Gnóthachain:
- Cumas cinneadh a dhéanamh ar ghléas nó scamall agus an uirlis cheart a roghnú (ML Kit, Core ML, TensorFlow Lite) bunaithe ar phríobháideacht, riachtanas as líne, méid an mhúnla agus critéir cheallraí
- Cumas chun earráidí ciúine a chosc trí réamhphróiseáil ionchuir (méid agus normalú) a fhíorú ó dhoiciméad an mhúnla i gcomhtháthú múnla
- Cumas an scór muiníne a mheas agus an toradh a thomhas le ceadú an úsáideora agus ar an bhfeiste fíor, gan tuartha muiníne íseal a chur i láthair mar fhírinne iomlán.
Go dtí seo, tá AI úsáidte againn mar chúnamh chun an próiseas forbartha a bhrostú. Anois táimid ag dul ar aghaidh go dtí an dara ról AI: an tallann leabaithe san iarratas. Tá an chumhacht ag fóin nua-aimseartha samhlacha AI a rith mar aitheantas íomhá, aistriú téacs, trascríobh cainte, etc. go díreach ar an ngléas (ar an ngléas — i bpróiseálaí an fhóin féin gan dul chuig an bhfreastalaí). AI ar an bhfeiste; Tugann sé buntáistí móra thar réitigh scamall i dtéarmaí luas, príobháideachta agus oibriú as líne. San aonad seo, foghlaimfimid conas AI a leabú san fheidhmchlár le Core ML iOS, TensorFlow Lite tras-ardán (ar a dtugtar LiteRT anois) agus réiteach réidh-déanta Google ML Kit, agus conas AI a úsáid mar chúntóir sa chomhtháthú seo.
Ar an ngléas nó scamall?
Is é seo an chéad chinneadh ailtireachta agus is tábhachtaí. Ní bhaineann AI ar an ngléas sonraí ón bhfón - bua ollmhór don phríobháideacht. Tá sé mheandarach freisin agus oibríonn sé as líne mar níl aon latency líonra. Mar sin féin, tá sé teoranta ag cumhacht próiseála agus cuimhne an fheiste; Ní bheidh samhlacha an-mhóra (m.sh. samhlacha teanga ollmhóra) oiriúnach don ghuthán nó déanfaidh siad an ceallraí a dhraenáil. Ar an láimh eile, cuireann Cloud AI cumhacht gan teorainn, ach cuireann sé sonraí chuig an bhfreastalaí, éilíonn líonra agus cruthaíonn sé latency.
critéar
Ar an ngléas
Cloud (cloud API)
Príobháideacht
Fanann sonraí ar an ngléas, láidir
Téann sonraí chuig an bhfreastalaí, is gá aird a thabhairt
luas
Meandaracha, gan líonra
Ag brath ar latency líonra
as líne
Oibríonn sé
Ní oibríonn
Méid múnla
Teoranta (acmhainn gutháin)
gan teorainn
ceallraí/teas
Éifeachtaí le húsáid throm
Freastalaí faoi ualach, gléas suaimhneach
Costas
Saor in aisce (foinse gléas)
Táille in aghaidh na húsáide
Riail an chinnidh: Roghnaigh ar an ngléas má tá sonraí pearsanta/íogaire á bpróiseáil, má theastaíonn uathu oibriú as líne, nó má tá freagairt láithreach riachtanach. Má theastaíonn múnla an-mhór uait, cas chuig an scamall. Tá an t-aonad seo dírithe ar an ngléas; Clúdóimid scamall AI sa chéad aonad eile.
Leid: Déan do réamhshocrú ar an ngléas i gcónaí le haghaidh gné a láimhseálann sonraí íogaire (sláinte, bithmhéadracht, suíomh). Tá an frása “ní fhágann sonraí ón bhfeiste” fíorluachmhar maidir le comhlíonadh príobháideachta agus muinín úsáideora araon, agus déanann sé difríocht mhór i lipéad príobháideachta an tsiopa.
Trí bhealach: ML Kit, Core ML, TensorFlow Lite
Is é ML Kit (Google) an bealach is éasca chun tús a chur leis: tugann sé cumais réamhdhéanta mar aitheantas téacs (OCR - ag léamh téacs in íomhá), braite aghaidhe, léamh barrachóid, aistriúchán i gcúpla líne. Ní gá duit do mhúnla féin a oiliúint. Is é Core ML (Apple) an bealach is éifeachtaí chun do mhúnla féin nó múnla réidh a rith ar iOS; Úsáideann sé crua-earraí Néar-Inneall Apple (próiseálaí líonra néaraíoch saorga). Is réiteach tras-ardáin é TensorFlow Lite/LiteRT a ligeann duit do mhúnla oilte féin a rith ar Android agus iOS araon.
Téann an sreabhadh comhtháthú ginearálta le AI mar seo:
- Sainmhíniú tallainne. A sprioc soiléir, mar shampla "Ba mhaith liom a léamh ar an téacs sa ghrianghraf."
