untuk pemodelan kecerdasan buatan yang semua orang akan menggunakan.Ini membuka kode sumber dan membiarkan orang-orang bermain dengannya.Bagian itu berhasil dengan baik.TensorFlow jelas merupakan salah satu proyek pertama yang akan dicoba oleh pengembang ketika datang ke pembelajaran mesin.
Teknologi anak bangsa -- Masalah dengan TensorFlow tampaknya adalah jumlah memori dan CPU yang diperlukan untuk perhitungannya dibandingkan dengan kerangka lain.Itu mungkin salah satu alasan utama mengapa Amazon memutuskan untuk menempatkan layanan AI yang dikelola sendiri pada kerangka kerja yang berbeda, berakhir dengan MXNet yang dikatakan lebih ramping dengan kemampuan scaling yang baik.Google melakukan satu hal lagi.Ini menciptakan unit pemrosesan Tensor khusus sendiri, menyebutnya TPU.
Teknologi anak bangsa -- Ini adalah jenis chip ASIC, yang dirancang khusus untuk kinerja tinggi perhitungan pembelajaran mesin.Dalam sebuah makalah penelitian yang dirilis oleh Google awal tahun lalu, mereka menunjukkan bagaimana TPU merekarform lebih baik daripada GPU ketika datang ke beban kerja pembelajaran mesin TensorFlow: Dan jika Anda bertanya-tanya - Anda bisa mendapatkan CLOUD TPU di Google Cloud Platform, albait ini masih dalam tahap alpha.Ini memberi Google keuntungan dalam menghosting tugas TensorFlow yang dikelola, yang menjadi ancaman bagi AWS ketika terkait dengan aplikasi berat AI (yang merupakan tujuan utama kami).Jadi Amazon tidak bisa benar-benar memilih TensorFlow sebagai kuda kemenangannya di sini.
Teknologi anak bangsa -- Intel.Mereka tidak menjual TPU saat ini.Dan seperti halnya vendor chip lainnya, mereka adalah bank dan investasi besar dalam AI.Yang dibuat bekerja dengan AWS di sini pada mengoptimalkan dan bekerja pada solusi pembelajaran mesin end-to-end untuk Teknologi anak bangsa hal-hal dalam bentuk AWS DeepLens pilihan yang jelas.
Teknologi anak bangsa -- Kecerdasan Buatan dan Visi Saat ini, tampaknya setiap tindakan atau tugas yang mungkin sedang diteliti untuk melihat apakah kecerdasan buatan dapat digunakan untuk memperbaikinya.Visi tidak berbeda.Anda dapat menemukannya visi komputer lain atau visi mesin dan itu mencakup bjalan set kemampuan dan algoritma.Secara kasar, ada dua jenis kasus penggunaan di sini: Klasifikasi - dengan klasifikasi, gambar atau aliran video, sedang dianalisis untuk menemukan objek atau benda tertentu.
Teknologi anak bangsa -- Dari mampu membedakan objek tertentu, melalui deteksi orang dan wajah, untuk pengenalan wajah untuk kegiatan dan pengenalan maksud Modifikasi - Contoh Transfer Gaya Artistik AWS DeepLens adalah salah satu skenario tersebut.Yang lainnya adalah memperbaiki masalah kontak mata langsung yang mengganggu dalam panggilan video (petunjuk - Anda tidak pernah benar-benar mengalaminya hari ini) Seperti halnya hal-hal lain dalam kecerdasan dan analisis buatan, tidak ada yang bisa diterapkan pada saat ini untuk spektrum yang luas dari klasifikasi.Anda harus sangat spesifik dalam apa yang Anda cari dan targetkan, dan ini tidak akan berubah dalam waktu dekat.Di sisi lain, ada banyak banyak kasus di mana yang Anda butuhkan adalah kamera untuk mengklasifikasikan masalah penglihatan yang sangat spesifik dan sempit.
