TinyML está dando nueva vida al hardware

TinyML está dando nueva vida al hardware

La última tecnología de software integrada mueve el hardware a un reino casi mágico

Aluminio e iconografía ya no son suficientes para que un producto se note en el mercado. Hoy en día, los grandes productos necesitan ser útiles y ofrecer una experiencia casi mágica, algo que se convierte en una extensión de la vida. Tiny Machine Learning (TinyML) es la última tecnología de software integrada que mueve el hardware a ese reino casi mágico, donde las máquinas pueden aprender y crecer automáticamente a través del uso, como un cerebro humano primitivo.

Hasta ahora, la creación de algoritmos de aprendizaje automático (ML) para hardware significaba modos matemáticos complejos basados en datos de muestra, conocidos como “datos de entrenamiento”, con el fin de tomar predicciones o decisiones sin estar programados explícitamente para hacerlo. Y si esto suena complejo y caro de construir, lo es. Además, tradicionalmente las tareas relacionadas con ML se tradujeron a la nube, creando latencia, consumiendo poca energía y poniendo las máquinas a merced de las velocidades de conexión. Combinadas, estas restricciones hicieron que la computación en el borde sea más lenta, más costosa y menos predecible.

Pero gracias a los recientes avances, las empresas están recurriendo a TinyML como la última tendencia en la creación de inteligencia de productos. Arduino la compañía más conocida por el hardware de código abierto está haciendo que TinyML esté disponible para millones de desarrolladores. Junto con Edge Impulse, están convirtiendo la omnipresente placa Arduino en una potente plataforma de ML integrada, como el 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 hicieron grandes avances en hacer que los modelos de aprendizaje profundo sean más pequeños, rápidos y manejables en hardware integrado a través de proyectos como TensorFlow Lite para microcontroladores, uTensor y CMSIS-NN de Arm. Pero la creación de un conjunto de datos de calidad, la extracción de las características adecuadas, la formación y la implementación de estos modelos sigue siendo complicado. TinyML era el eslabón perdido entre el hardware de borde y la inteligencia del dispositivo que ahora se materializó.

Dispositivos diminutos con cerebros no tan diminutos


Source link