App 開發窮途末路？

自去年起，有關「人口紅利、用戶流量逐漸消退，移動互聯網整體開始向產業互聯網轉型」的結論就不絕於耳，而在此趨勢之下，不少曾身處移動互聯網紅利頂端的開發者也開始了恐慌，紛紛發出移動開發已窮途末路的感嘆。

然事實是否真的如此？其實未必，畢竟現在的移動終端設備仍是主流，且隨著物聯網領域的崛起，移動設備所處的地位將會越來與重要。在此之際，倘若傳統移動開發者固步自封，那麼結局必然如上文所恐慌的那般。因此，當前的開發者所需要做的是，緊隨技術潮流，結合最新的人工智慧、VR/AR、區塊鏈等技術，對現有的技能進行升級。在這篇文章中，本文作者將分享下一波移動 App 將由機器學習提供動力的 4 個原因。

作者 | Karl Utermohlen，技術作家專註於 AI、ML 和網路安全

譯者 | 虎說

責編 | 屠敏

出品 | CSDN（ID：CSDNNews）

以下為譯文：

移動開發者可以從機器學習所能提供的革命性變化中獲益良多，這是因為該技術已經能夠支持移動應用程序，比如：允許更流暢的用戶體驗，讓移動應用程序擁有更強大的功能：例如提供準確的基於位置的建議或即時檢測植物疾病。

移動應用機器學習的快速發展已經成為對經典機器學習所面臨的許多問題的解釋。事實上，不詳之事就要發生。未來的移動應用需要更快的處理速度和更低的延遲。

你可能想知道為什麼 AI-first 移動應用程序不能簡單地在雲中進行在線推斷？首先，雲計算技術依賴於中央節點（想像一個擁有大量存儲空間和計算能力的海量數據中心）。而這種集中式中央處理方式無法處理創建平滑的ML驅動的移動體驗所需的處理速度。因為整個過程必須在此集中式數據中心處理數據，然後將數據發送回設備。這個過程需要時間和金錢，並且很難保證數據隱私。

在概述了移動機器學習的這些核心優勢之後，讓我們更詳細地探討為什麼作為移動應用程序開發人員，你需要留意你的移動應用 ML 革命。

較低的延遲

移動 App 開發人員都知道，高延遲是應用程序的喪鐘，無論應用程序的功能有多強大或其背後的公司品牌聲譽如何好。比如，Android 設備過去曾遇到過許多視頻應用的延遲問題，從而導致觀看音頻和視頻不同步的體驗。同樣，具有高延遲的社交媒體應用程序可能會導致非常令人沮喪的用戶體驗。

正是由於這些延遲問題，在設備上執行機器學習變得越來越重要。因為社交媒體圖像過濾器和基於位置的用餐建議等等這些應用程序功能需要低延遲才能提供最佳結果。

如前所述，雲計算方式處理時間可能很慢，最終，開發人員需要接近零延遲才能使 ML 功能在其移動應用中正常運行。設備上的機器學習通過其數據處理能力為接近零延遲鋪平了道路。

實時低延遲的示例：Heartbeat App中實時視頻的樣式傳輸結果。

智能手機製造商和大型科技公司正在逐漸接受這種認識。Apple 一直在這方面處於領先地位，他們使用其 Bionic 系統開發更先進的智能手機晶元，該系統具有完整的神經引擎，可幫助神經網路直接在設備上運行，並具有令人難以置信的速度。

Apple 還將繼續推出 Core ML，這是面向移動開發者的機器學習平台；TensorFlow Lite 還增加了對 GPU 的支持，谷歌繼續為其自己的 ML 平台 ML Kit 添加預裝功能。這些屬於移動開發人員的技術可用於開發需要以閃電般速度處理數據，消除延遲和減少錯誤的應用程序。

這種精確性和無感知的用戶體驗結合是移動開發人員在創建ML驅動的應用程序時需要考慮的首要因素。為了保證這一點，開發人員需要接受設備上的機器學習。

增加安全性和隱私

邊緣計算的另一個巨大優勢是不可低估它如何提高其用戶的安全性和隱私性。確保應用程序數據的保護和隱私是移動開發人員工作中不可或缺的一部分，特別是考慮到需要滿足通用數據保護法規（GDPR），這些新隱私法，這些新的法律肯定會影響移動開發實踐。

