Både Apple, Google, Microsoft og Mozilla deltar nå i en arbeidsgruppe hos World Wide Web Consortium som skal definere et webbasert programmeringsgrensesnitt (API) for maskinvareakselerasjon av forhåndstrente, nevrale nettverk.
Dette skriver lederen av W3C Machine Learning for the Web Community Group (WebML CG), Anssi Kostiainen, i et twitterinnlegg. Til daglig er Kostiainen ansatt hos Intel.
Gjenkjenning
Hensikten med API-et er kunne tilby bedre ytelse når webapplikasjoner får støtte for funksjonalitet som datasyn og talegjenkjenning. En rekke andre bruksområder er nevnt i spesifikasjonsutkastet.
Ifølge charteret til WebML CG benyttes gjerne grafikk-API-et WebGL for å akselerere maskinlæring i webapplikasjoner, men dette gir begrenset tilgang til egenskaper som er spesielt egnet for maskinlæring, inkludert CPU-parallellitet, GP-GPU (General Purpose Graphics Processing Unit) og dedikerte, maskinvarebaserte maskinlæringsakseleratorer.
Bedre personvern
Alternativet er å sende dataene opp i skyen, for å gjøre beregningene der. Det er flere fordeler med å gjøre dette lokalt på brukerens egen enhet. Den viktigste er at personvernet styrkes, ved at brukerdata i mindre grad må forlate enheten. Selv om en server i skyen gjerne har mye mer regnekraft enn en vanlig smartmobil, kan tiden det tar å overføre dataene fram og tilbake føre til at resultatene kommer raskere dersom prosesseringen gjøres lokalt.
Dette kan være viktig når brukeren forventer bortimot umiddelbare resultater, som ved ulike former for gjenkjenning. Et eksempel på en slik webapplikasjon vises i videoen nedenfor.
Blant målene for API-et er at det skal kunne tilby bortimot like god ytelse fra den underliggende maskinvaren som det vil være mulig med systemspesifikke API-er.
API-et skal ikke være knyttet til noe spesifikk plattform, men vil implementeres på toppen av plattformer som allerede er utbredt, slik som Android Neural Networks API og Windows DirectML, samt Metal Performance Shaders og Basic Neural Network Subroutines for MacOS og iOS.
Les også: – Belastningen av at utro ansatte granskes, kan reduseres kraftig med maskinlæring (Digi ekstra)
