Chaiyawat - stock.adobe.com
Maschinelles Lernen auf dem mobilen Gerät bietet Vorteile
Mittlerweile können auch mobile Geräte Daten für maschinelles Lernen verarbeiten. Unternehmen können das nutzen und so die Sicherheit erhöhen und Latenzzeiten senken.
Viele Firmen nutzen mittlerweile mobile Geräte, um Daten für maschinelles Lernen zu verarbeiten. Die IT-Abteilung sollte dazu aber wissen, wo und wie sie die Technologie einsetzen kann.
Es gibt eine Vielzahl von Anwendungsfällen für maschinelles Lernen und künstliche Intelligenz (KI) in Unternehmen. So kann beispielsweise die Bilderkennung, die bestimmte Komponenten innerhalb eines Bildes identifizieren kann, in Sicherheitssystemen, in der Prozessautomatisierung und auch bei der Erkennung von Personen oder Objekten nützlich sein.
Ebenso können IT-Experten Spracherkennungssysteme trainieren, um bestimmte Wörter oder Sätze zu erfassen und entsprechend zu handeln. Mit Hilfe von Gesten können die Mitarbeiter zudem verschiedene Systeme steuern und Interaktionen freihändig ausführen; letzteres ist besonders wichtig, wenn ein Mitarbeiter aufgrund seiner Schutzausrüstung keinen Touchscreen bedienen kann.
Wo Firmen Software für maschinelles Lernen einsetzen
Viele KI-Instanzen sind rechenintensive Programme, die auf riesigen Computern in der Cloud ablaufen. Doch mittlerweile ist es auch möglich, erhebliche Datenmengen direkt auf mobilen Geräten zu verarbeiten. Kürzlich haben die Prozessorhersteller Qualcomm und Arm KI-spezifische Chips veröffentlicht, um das maschinelle Lernen auf dem Gerät zu vereinfachen.
In mobile Geräte eingebettete Chips sind jetzt leistungsfähig genug, um maschinelles Lernen zu bewältigen. Das gilt vor allem für höherwertige mobile Geräte. Natürlich erfolgt die Problemlösung durch die Verarbeitung großer Datenmengen weiterhin auf leistungsfähigen Cloud-Plattformen wie Google, AWS und Microsoft Azure; maschinelles Lernen direkt auf dem Gerät bietet aber durchaus erhebliche Vorteile.
Denn maschinelles Lernen für mobile Geräte in der Cloud wirft einige Probleme auf. Um alles in der Cloud zu betreiben, muss das mobile Gerät große Datenmengen senden und empfangen. Dies kann auch über relativ schnelle Netzwerke beschwerlich und kostspielig sein. Zudem ergibt sich das Problem steigender Latenzzeiten, wenn die Daten in die Cloud übertragen, verarbeitet und zurück transportiert werden.
Der größte Vorteil für das maschinelle Lernen direkt auf dem mobilen Gerät: Wenn die Daten das Gerät nicht verlassen und lokal verarbeitet werden, sind Datenschutz und Sicherheit eher gewährleistet.
Die Auswahl der richtigen Technologie für Mobiltelefone
Bei der Entwicklung einer mobilen Strategie für maschinelles Lernen ist es wichtig, ein Tool auszuwählen, das die IT-Abteilung über alle Plattformen hinweg transparent nutzen kann – mobil, auf dem lokalen Server und in der Cloud. Beispielsweise kann die IT-Abteilung TensorFlow, eine beliebte Open-Source-Softwarebibliothek für maschinelles Lernen, so konfigurieren, dass sie einerseits auf großer Hardware in der Cloud oder in Rechenzentren von Unternehmen läuft, sowie andererseits in Form einer abgespeckten Version des Frameworks auf kleineren Systemen wie Android.
Wenn die IT-Abteilung Code schreiben und jeweils am aktuell besten Ort verarbeiten kann, ist es möglich, sowohl Cloud-basierte Dienste als auch Rechenleistung direkt auf dem Gerät zu nutzen. Ähnliche Funktionen in anderen Deep Learning Frameworks wie Caffe und herstellerspezifische Funktionen wie Azure Machine Learning, Salesforce Einstein, Amazon SageMaker und IBM Watson können attraktiv sein, wenn ein Unternehmen bereits eine Beziehung zu diesen Anbietern hat.
Noch steckt maschinelles Lernen auf dem mobilen Gerät in den Kinderschuhen; aber viele Unternehmen beginnen jetzt damit, die entsprechenden Technologien auf dem Gerät zu evaluieren und einzusetzen. Da sie oft in Verbindung mit der Cloud verwendet werden, ist es auch wichtig, den richtigen Cloud-Provider zu wählen, der die Daten für das maschinelle Lernen hosten und sich direkt mit dem mobilen Gerät verbinden kann. Die meisten großen Cloud-Anbieter können ihre KI-Angebote über Gerätetypen hinweg segmentieren.
Folgen Sie SearchNetworking.de auch auf Twitter, Google+, Xing und Facebook!
