TinyML está dando vida a miles de millones de dispositivos



Hasta ahora, la construcción de algoritmos de aprendizaje automático (ML) para hardware significaba complejidad modo matemáticos basados ​​en datos de muestra, conocidos como «datos de entrenamiento, ”Con el fin de hacer predicciones o decisiones sin estar programado explícitamente para hacerlo. Y si esto suena complejo y costoso de construir, lo es. Además de eso, las tareas tradicionalmente relacionadas con ML se tradujeron a la nube, creando latencia, consumiendo energía escasa y poniendo las máquinas a merced de las velocidades de conexión. Combinadas, estas limitaciones hicieron que la informática en el perímetro fuera más lenta, más cara y menos predecible. Tiny Machine Learning (TinyML) es la última tecnología de software integrado que mueve el hardware a un reino casi mágico, dondeLas máquinas pueden aprender y crecer automáticamente mediante el uso, como un cerebro humano primitivo.

Pero gracias a los avances recientes, las empresas están recurriendo a TinyML como la última tendencia en la creación de inteligencia de productos. Arduino, la empresa más conocida por hardware de código abierto hace que TinyML esté disponible para millones de desarrolladores, y ahora junto con Impulso de borde, están convirtiendo la omnipresente placa Arduino en una potente plataforma ML integrada, como la Arduino Nano 33 BLE Sense y otras placas de 32 bits. Con esta asociación, puede ejecutar potentes modelos de aprendizaje basados ​​en redes neuronales artificiales (ANN) que alcanzan y muestrean pequeños sensores junto con microcontroladores de baja potencia. Durante el año pasado, se lograron grandes avances para hacer que los modelos de aprendizaje profundo sean más pequeños, más rápidos y que se puedan ejecutar en hardware integrado a través de proyectos como TensorFlow Lite para microcontroladores, uTensor y Arm’s CMSIS-NN; pero crear un conjunto de datos de calidad, extraer las características adecuadas, entrenar e implementar estos modelos sigue siendo complicado. TinyML era el eslabón perdido entre el hardware Edge y la inteligencia del dispositivo, que ahora se está materializando.

Pequeños dispositivos con cerebros no tan pequeños

Las implicaciones de la accesibilidad de TinyML son muy importantes en el mundo actual. Por ejemplo, un ensayo de desarrollo de un fármaco típico tarda unos cinco años, ya que hay millones de decisiones de diseño que deben tomarse en el camino hacia la aprobación de la FDA. Usando el poder de TinyML y hardware, no animales, para probar modelos puede acelerar el proceso y tomar solo 12 meses.

Otro ejemplo de esta tecnología revolucionaria en términos de construcción de redes neuronales es la capacidad de solucionar problemas y crear nuevas soluciones para cosas que antes no podíamos soñar. Por ejemplo, TinyML puede escuchar colmenas y detectar anomalías y angustias causadas por cosas tan pequeñas como avispas. Un pequeño sensor puede activar una alerta basada en un modelo de sonido que identifica una colmena bajo ataque, lo que permite a los agricultores asegurar y ayudar a la colmena, en tiempo real.

Por qué TinyML en tiempo real

La gran necesidad de soluciones económicas y fáciles de implementar para COVID-19 y otros virus de la gripe está presente para todos nosotros y la detección temprana de los síntomas podría tener un impacto inmediato en millones de vidas en todo el mundo. Hoy en día, utilizando TinyML y una placa Arduino simple, puede detectar y alertar sobre tos inusuales como primer mecanismo de defensa para la contención de COVID19. En una exhibición reciente, Edge Impulse y Arduino publicaron un proyecto que tenía el poder y la simplicidad de ejecutar TinyML en un Arduino Nano BLE Sense que puede detectar la presencia de sonidos específicos de tos en audio en tiempo real, incluido un conjunto de datos de tos y ruido de fondo. samples, y aplicó un modelo TinyML altamente optimizado, para construir un sistema de detección de tos que se ejecuta en menos de 20 kB de RAM en el Nano BLE Sense. El proyecto y el conjunto de datos fue iniciado originalmente por Kartik Thakore para ayudar en el esfuerzo de COVID-19 y estuvo disponible como un repositorio de código abierto en Hackster.io.

Este mismo enfoque se aplica a muchas otras aplicaciones de coincidencia de patrones de audio integradas, por ejemplo, cuidado de niños, cuidado de ancianos, seguridad y monitoreo de máquinas.

TinyML estará en todas partes

Con 250 mil millones de microcontroladores en el mundo actual y un crecimiento anual de 30 mil millones, TinyML es la mejor tecnología para realizar análisis de datos en el dispositivo para visión, audio, movimiento y más. TinyML brinda a los dispositivos pequeños la capacidad de tomar decisiones inteligentes sin necesidad de enviar datos a la nube. A diferencia de los monstruos ML generales que utilizan los científicos de datos, los modelos TinyML son lo suficientemente pequeños como para caber en cualquier entorno, y es por eso que estarán en todas partes.

La accesibilidad de TinyML para desarrolladores e ingenieros de software es otro factor clave de por qué esta tecnología será tan generalizada. Por ejemplo, los desarrolladores de software que quieran construir sistemas integrados usando ML pueden construir un modelo tocando su iPhone como dispositivo de borde, utilizando sus sensores para capturar los datos. Todo lo que necesita hacer para construir su primer modelo es iniciar sesión en la pestaña de adquisición de datos en el Estudio Edge Impulse, seleccione su teléfono como dispositivo de borde, elija el sensor de acelerómetro, por ejemplo, y luego haga clic en «Iniciar muestreo» mientras mueve su teléfono hacia arriba y hacia abajo para generar los datos y verlos en un gráfico. Es así de fácil.

El código TinyML estará en todas partes: máquina, planta, humano, animal.

El aluminio y la iconografía ya no son suficientes para que un producto se destaque en el mercado. Hoy en día, los grandes productos deben ser útiles y brindar una experiencia casi mágica, algo que se convierta en una extensión de la vida. Hoy y en el futuro, miles de millones de pequeños dispositivos actuarán como una extensión de nuestro cerebro, sentimientos y emociones, como una extensión natural de la vida cotidiana, y con eso, TinyML impactará en todas las industrias: venta minorista, atención médica, transporte, bienestar, agricultura. , fitness y fabricación.

Publicado el 3 de septiembre de 2020-19: 00 UTC





Fuente: TNW

Compartir:

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Esta web utiliza cookies, puedes ver aquí la Política de Cookies