Teknologi anak bangsa -- Hal-hal yang biasa termasuk detektif orangn untuk kamera keamanan, menghitung orang di pintu masuk ke toko, dll.Ada area lain yang Anda dengar hari ini seperti menggunakan drone untuk inspeksi visual fasilitas dan robot menjadi lebih fleksibel dalam jalur perakitan.Kami berada di titik di mana kami sudah memiliki miliaran kamera di luar sana.Mereka ada di smartphone kami dan dianggap sebagai komoditas.
Teknologi anak bangsa -- Kamera dan sensor ini sekarang menuju ke banyak perangkat untuk menggerakkan dunia IOT dan memungkinkannya untuk "melihat".AWS DeepLens adalah salah satu alat yang kebetulan mengemas dan menyederhanakan seluruh proses visi mesin.Harga Di sisi harga, AWS DeepLens jauh dari produk murah.Biaya awal adalah kamera AWS DeepLens.
Teknologi anak bangsa -- $ 249 Tetapi seperti perangkat lain yang terhubung, itu hanya sebagian kecil dari cerita.Perangkat ini dimaksudkan untuk terhubung ke cloud AWS dan di sana kisah nyata (dan biaya) terjadi.Dua pusat biaya terkemuka setelah perangkat itu sendiri akan menjadi AWS Greengrass dan Amazon SageMaker.AWS Greegn untuk kamera keamanan, menghitung orang di pintu masuk ke toko, dll.
Teknologi anak bangsa -- Ada area lain yang Anda dengar hari ini seperti menggunakan drone untuk inspeksi visual fasilitas dan robot menjadi lebih fleksibel dalam jalur perakitan.Kami berada di titik di mana kami sudah memiliki miliaran kamera di luar sana.Mereka ada di smartphone kami dan dianggap sebagai komoditas.Kamera dan sensor ini sekarang menuju ke banyak perangkat untuk menggerakkan dunia IOT dan memungkinkannya untuk "melihat".
Teknologi anak bangsa -- AWS DeepLens adalah salah satu alat yang kebetulan mengemas dan menyederhanakan seluruh proses visi mesin.Harga Di sisi harga, AWS DeepLens jauh dari produk murah.Biaya awal adalah kamera AWS DeepLens.$ 249 Tetapi seperti perangkat lain yang terhubung, itu hanya sebagian kecil dari cerita.
Teknologi anak bangsa -- Perangkat ini dimaksudkan untuk terhubung ke cloud AWS dan di sana kisah nyata (dan biaya) terjadi.Dua pusat biaya terkemuka setelah perangkat itu sendiri akan menjadi AWS Greengrass dan Amazon SageMaker.AWS Greeggambar yang diedit.Dan data itu diklasifikasikan dalam cloud.
Teknologi anak bangsa -- Berikut adalah dua contoh terbaru dari domain yang dekat dengan hati saya - WebRTC.Pada acara Kranky Geek yang lalu, Philipp Hancke membagikan bagaimana tampilannya.di sedang mencoba untuk menentukan NSFW (Tidak Aman untuk Bekerja): Cara ini dilakukan adalah dengan menggunakan paket open source Open NSFW Yahoo.Mereka harus mengubah ukuran gambar, mengirimnya ke server dan di sana, menggunakan Python mengklasifikasikan gambar, menentukan apakah aman untuk bekerja atau tidak.Tonton videonya - itu benar-benar wawasan tentang bagaimana menangani proyek semacam itu di dunia nyata.
Teknologi anak bangsa -- Yang lainnya berasal dari Chad Hart, yang menulis posting panjang tentang menghubungkan WebRTC ke TensorFlow untuk visi mesin.Teknik yang sama digunakan - salah satu pengambilan gambar diam dari aliran dan mengirimnya ke server untuk klasifikasi.Pendekatan ini bagus, tetapi mereka memiliki tantangan: Mereka tertarik pada gambar diam dan bukan aliran video saat ini.Ini berkaitan dengan biaya dan bandwidth yang terlibat dalam pengiriman dan kemudianmenganalisis aliran semacam itu di server.