- Roghnú cosáin. Má tá tallainne réidh, ML Kit; Croí ML/TF Lite má tá múnla speisialta ar fáil.
- Formáid mhúnla. .mlmodel (Core ML), .tflite (TF Lite). Míníonn sé na céimeanna claochlaithe AI.
- Cód comhtháthú. Ag luchtú an mhúnla, ag réamhphróiseáil an ionchuir, ag léirmhíniú an aschuir.
- Tástáil feidhmíochta. Luas, cuimhne, tomhas ceallraí ar fheiste fíor.
Rabhadh: Is é an botún AI is coitianta i gcomhtháthú múnla ar an ngléas ná réamhphróiseáil ionchuir - an íomhá a thiontú go dtí an fhormáid méid agus dath a bhfuil súil ag an tsamhail. Má tá an tsamhail ag súil le 224x224 picteilín agus má thugann tú 300x300 dó, beidh an toradh gan bhrí, ach ní bhfaighidh tú teachtaireacht earráide. Fíoraigh na luachanna réamhphróiseála ó dhoiciméad an mhúnla.
Eolas ar na teorainneacha an tsamhail
Déanann samhail ar fheiste cinntí bunaithe ar na sonraí ar cuireadh oiliúint air. Beidh samhail aitheantais oibiachta oilte ar ghrianghraif a thógtar i rith an lae amháin mícheart ar íomhánna oíche. Tá scór muiníne ag an tsamhail (muinín — cé chomh muiníneach is atá an tsamhail faoina freagra, de ghnáth idir 0 agus 1); Tá sé contúirteach torthaí íseal-mhuiníne a chur i láthair don úsáideoir chomh cruinn. Mar shampla, níor cheart go ndéarfadh feidhmchlár scanadh spota craicinn "neamhurchóideach", ach ba cheart go ndéarfadh sé "is é seo a thuar sa mhúnla, téigh i gcomhairle le dochtúir". Is moladh é toradh an mhúnla, ní diagnóis.
trí chás mion
Cás 1 — Luasghéarú le OCR. Tá aip rianaithe costas tar éis an t-ualach a bhaineann le fáltais a iontráil de láimh le haitheantas téacs ML Kit a bhaint. Tógann an t-úsáideoir grianghraf den admháil, agus líontar an méid agus an dáta go huathoibríoch. Laghdaigh an t-am iontrála láimhe ó 40 soicind go 8 soicind in aghaidh na hadmhála. Bhí an fhoireann i gcónaí ar an úsáideoir a dhearbhú an méid a léigh an AI; toisc go raibh lamháil earráide 6% ag admhálacha roic. Ba é uathoibriú + faomhadh daonna an chothromaíocht cheart.
Cás 2 - Earráid réamhphróiseála. Chomhtháthaigh foireann amháin samhail aitheantais plandaí le TensorFlow Lite; Ar an tástálaí, bhí na torthaí randamach. Ba í an fhadhb ná nach ndearna an cód a ghin an AI an íomhá a normalú go dtí an raon [0,1] a raibh an tsamhail ag súil leis (fágadh luachanna picteilín ag 0-255). Nuair a cuireadh gnáthú leis, mhéadaigh an cruinneas ó 30% go 89%. Ceacht: tá réamhphróiseáil tostach ach marfach.
Cás 3 — Gnóthachan príobháideachta. Braitheadh feidhmchlár sláinte aimhrialtacht ó shonraí ráta croí leis an tsamhail Core ML ar an ngléas. Níor chuaigh na sonraí chuig an bhfreastalaí riamh. Chuir an rogha seo ar chumas an fheidhmchláir an frása "ní bhailíonn sonraí" a fháil ar lipéad príobháideachta an App Store agus mhéadaigh sé a ráta íoslódála i gcomparáid le hiomaitheoirí. Bhí an rogha ar an ngléas brabúsach eiticiúil agus tráchtála araon.
Leid lag / Pras láidir
Leid lag: "Cuir aitheantas íomhá le m'aip."
Leid chumhachtach: "Cuir an ghné léitheoireachta méid agus dáta le m'fheidhmchlár Android/Kotlin. - Úsáid Aitheantas Téacs Google ML Kit (ar an ngléas, as líne) - Tóg íomhá ón gceamara nó ón gailearaí - Bain an méid agus an dáta ón téacs aitheanta le regex - Cuir an toradh i láthair an úsáideora lena cheadú sa réimse EDITABLE, sábháil uathoibríoch - Láimhseáil sreabhadh cead ceamara agus diúltaithe. " agus mínigh na céimeanna réamhphróiseála.
