İnternetdən istifadə artıqca data təhlükəsizliyi, sürətli nəticələr və istifadəçi axtarışlarının təkmilləşdirilməsi də davamlı artır. Bu dinamik gedişatda "On-Device Machine Learning" (ODML) texnologiyası bu üç kritik sahəni birləşdirərək daha təhlükəsiz, sürətli və fərdiləşdirilmiş istifadəçi təcrübəsi təklif edər, eyni zamanda gündəlik həyatımızda texnologiya ilə əlaqəmizi əsaslı şəkildə dəyişdirir.

ODML, yəni cihazda maşın öyrənməsi sayəsində cihazlarımız təkmilləşdikcə, telefonlarımızla daha effektiv və səmərəli qarşılıqlı əlaqə qura bilirik. 

Texnologiyanın gətirdiyi həmin yeniliklərlə verilənlərin emalı prosesləri bulud serverlərindən kənara çıxır və bizim cihazlarımıza daxil edilir. Nəticədə isə sürətli olmaqla bərabər məlumatlarımızın təhlükəsizliyi qorunur. 

ODML nədir?

ODML sadəcə bulud serverlərində deyil, birbaşa cihazınızda baş verir. Tutaq ki, smartfonunuzda şəkil editləmə proqramı var. Ənənəvi yanaşmada bu proqram şəkillərinizə effekt vermək üçün onu serverə göndərir, orada redaktələr edilir və daha sonra nəticələr telefonunuza geri göndərilir. 

Bu proses internet bağlantınızdan asılı olaraq vaxt aparır və məlumatlarınızın məxfiliyi tamamilə qorumur.

ODML ilə isə eyni şəkil redaktəsi birbaşa telefonunuzda baş verir. Telefonunuzun prosessoru fotoşəkilləri yerində emal edib redaktələri tətbiq edir. Bu zaman internet zəif olsa belə, proses sürətli olur və ən önəmlisi  şəkil cihazdan göndərilmədiyi üçün məlumatların məxfiliyi qorunur.

ODML-in üstünlükləri

Təhlükəsizlik və məxfilik. Fikrimcə, ODML-in ən böyük üstünlüyü məlumat təhlükəsizliyi və məxfilikdir. Məlumatlarınız təhlil üçün serverə göndərilməməsi onların üçüncü şəxslərin əlinə keçmə riskini azaldır.

Sürət və səmərəlilik. ODML ilə cihazınızın məlumatları emal etmək üçün xarici serverə qoşulması lazım deyil. Bu, hətta zəif internet bağlantılarında da sürətli və fasiləsiz istifadəni təmin edir.

Məsələn, siz hər hansısa mətni redaktə etmək üçün proqramdan istifadə edirsinizsə, normalda internet zəif olduqda mətn redaktə olunmur və işləriniz ləngiyir. Cihazın maşın öyrənməsində isə emal yerli olduğu üçün internetin sürəti işlərinizə mane olmur.

Daha az şəbəkə istifadəsi. Məlumatların bulud serverlərinə və geri göndərilməsi lazım olduqda şəbəkə trafiki azalır ki, bu problemə ODML-də rastlaşmırıq.

Cihazda maşın öyrənmənin əsas funksiyaları

Mərkəzləşdirilmiş təlim və nümunələrin toplanması. ODML platforması mərkəzi verilənlər bazasındakı tətbiqlərdən təlim nümunələrini toplayır. Yəni, o telefonunuzdakı dil öyrənmə proqramından sizin dil bacarıqlarınız haqqında məlumatları toplaya və onu bu verilənlər bazasına göndərə bilər.

Model təlimi. Bu verilənlər bazasındakı məlumatlar maşın öyrənmə modellərini öyrətmək üçün istifadə olunur. Bu şəkildə, tətbiq istifadəçi təcrübəsini yaxşılaşdırmaq üçün daim inkişaf edir.

