De store browserleverandører vil samarbejde om maskinlæring på nettet

Illustration: Big Stock
Arbejdsgruppe hos W3C skal definere webbaserede API'er til maskinlæring. Det skulle give bedre ydelse og privacy.

Både Apple, Google, Microsoft og Mozilla deltager nu i en arbejdsgruppe hos World Wide Web Consortium, som skal definere et webbaseret programmeringsinterface (API) for hardwareacceleration af forhåndstrænede neurale netværk.

Det skriver lederen af W3C Machine Learning for the Web Community Group (WebML CG), Anssi Kostiainen, i et tweet. Til daglig er Kostiainen ansat hos Intel.

Genkendelse

Hensigten med API’et er at kunne tilbyde bedre ydelse, når webapplikationer får understøttelse til funktionaliteter som computervision og talegenkendelse. En række andre anvendelsesområder er nævnt i specifikationsudkastet.

Ifølge WebML CG’s charter benytter man gerne grafik-API’et WebGL til at accelerere maskinlæring i webapplikationer, men dette giver begrænset adgang til egenskaber, som er specielt egnede til maskinlæring, inklusive CPU-parallellitet, GP-GPU (General Purpose Graphics Processing Unit) og dedikerede hardwarebaserede maskinlæringsacceleratorer.

Bedre privacy

Alternativet er at sende dataene op i skyen for at foretage beregningerne der. Der er flere fordele ved at gøre dette lokalt på brugerens egen enhed. Det vigtigste er, at privacy styrkes, ved at brugerdata i mindre grad forlader enheden.

Selv om en server i skyen gerne har meget mere regnekraft end en almindelig smartphone, kan tiden, det tager at overføre dataene frem og tilbage, betyde, at resultaterne kommer hurtigere, hvis processeringen sker lokalt.

Det kan være vigtigt, når brugeren forventer næsten øjeblikkelige resultater, som ved forskellige former for genkendelse. Et eksempel på en sådan webapplikation vises i videoen her:

Blandt målene for API’et er, at det skal kunne tilbyde næsten lige så god ydelse fra den underliggende hardware, som det vil være muligt med systemspecifikke API’er.

API’et skal ikke være knyttet til nogen specifik platform, men vil blive implementeret oven på platforme, som allerede er udbredt, såsom Android Neural Networks API og Windows DirectML samt Metal Performance Shaders og Basic Neural Network Subroutines for MacOS og iOS.

Artiklen er fra digi.no.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Kommentarer (0)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere
IT Company Rank
maximize minimize