Teimpléid inchóipeála
Teimpléad roghnú cosáin: "Ba mhaith liom an ghné seo a leanas a dhéanamh: [gné]. Ar chóir é a bheith ar an ngléas nó scamall? Déan comparáid idir bunaithe ar: príobháideacht, riachtanas as líne, méid múnla, ceallraí, costas. Mol an uirlis chuí (ML Kit / Core ML / TF Lite) agus údar."
Teimpléad Comhtháthaithe:"Scríobh comhtháthú [múnla/cumas] le haghaidh [ardán]:1) Luchtú múnla2) Réamhphróiseáil ionchuir (méid agus normalú a bhfuiltear ag súil leis)3) Glao tátal4) Léirmhíniú aschuir agus seiceáil scór muiníne5) Rabhadh don úsáideoir maidir le toradh íseal-mhuinín Cuir i gcuimhne dom na luachanna réamhphróiseála ó dhoiciméid an mhúnla a fhíorú."
Teimpléad scóir mhuiníne:"Déan machnamh ar an scór muiníne sa chód tátail seo:- Cuir an toradh 'beacht' faoi láthair faoi bhun na tairsí (m.sh. 0.6) - Taispeáin nóta 'meastachán é seo' don úsáideoir- Déan tagairt don saineolaí má tá an réimse ríthábhachtach (sláinte, sábháilteacht)[cód]"
Teimpléad fíoraithe feidhmíochta: "Liostaigh na méadrachtaí is gá dom a thomhas ar an bhfeiste iarbhír don chomhtháthú múnla seo ar an bhfeiste: am tátal, méadú cuimhne, tionchar ceallraí, téamh. Inis an modh tomhais do gach ceann acu."
Botúin choitianta
- Gan bacadh le réamhphróiseáil nó é a dhéanamh go mícheart. Táirgeann méid mícheart/normalú toradh mícheart go ciúin.
- Ag déanamh neamhairde den scór muiníne. Má chuirtear meastachán íseal-mhuiníne i láthair chomh cruinn, cuirfear an t-úsáideoir amú.
- An tsamhail a thástáil san aithriseoir. Tá luas gléas iarbhír agus ceallraí an-difriúil; tomhas i gcónaí ar chrua-earraí fíor.
- Sonraí íogaire a sheoladh chuig an scamall gan ghá. Is riosca príobháideachta é scamall a roghnú nuair is féidir ar an ngléas.
- Neamhaird a thabhairt ar mhéid an mhúnla. Inflate apps samhlacha móra méid íoslódála agus tuairteála ar crua-earraí íseal.
- Dearmad a dhéanamh ar theorainn oiliúna an mhúnla. Déantar an tsamhail a dhearmad sa riocht nach bhfeiceann sé (oíche, teanga dhifriúil); Déan é seo soiléir don úsáideoir.
Go hachomair
Soláthraíonn AI ar an ngléas príobháideacht, luas agus oibriú as líne trí shonraí a choinneáil ar an bhfón; Is é an teorainn ná cumhacht an fheiste agus méid an mhúnla. Úsáidtear ML Kit le haghaidh cumais lasmuigh den bhosca, úsáidtear Core ML (iOS) agus TensorFlow Lite (tras-ardán) le haghaidh samhlacha saincheaptha. Is é an killer ciúin ar chomhtháthú ná réamhphróiseáil míchuí; Deimhnítear méid an ionchuir agus an normalú ó dhoiciméid an mhúnla. Tagann scór muiníne le gach toradh, agus ní chuirtear tuar ísealmhuiníne i láthair mar fhírinne iomlán. Déantar cinntí a thomhas ar an bhfíorghléas, ní ar an aithriseoir.
Tasc feidhmchláir
Le haghaidh gné “léamh téacs ó ghrianghraf” nó “léamh barrachóid”, fiafraigh den AI cé acu ar cheart é a bheith ar an ngléas nó scamall leis an “Teimpléad roghnúcháin cosáin”, ansin iarr treoirphlean ML Kit-bhunaithe leis an “Teimpléad Comhtháthaithe”. Fíoraigh go bhfuil an chéim réamhphróiseála agus an sreabhadh formheasa/eagarthóireachta úsáideora i láthair sa chód. Socraigh tairseach scór iontaobhais agus scríobh cad a dhéanfaidh tú más rud é gur iontaoibh íseal an toradh.
seicliosta
- [ ] Rinne mé an cinneadh ar an ngléas/scamall bunaithe ar chritéir
- [ ] Roghnaigh mé an uirlis cheart (ML Kit / Core ML / TF Lite)
- [ ] D’fhíoraigh mé toise an réamhphróiseála agus an normalú ó dhoiciméadacht na samhla
- [ ] Sheiceáil mé an scór iontaobhais agus thug mé rabhadh faoi thorthaí ísle muiníne
- [ ] Chuir mé an toradh i láthair an úsáideora le ceadú/in eagar, níor shábháil mé go dall é
- [ ] Thomhais mé feidhmíocht ar an bhfíorghléas, ní ar an aithriseoir