Teknologi anak bangsa -- Untuk memberi Anda pemahaman tentang biaya - menggunakan Amazon Rekognisi untuk satu menit dari analisis aliran video biaya $ 0,12.Selama satu menit.Ini tinggi, dan alasannya adalah bahwa itu benar-benar membutuhkan pemrosesan yang kuat untuk mencapai Terkadang, Anda benar-benar perlu mengklasifikasikan dan membuat keputusan lebih cepat.Anda tidak dapat menunggu tambahan 100 milidetik atau lebih untuk klasifikasi berlangsung.
Teknologi anak bangsa -- Pikirkan skenario jenis augmented reality Setidaknya dengan WebRTC, saya belum pernah melihat orang yang tahu bagaimana melakukan klasifikasi ini di sisi server secara real time untuk aliran video dan tidak gambar diam.Namun # 2 - Dalam Kotak Alternatif ini adalah apa yang kita miliki saat ini di smartphone dan mungkin di perangkat konferensi video berbasis ruangan modern.Kamera hanya optik, tetapi angkat berat terjadi di prosesor utama yang melakukan hal-hal lain juga.Dan karena kebanyakan CPU modern saat ini sudah memiliki GPU yang disematkan sebagai bagian dari SoC, dan vendor chip aktifly bekerja pada penambahan spesifik AI untuk chip (pikirkan chip AI Apple di iPhone X atau fotografi komputasi Google yang dikemas ke dalam ponsel Pixel X).
Teknologi anak bangsa -- Konsep yang mendasari di sini adalah bahwa kamera selalu tertambat atau tertanam dalam perangkat yang cukup kuat untuk menangani algoritma pembelajaran mesin yang diperlukan.Mereka bukan bagian dari kamera melainkan kamera adalah bagian dari perangkat.Ini berfungsi dengan baik, tetapi Anda berakhir dengan perangkat pricy yang tidak selalu masuk akal.Ingat bahwa tujuan kami di sini adalah untuk memiliki lebih banyak sensor kamera yang digunakan dan memiliki perangkat komputasi mahal yang melekat padanya tidak akan masuk akal untuk banyak kasus penggunaan.
Teknologi anak bangsa -- # 3 - Di dalam Kamera Ini adalah model AWS DeepLens.TBD - IMAGE Kekuatan komputasi yang diperlukan untuk menjalankan algoritma klasifikasi dibuat bagian dari kamera dan bukannya terjadi pada CPU lain.Kami sedang berbicara tentang $ 249 sekarang, tetapi dengan asumsi pendekatan ini menjadi populer, harga harus turun.Saya dapat dengan mudah melihat such perangkat ritel di $ 49 di ujung rendah dalam 2-3 siklus teknologi (5 tahun atau lebih).
Teknologi anak bangsa -- Dan ketika itu terjadi, pengembang listrik akan memiliki lebih dari apa kasus penggunaan dapat dibuat tidak terbatas.Pikirkan tentang sistem pengawasan rumah yang harganya di bawah $ 1.000 untuk dibeli dan dipasang.Cukup pintar untuk memiliki lebih sedikit positif palsu dalam memperingatkan penggunanya.DAN dapat ditingkatkan dalam klasifikasinya seiring berjalannya waktu.
Teknologi anak bangsa -- Ada layanan yang disediakan di belakangnya dengan biaya bulanan yang mencakup hal-hal semacam itu.Anda dapat menambahkan deteksi wajah dan klasifikasi orang-orang tertentu - memperingatkan Anda ketika anak-anak pulang atau pergi misalnya.Mengabaikan kucing liar yang muncul di depan kamera.Dan sistem ini tidak bergantung pada jaringan eksternal untuk berjalan secara teratur.
