Pikirkan tentang tempat pengukuran sebenarnya dilakukan: lorong sayur di supermarket dengan sinyal satu garis, ruang utilitas bawah tanah, garasi, atau tangga di antara dua pintu apartemen. Jika aplikasi pengukuran Anda memerlukan server, ia akan gagal tepat di tempat ia paling dibutuhkan. Jadi, keputusan arsitektur pertama juga merupakan keputusan yang paling mutlak: setiap pengambilan, setiap analisis, dan setiap hasil yang disimpan harus berfungsi tanpa jaringan. Bukan mode luring dengan fitur yang dipangkas — melainkan mode utama. Tidak ada mode daring untuk diturunkan kualitasnya.

Keuntungan nyata dari analisis di perangkat

Kecepatan yang mengubah cara Anda mengukur

Analisis di ponsel memberikan hasil dalam waktu kurang dari sedetik. Batasan latensi itu bukan sekadar kosmetik — ini mengubah alur kerja. Ketuk buah melon, lihat hasilnya, ketuk lagi di tempat berbeda, lalu bandingkan. Petik seluruh 32 jari-jari roda dalam beberapa menit. Ketika setiap pembacaan data membutuhkan waktu pulang-pergi ke server, Anda hanya akan mengukur sekali lalu berharap; ketika hasilnya instan, Anda akan mengukur lima kali dan tahu pasti. Instrumen adalah alat untuk Anda melakukan iterasi.

Privasi berdasarkan arsitektur, bukan kebijakan

Rekaman mikrofon di rumah Anda adalah jenis data yang seharusnya tidak perlu dikirim ke mana-mana. Di sini, data tersebut memang tidak dikirim: audio mentah diproses langsung di perangkat dan fitur yang diekstrak disimpan di perangkat pula. Tidak ada yang keluar dari ponsel kecuali Anda masuk dan menekan sinkronisasi secara eksplisit — dan aplikasi ini dapat digunakan sepenuhnya tanpa perlu masuk sama sekali. Kebijakan privasi memberi tahu Anda apa yang dijanjikan perusahaan terhadap data Anda; arsitektur luring membuat sebagian besar janji tersebut menjadi tidak diperlukan.

Struktur biaya yang tidak membebani produk

Inferensi cloud berarti setiap pengukuran memakan biaya bagi vendor, yang pada akhirnya berujung pada langganan, batasan, atau iklan. Inferensi di perangkat tidak memerlukan biaya per penggunaan, sehingga tidak ada paksaan untuk membatasi Anda. Keselarasan insentif ini tidak mencolok tetapi nyata: aplikasi dengan biaya marginal nol mampu membiarkan Anda mengukur sebanyak yang Anda inginkan.

Katalog tersimpan di ponsel; cloud hanyalah salinan

Semua yang Anda ukur akan dimasukkan ke dalam katalog lokal — objek, skenario penggunaan, pengukuran, label — dan database lokal selalu menjadi sumber kebenaran data. Masuk dengan Google hanya menambahkan satu hal: sinkronisasi manual yang disengaja untuk menarik salinan cloud dan mendorong salinan Anda, sehingga perangkat kedua atau penampil web dapat melihat katalog yang sama. Sinkronisasi manual adalah sebuah fitur, bukan batasan — sinkronisasi terjadi saat Anda memintanya, dalam satu pasang arah yang dapat Anda pahami, bukan sebagai proses latar belakang yang sewaktu-waktu mengejutkan Anda.

Implikasi untuk penampil web: penampil ekspor berbasis browser mengikuti aturan yang sama. Buka bundel yang diekspor dan data tersebut akan diurai sepenuhnya di browser Anda — file lokal dimasukkan, tidak ada yang diunggah, selamanya.

Batasan yang menjaga semua orang tetap jujur

Mengutamakan luring memiliki manfaat tersembunyi lainnya: mencegah rekayasa yang asal-asalan. Anda tidak bisa menutupi rangkaian fitur yang buruk dengan melemparkan model cloud raksasa ke audio mentah. Semuanya harus berjalan di CPU ponsel dalam satu detik, yang memaksa analisis menjadi ringkas, dapat ditafsirkan, dan didasarkan pada prinsip fisika: frekuensi resonansi dan rasio redaman alih-alih embedding kotak hitam, serta rasio penerima yang sama alih-alih tingkat absolut. Fitur-fitur tersebut adalah fitur yang dapat diterapkan di berbagai model ponsel tanpa kalibrasi per perangkat — batasan dan kualitas mendorong ke arah yang sama. (Selengkapnya tentang aturan desain tersebut di ikhtisar alat dan postingan pengukuran dua ponsel.)

Apa yang tidak dimaksud dengan mengutamakan luring

Ini bukan berarti anti-cloud. Sinkronisasi ada karena katalog yang Anda bangun selama berbulan-bulan layak mendapatkan cadangan dan layar kedua. Dan ini tidak berarti model tidak pernah meningkat: pengklasifikasi dilatih secara terpusat pada pengukuran yang dipilih untuk disumbangkan oleh pengguna dengan label ground-truth — flywheel himpunan data — dan dikirim kembali ke aplikasi untuk dijalankan, seperti biasa, di perangkat. Jaringan digunakan untuk memindahkan pengetahuan, sesuai jadwal Anda. Pengukuran terjadi di tangan Anda.