Maşın öyrənmə modellərinin istifadəsi. İnkişaf etdirilən modellər müxtəlif proqramlar tərəfindən istifadə edir. Məsələn, şəkil editləmə proqramı bu modellərdən fotoşəkillərinizdə olan obyektləri tanımaq və avtomatik redaktə etmək üçün istifadə edir.

“Prediction API” və URI məzmunu

ODML, "Prediction API" vasitəsilə tətbiqlərə xidmətlər təqdim edir. Bu API proqramlara (məsələn, smartfonunuzda və ya ağıllı saatlarda) platformada saxlanılan maşın öyrənmə modellərinə məlumat göndərməyə və həmin məlumatlara əsasən proqnozlar almağa imkan verir. 

Belə ki, tətbiqlər istifadəçi qarşılıqlı əlaqəsi və ya sensor datası kimi girişləri toplayır və bu məlumatları “Prediction API” vasitəsilə maşın öyrənmə platformasına göndərir. Platforma bu məlumatları emal edir, nəticələr verir və bu nəticələri tətbiqə geri göndərir.

Bundan əlavə, platforma “Uniform Resource Identifier”(URI), yəni vahid resurs identifikatoru vasitəsilə platforma proqnoz planlarını və parametrlərini yükləyir. Daha sonra isə modeli işə salmaq üçün bu məlumatdan istifadə edir. 

Nümunələrinin saxlanması 

1.İstifadəçi razılığı və məxfilik. İstifadəçinin razılığı ilə toplanan məlumatlar şəxsi məlumatların şifrələnməsi və ya anonimləşdirilməsi yolu ilə istifadə olunur və təhlükəsiz şəkildə saxlanılır.

2.Modelin yenidən hazırlanması. " Prediction API" vasitəsilə model daim yenilənir və verilənlər bazasındakı nümunələrlə təkmilləşdirilir.

ODML-in mənfi cəhətləri varmı?

Bir çox üstünlüklərə malik olsa da, onun bəzi mənfi cəhətlərinə bunları aid edə bilərik:

• Avadanlıq məhdudiyyətləri. Yüksək emal tələbləri cihazın batareyasının ömrünü azaldır ki, bu da aşağı performanslı cihazlarda məhdudiyyətlərə səbəb olur.
• Məlumat məhdudiyyətləri. Məhdud yaddaş məlumatları məhdudlaşdıra bilər.
• Yeniləmə problemləri. Daima yenilənmələr tələb olunduğu üçün datanın yenilənib saxlanılması istifadəçiyə çətin gələ bilir. Eyni zamanda məhdud yaddaş səbəbilə yenilənmə zamanı yaddaşda yer olmaması da mümkündür.

ODML-in avtorizasiya prosesi

Qeydiyyat və doğrulama mərhələsi. Əvvəlcə, proqram cihaz platformasında qeydiyyatdan keçərkən xüsusi paket adı və API açarı alır.

Bu məlumat istifadəçinin şəxsiyyətini yoxlamaq üçün mərkəzi orqana göndərilir.

Platforma açarının yaradılması. İstifadəçinin autentifikasiyası uğurla başa çatdıqdan sonra cihazdakı platforma cihaz üçün istifadə olunacaq platforma açarı yaradır.

Bu açar proqramın cihaz platforması ilə gələcək qarşılıqlı əlaqəsi üçün mühüm rol oynayır.

API zənglərində açar istifadəsi. Tətbiq cihazda API zəngləri edərkən bu platforma açarından istifadə etməlidir. Platforma hər zəngdə açarın etibarlılığını yoxlayır.

Bu proses əksər istifadəçilərin cihazlarında olur. API istifadə edildikdə, platforma əsas hesabı müəyyən edirvə təlim məlumatlarını həmin hesaba birləşdirərək modeli yeniləyir. 

Qeyd edim ki, istifadəçilər hər hansısa məlumatı və ya hesab tarixçələrini sildikdə, platforma bütün müvafiq kontekst məlumatlarını silir və modeli mövcud məlumatlarla yenidən hazırlayır.