Teknologi anak bangsa -- Anda dapat memperbaruinya ketika jaringan eksternal terhubung, tetapi selain itu, ia dapat hidup "offline" dengan cukup baik.Belum Ada Model Unggulan.Semua 3 model memiliki tempat mereka di dunia saat ini.Amazon membuatnya jauh lebih mudah untuk mendapatkan kitake alternatif ketiga dari "di kamera".
Teknologi anak bangsa -- IoT dan komputasi Cloud Edge.Komputasi kabut.Komputasi awan.Anda mendengar kata-kata ini dilemparkan ke udara ketika berbicara tentang miliaran perangkat yang akan terdiri dari Teknologi anak bangsa hal.
Teknologi anak bangsa -- Untuk skala IoT, ada beberapa konsep komputasi utama yang perlu diputuskan lebih cepat daripada nanti: Terdesentralisasi - dengan begitu banyak perangkat, layanan IoT tidak akan dapat dipusatkan.Ini tidak akan berada di luar skala server untuk memenuhi permintaan, tetapi lebih pada sisi yang menjadi lebih pintar - melakukan setidaknya sebagian dari analisis yang diperlukan.Itulah mengapa konsep AWS DeepLens begitu menarik.On net and off net - Layanan IoT harus dapat beroperasi tanpa terhubung ke cloud setiap saat.
Teknologi anak bangsa -- Pikirkan tentang mobil otonom yang perlu terhubung ke cloud setiap saat - tidak ada jalan untuk saya Dijamin - tampaknya hal terakhir yang orang pedulikan di IoT saat ini adalah keamanan.Banyaknya pelanggaran data dan kemudahan di mana perangkat bisadibajak titik itu dengan sangat jelas.Sesuatu harus dilakukan di sana dan itu tidak boleh ada di tingkat pengembang / perusahaan individual.Ini perlu dilakukan lebih awal di “rantai makanan” Saya membaca The Meridian Ascent baru-baru ini.
Teknologi anak bangsa -- Buku fiksi ilmiah dalam seri panjang.Ada mesin AI besar di sana yang disebut Big John yang menyaring data digital dunia: “Hal yang paling mengesankan tentang Big John adalah bahwa tidak ada yang memahami bagaimana cara kerjanya.Para ilmuwan yang telah merancang jaringan inti prosesor memahami dasar-dasarnya: memberi umpan informasi yang cukup untuk mengidentifikasi target secara unik, dan kemudian memungkinkan Big John untuk memindai semua informasi yang diketahui - transaksi keuangan, catatan medis, pekerjaan, foto, DNA, sidik jari, rekan yang diketahui , kenalan, dan sebagainya.Tetapi di situlah hal-hal bergeser ke bidang lain.
Teknologi anak bangsa -- Menggunakan jaringan besar prosesor yang tersedia, Big John mulai memilah informasi eksternal melalui simpulnya, memungkinkan neuron individu untukmengukur bobot data yang tidak memiliki hubungan nyata dengan target, setiap node membuat perhitungan relevansi dan korelasi sendiri.”Saya telah menekankan kalimat itu.Bagi saya, ini menunjukkan pandangan jaringan IoT yang sama melihatnya dari perspektif cloud.Di sana, sensor dan node individu harus cukup pintar untuk membuat keputusan sendiri dan mengambil tindakan mereka sendiri.
Teknologi anak bangsa -- - Semua kata-kata ini untuk perangkat yang baru akan diluncurkan April 2018 ...Kami belum ada di sana ketika datang ke IoT dan cloud, tetapi pengembang sedang berusaha mendapatkan potongan teka-teki di tempat.Tertarik pada AI, visi dan di mana ia bertemu komunikasi.Saya akan membahas topik ini di artikel mendatang, jadi Anda mungkin ingin mendaftar untuk buletin saya Dapatkan konten gratis saya .
Teknologi anak bangsa --
Tidak ada komentar:
Posting Komentar