由於數據不需要發送到伺服器或雲進行處理，因此網路犯罪分子利用此數據傳輸中的任何漏洞的機會較少，從而保留了數據的神聖性。這使移動開發人員可以更輕鬆地滿足 GDPR 關於數據安全的規定。

移動設備上的機器學習解決方案也可以分散式提供，就像區塊鏈一樣。換句話說，跟針對中央伺服器的同一攻擊相比，黑客更難通過 DDoS 攻擊取下隱藏設備的連接所有網路節點。

此外，Apple 智能手機晶元也有助於提高用戶安全性和隱私。同時，它們是 Face ID 的支柱，iPhone 功能依賴於設備上的神經網路，神經網路可以收集用戶臉部所有不同方式的數據，以此作為更準確，更安全的識別方法。

現在以及未來的支持 AI 的硬體將為用戶提供更安全的智能手機體驗，為移動開發人員提供額外的加密層以保護用戶的數據。

無需 Internet 連接

除了延遲問題之外，將數據發送到雲以進行推理需要有效的 Internet 連接。通常，這在世界上較發達的地區網路鏈接做的很好。但是那些沒有網路信號的地方呢？通過設備上的機器學習，神經網路可以在手機上運行。這允許開發人員在任何給定時間在任何設備上部署該技術，而不管連接性如何。此外，它可以使 ML 功能民主化，因為用戶不需要 Internet 連接到他們的應用程序。

醫療保健是一個可以從設備上的機器學習中受益匪淺的行業，因為應用程序開發人員能夠創建醫療工具來檢查生命體征，甚至可以進行遠程機器人手術，而無需任何 Internet 連接。該技術還可以幫助那些可能需要在沒有連接的地方訪問教室材料的學生，例如公共交通隧道。

移動設備上的機器學習最終將為移動開發人員提供創建應用程序的工具，這些應用程序可以使世界各地的用戶受益，無論他們的連接情況如何。即使沒有互聯網連接，由於新的智能手機功能強大，用戶在離線環境中使用應用程序時也不會受到延遲問題的困擾。

降低你的業務成本

移動設備上的機器學習也將為你節省一筆財富，因為你無需向外部提供商支付費用來實施或維護這些解決方案。如前所述，你不需要雲或 Internet 來獲得此類解決方案。

GPU 和 AI 專用晶元是你可以購買的最昂貴的「雲服務」。在設備上運行模型意味著你不需要為這些集群付費，這要歸功於當今日益複雜的神經處理單元（NPU）智能手機。

避免移動應用和雲數據中心之間繁重的數據處理對於使用設備內機器學習解決方案的企業來說是一個巨大的成本節省。通過這種設備上的推斷可以降低帶寬需求，最終節省大量的成本。

移動開發人員還可以大大節省開發過程，因為他們不必構建和維護其他雲基礎架構。相反，他們可以通過較小的工程團隊實現更多目標，從而使他們能夠更有效地擴展他們的開發團隊。

結論

毫無疑問，雲計算在 2010 年代一直是數據和計算的福音，但科技行業正以指數速度發展，而設備上的機器學習可能很快成為移動應用和物聯網開發的標準。

由於其減少的延遲、增強了安全性，增加了離線功能和降低成本。毫無疑問，該行業的所有主要參與者都對該技術投入了大量資金，這將重新定義移動開發人員如何推動應用程序創建。

如果你有興趣了解移動機器學習的更多信息，它是如何工作的，以及為什麼它在整個移動開發領域中的重要性，這裡有一些額外的資源可以幫助你入門：

• Matthijs Holleman 的博客 Machine，Think！（https://machinethink.net/blog/）這是在 Apple ML 的移動 ML 框架 Core ML 中一堆很棒的教程和其他內容；
• 邊緣人工智慧（視頻）（需科學上網）：https://youtu.be/6R5pjcqBq6Y；
• 當然，Heartbeat （http://heartbeat.fritz.ai/）在移動開發和機器學習的交叉領域擁有不斷增長的資源庫。

原文：https://heartbeat.fritz.ai/machine-learning-and-the-future-of-mobile-app-development-13dd2aeda533

本文為 CSDN 翻譯，如需轉載，請註明來源出處。作者獨立觀點，不代表 CSDN 立場。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！