為了使機(jī)器學(xué)習(xí)達(dá)到“人類級(jí)”能力，則需要許多訓(xùn)練迭代和標(biāo)記數(shù)據(jù)。這需要大量資源，例如GPU和存儲(chǔ)，只需點(diǎn)擊每個(gè)云提供商的按鈕即可使用。結(jié)果，機(jī)器學(xué)習(xí)主要在云上發(fā)展，但這并不意味著它需要留在那里。如今，一個(gè)名為 tinyML 的機(jī)器學(xué)習(xí)新領(lǐng)域使得在微型、電池供電的物聯(lián)網(wǎng) (IoT) 設(shè)備上運(yùn)行機(jī)器學(xué)習(xí)模型成為可能。

物聯(lián)網(wǎng)

物聯(lián)網(wǎng)是一個(gè)物理對(duì)象（事物）的網(wǎng)絡(luò)，嵌入了傳感器、軟件和其他用于數(shù)字化和自動(dòng)化的技術(shù)。這些設(shè)備的范圍從普通的家用物品到復(fù)雜的工業(yè)設(shè)備不等。所有物聯(lián)網(wǎng)設(shè)備的一個(gè)共同特征是，它們連接到一個(gè)平臺(tái)，有時(shí)相互連接，以執(zhí)行某種功能。室外物聯(lián)網(wǎng)設(shè)備通常通過(guò)蜂窩網(wǎng)絡(luò)實(shí)現(xiàn)連接，而在室內(nèi)或人口密集的市區(qū)，則可以使用 WiFi、LPWAN 或藍(lán)牙。這個(gè)龐大的市場(chǎng)擁有超過(guò) 70 億臺(tái)設(shè)備，并且正在不斷增長(zhǎng)。一些行業(yè)專家預(yù)測(cè)，到 2025 年，這個(gè)數(shù)字將增長(zhǎng)到 220 億。毫無(wú)疑問(wèn)，淘金熱出現(xiàn)了。

物聯(lián)網(wǎng)設(shè)備的機(jī)器學(xué)習(xí)

絕大多數(shù)物聯(lián)網(wǎng)設(shè)備的計(jì)算能力不及云計(jì)算。然而，機(jī)器學(xué)習(xí)（ML）的最新突破甚至允許最小的物聯(lián)網(wǎng)設(shè)備也能執(zhí)行特定的ML任務(wù)。這個(gè)新興的機(jī)器學(xué)習(xí)領(lǐng)域被稱為 tinyML。微型物聯(lián)網(wǎng)設(shè)備上的這種ML組合是將智能從云端轉(zhuǎn)移到“邊緣設(shè)備”這一更大概念的一部分。它通常被稱為“邊緣人工智能”。

tinyML 在物聯(lián)網(wǎng)設(shè)備上的一些開(kāi)創(chuàng)性應(yīng)用包括：

• Alexa 和 Siri 等語(yǔ)音命令
• 具有物體和面部識(shí)別功能的智能攝像頭
• 實(shí)時(shí)健康和活動(dòng)監(jiān)測(cè)
• 智慧城市停車，自動(dòng)計(jì)費(fèi)

智慧城市應(yīng)用

以智慧城市停車為例。優(yōu)化停車的一種方法是在每個(gè)街角放置一個(gè)攝像頭（類似于監(jiān)控?cái)z像頭），并監(jiān)測(cè)誰(shuí)在何時(shí)何地停車。這使市政當(dāng)局可以自動(dòng)啟動(dòng)停車位的計(jì)費(fèi)流程，并讓人們知道空閑車位的位置。傳統(tǒng)上，這需要將實(shí)時(shí)視頻發(fā)送到云端進(jìn)行處理。這造成了一個(gè)巨大的隱私問(wèn)題：市政當(dāng)局只需要知道汽車的牌照號(hào)碼就可以開(kāi)始計(jì)費(fèi)流程。但是，實(shí)時(shí)視頻包含很多信息，例如誰(shuí)和誰(shuí)一起坐車，這造成了巨大的隱私問(wèn)題。這正是 tinyML 發(fā)揮作用的地方：tinyML 讓您可以在資源受限的現(xiàn)場(chǎng)設(shè)備上實(shí)時(shí)處理視頻，而無(wú)需將其發(fā)送到云端。在這種情況下，唯一會(huì)被發(fā)送到云端的是車牌號(hào)碼，有了它，隱私問(wèn)題就不存在了。而原始視頻永遠(yuǎn)不會(huì)離開(kāi)攝像頭。

人工智能進(jìn)化的環(huán)境影響

物聯(lián)網(wǎng)和 tinyML 的結(jié)合還將在幫助組織實(shí)現(xiàn)環(huán)境、社會(huì)和治理 (ESG) 目標(biāo)方面發(fā)揮核心作用。環(huán)境監(jiān)測(cè)項(xiàng)目利用物聯(lián)網(wǎng)技術(shù)來(lái)收集現(xiàn)場(chǎng)數(shù)據(jù)，如空氣質(zhì)量、水質(zhì)、噪音水平等。傳統(tǒng)上，掃描異常事件的數(shù)據(jù)需要將數(shù)據(jù)傳輸?shù)皆贫瞬?yīng)用異常檢測(cè)算法。借助 tinyML，這些電池供電的物聯(lián)網(wǎng)設(shè)備可以在現(xiàn)場(chǎng)執(zhí)行異常檢測(cè)和其他機(jī)器學(xué)習(xí)任務(wù)。這消除了將數(shù)據(jù)傳輸?shù)皆贫诉M(jìn)行分析而帶來(lái)的延遲，并延長(zhǎng)了設(shè)備的電池壽命。

總結(jié)

在過(guò)去，將機(jī)器學(xué)習(xí)應(yīng)用于這些微型設(shè)備幾乎是不可能的，因此，它只能在云中進(jìn)行。隨著 tinyML 技術(shù)的成熟，數(shù)十億臺(tái)微型物聯(lián)網(wǎng)設(shè)備現(xiàn)在可以利用機(jī)器學(xué)習(xí)。物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)的融合為各種行業(yè)的許多新應(yīng)用打開(kāi)了大門(mén)。這反過(guò)來(lái)將增加物聯(lián)網(wǎng)技術(shù)的采用，并推動(dòng)城市和其他傳統(tǒng)行業(yè)(如關(guān)鍵基礎(chǔ)設(shè)施、環(huán)境監(jiān)測(cè)和交通)的數(shù)字化。（編譯：iothome）