民主化机器学习将改变物联网

北欧半导体

即使是几年前，运行机器学习在电池供电的电源上，无线设备的无线设备对于嵌入式工程师来说是极其困难的。主要问题之一是机器学习需要博士计算机和数据科学背景。

今天，这些限制不再存在，由于无线物联网芯片和缩小版本的机器学习，称为微小机器学习或Tinyml的缩小版本。

虽然无线物联网设备通常被描述为过去受到资源，但是在行业的前沿，今天不能真正应用相同的标签。例如，在蓝牙行业中，嵌入式双核处理器可以通过大量闪存和RAM支持高达128MHz。RAM对TinyM1应用特别有用。

在机器学习中，优化的神经网络可以缩小到小型计算资源上运行。减少高级，计算密集的ai或机器学习培训模型进入Tinyml版本使组织可以将其应用于基于现实的IOT传感器的应用程序。物联网应用专注于三个关键传感领域：以数字图像和视频形式的语音和音频，振动和视野中的模式和异常识别。

简单地说：机器学习已变得可访问对于所有在无线IOT中，因为通过从最终用户抽象了机器学习复杂性，例如通过图形数据表示。

使用Tinyml，制造商可以推出本地智能和决策，几乎任何产品或应用程序。在此技术意味着将大量数据发送到云以进行分析之前，请执行任何类型的AI或机器学习。云中数据分析所需的电源往往会排除电池操作，并且云也很昂贵，因为它涉及强大的Web服务器。

但是，在边缘的机器学习，只发送必要的数据，例如警报，直到云。即使对于连续监控应用，应用程序也可以在深度睡眠模式中，大部分时间都可以节省电池并延长电池操作。

无数产品和应用程序可以更智能地制作10到100倍在以前没有被认为或以商业上可行的方式更有用。

尽可能多地执行尽可能多的数据处理，也意味着可以实现更大的安全性和隐私

智能家庭提供了一个优势Tinyml的应用程序的示例。

聪明的家是一团糟。竞争系统太多与彼此不相容，智能家居设备太难以设置。几乎所有的设备也要求您下载一个应用程序，这对于许多设备所提供的功能无意义。应用程序刚刚对用户的智能手机混乱。

智能家庭行业以这种形式认识到这个问题关联回家IP（芯片）计划，一个开放标准，将允许各种智能家居产品之间完全兼容性。

然而，使用机器学习是我们如何最终看到智能家庭的潜力。机器学习将使设置和使用智能家居设备在其有用性中简单而不可或缺。

智能锁将超越基于应用的手动控制，基于家庭的实际生活模式几乎自动自动控制。如果您忘记锁定前门，当您通常锁定它时，锁将锁定自身。它将在您每天带狗散步时解锁。它甚至可以在通过打开外部门，而是锁定内部以防止进入家庭时，甚至可以提供临时访问包裹留下包裹。

最重要的是，智能家庭必须自己智能，而不会将数据发送到云以获取决策。

随着机器学习，IOT将成为日常生活的不可或缺的一部分，既有私人和专业。

最终用户不一定关心机器学习细节，但他们将关心毫不费力，直观的交互，无缝智能和有用操作的结果。许多设置和维护任务也将被淘汰。

在未来几年将出现成千上万的Tinyml供电的应用和产品。而且这些都将共同努力使世界变得更安全，更舒适，更高效，不太容易发生故障和延误，在消费稀缺资源和浪费的消费中更经济。

所有IOT议程网络贡献者负责其帖子的内容和准确性。意见是作者，不一定能够传达物联盟议程的思想。