在一個(gè)AI幫助氣體傳感器升級(jí)為“電子鼻”的實(shí)例中，生成傳感器算法的機(jī)器學(xué)習(xí)發(fā)生在設(shè)計(jì)周期，而本地設(shè)備僅運(yùn)行算法。然而，這只是將AI帶入邊緣的第一步，它還有更多可能。

為了發(fā)揮其全部潛能，邊緣人工智能將需要具備自適應(yīng)能力。這意味著邊緣設(shè)備將必須在本地實(shí)現(xiàn)機(jī)器學(xué)習(xí)（ML）。確切地說(shuō)，就是如何利用邊緣設(shè)備的有限計(jì)算能力來(lái)實(shí)現(xiàn)ML這一功能，這是當(dāng)前大量研究與開(kāi)發(fā)的主題方向。tinyML基金會(huì)的目標(biāo)就是為本地機(jī)器學(xué)習(xí)提供一種信息和思想交流的形式。

邊緣機(jī)器學(xué)習(xí)將帶來(lái)更智能的物聯(lián)網(wǎng)設(shè)備，這些設(shè)備能夠自行學(xué)習(xí)任務(wù)而無(wú)需開(kāi)發(fā)人員過(guò)多的開(kāi)發(fā)努力

tinyML基金會(huì)于2019年舉辦的首個(gè)業(yè)界活動(dòng) -- tinyML峰會(huì)引起了極大的關(guān)注，有90多家公司參與。這次活動(dòng)揭示了三個(gè)基本趨勢(shì)：

• 具有微型ML功能的硬件目前正變得“足夠好”，適用于許多商業(yè)應(yīng)用，而且新的更好的架構(gòu)陸續(xù)出現(xiàn)。

• 算法、網(wǎng)絡(luò)和模型的規(guī)模已經(jīng)顯著縮小，很多已降至100 kByte或更低。

• 技術(shù)進(jìn)步和生態(tài)系統(tǒng)發(fā)展顯示出增長(zhǎng)的勢(shì)頭。

這些趨勢(shì)表明，機(jī)器學(xué)習(xí)不僅僅是即將出現(xiàn)在邊緣，在某些情況下，它已經(jīng)出現(xiàn)在邊緣。

因?yàn)樾鹿谝咔�，tinyML基金會(huì)取消了2020年的活動(dòng)。但2021年，該基金會(huì)創(chuàng)辦了一個(gè)免費(fèi)的在線活動(dòng)。活動(dòng)最近剛剛結(jié)束，但注冊(cè)用戶可以訪問(wèn)相關(guān)文檔。另外，該基金會(huì)還組織了一系列名為tinyML Talks的講座，感興趣的可以在YouTube和其它平臺(tái)上觀看。

這種趨勢(shì)明顯受到業(yè)界的關(guān)注�，F(xiàn)在該組織的贊助商覆蓋范圍已十分廣泛，從主要的硬件廠商（例如Arm、賽普拉斯半導(dǎo)體和三星），到專(zhuān)注于低功耗AI應(yīng)用的軟件初創(chuàng)公司。目前，很多應(yīng)用專(zhuān)注于視覺(jué)或音頻（語(yǔ)音識(shí)別）系統(tǒng)，但智能傳感器逐步發(fā)展為一種頗具前景的應(yīng)用。

這種趨勢(shì)對(duì)物聯(lián)網(wǎng)開(kāi)發(fā)人員來(lái)說(shuō)也是個(gè)好兆頭。使用常規(guī)編程技術(shù)，以合理成本開(kāi)發(fā)小尺寸、低功耗的設(shè)備來(lái)執(zhí)行復(fù)雜的任務(wù)可能是開(kāi)發(fā)人員的噩夢(mèng)。不過(guò)，將設(shè)備性能依賴于需要聯(lián)網(wǎng)的AI來(lái)處理連接，也有其自身缺點(diǎn)。家庭網(wǎng)絡(luò)已經(jīng)被流媒體和通信需求阻塞；添加大量占用網(wǎng)絡(luò)的智能設(shè)備可能會(huì)使普通家庭連接過(guò)載。還有網(wǎng)絡(luò)通信的延遲、當(dāng)網(wǎng)絡(luò)中斷時(shí)設(shè)備可能完全無(wú)法運(yùn)行，這些都是問(wèn)題。

將人工智能移動(dòng)到邊緣——至少對(duì)于基本功能而言——解決了大多數(shù)問(wèn)題。借助邊緣設(shè)備機(jī)器學(xué)習(xí)的能力，開(kāi)發(fā)人員可以精心設(shè)計(jì)系統(tǒng)去自我學(xué)習(xí)如何滿足客戶需求，而無(wú)需開(kāi)發(fā)人員事先詳盡地分析用例。邊緣設(shè)備具備AI能力可以減少對(duì)網(wǎng)絡(luò)帶寬的需求，消除網(wǎng)絡(luò)延遲問(wèn)題，并確保在沒(méi)有網(wǎng)絡(luò)時(shí)也能夠運(yùn)行。而對(duì)微型ML技術(shù)的擴(kuò)展將有助于加速AI繼續(xù)向物聯(lián)網(wǎng)設(shè)備推進(jìn)。