อัปเดต
AI
Google ปล่อย LiteRT Tensor API เอาใจสาย Dev ที่อยากรัน ML บนอุปกรณ์โดยตรง
ยกระดับการเขียนโมเดล Machine Learning แบบเนทีฟที่ทั้งเบาและพกพาไปได้ทุกแพลตฟอร์ม
ทีมข่าว เอไอไทย.com
⏱ อ่าน 2 นาที
เมื่อโมเดล ML ไม่จำเป็นต้องพึ่งพา Cloud เสมอไป การปรับจูนให้รันบนเครื่องได้แบบเนียนๆ เลยกลายเป็นเกมใหม่ที่นักพัฒนาต้องรีบปรับตัว
เดี๋ยวนี้เทรนด์การรัน Machine Learning บนอุปกรณ์พกพาหรือ On-device กำลังมาแรงแบบฉุดไม่อยู่ครับ ล่าสุด Google เลยปล่อยของใหม่ชื่อ LiteRT Tensor API ออกมาให้เหล่า Dev ได้ลองใช้กัน ซึ่งตัวนี้แหละที่จะมาเปลี่ยนวิธีที่เรารันโมเดลกันอยู่
ถ้าจะให้อธิบายง่ายๆ LiteRT Tensor API มันคือ C++ API ที่ออกแบบมาให้มีน้ำหนักเบาหวิว เพื่อให้เราสามารถสร้าง ปรับแต่ง และจูนโมเดล ML ให้ทำงานบนอุปกรณ์ได้โดยตรง ไม่ต้องไปง้อ Server ให้เสียเวลาหรือเปลืองค่า Bandwidth อีกต่อไป
สิ่งที่ทำให้ตัวนี้ดูน่าสนใจคือการที่ Google พยายามจับเอาความยืดหยุ่นของการเขียนโมเดลแบบ Native มาผสมผสานกับความสามารถในการรันข้ามแพลตฟอร์มได้อย่างไร้รอยต่อ ปกติแล้วงานสายนี้มักจะต้องเลือกระหว่าง "ความเร็วของ Native" กับ "ความง่ายในการย้ายไปรันที่อื่น" แต่ LiteRT Tensor API พยายามจะรวมสองโลกนี้เข้าด้วยกันให้จบในที่เดียว
การที่มันเป็น API ขนาดเล็กกะทัดรัดแบบนี้ ยิ่งทำให้นักพัฒนาที่ซีเรียสเรื่อง Performance บนอุปกรณ์อย่างสมาร์ทโฟนหรืออุปกรณ์ IoT ทำงานได้คล่องตัวขึ้นเยอะครับ การปรับจูนโมเดลให้เข้ากับ Hardware แต่ละตัวแบบเจาะจงจะกลายเป็นเรื่องที่ทำได้ง่ายขึ้น ไม่ต้องมานั่งปวดหัวกับการแก้ Code หลายรอบเพื่อให้รันบน Android หรือ iOS ได้พร้อมกัน
ส่วนตัวผมมองว่านี่คือสัญญาณที่ดีมากสำหรับคนที่ทำแอปฯ ที่ต้องการความเป็นส่วนตัวสูง เพราะการรัน ML บนเครื่อง (On-device) หมายความว่าข้อมูลของผู้ใช้งานไม่ต้องวิ่งออกไปนอกเครื่องเลย ซึ่งตอบโจทย์เรื่อง Privacy ที่คนยุคนี้ให้ความสำคัญกันสุดๆ
แน่นอนว่าการขยับตัวของ Google ในครั้งนี้ไม่ใช่แค่การปล่อยเครื่องมือใหม่ธรรมดา แต่มันคือการปูทางให้ Ecosystem ของการทำ AI บนอุปกรณ์แข็งแกร่งขึ้น ใครที่กำลังซุ่มทำแอปฯ สาย Deep Learning หรือ Computer Vision อยู่ บอกเลยว่าตัวนี้เป็นของเล่นใหม่ที่ต้องรีบไปศึกษาครับ
การมาของ LiteRT Tensor API จะช่วยลดกำแพงระหว่างนักพัฒนากับการรัน ML บน Hardware จริงๆ ใครที่อยากทำแอปฯ ฉลาดๆ แต่ไม่อยากให้ Data รั่วไหล นี่คือจุดเริ่มต้นที่น่าจับตามองที่สุดครับ
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...