為了使機器學習達到“人類級”能力，則需要許多訓練迭代和標記數據。這需要大量資源，例如GPU和存儲，只需點擊每個云提供商的按鈕即可使用。結果，機器學習主要在云上發展，但這并不意味著它需要留在那里。如今，一個名為tinyML的機器學習新領域使得在微型、電池供電的物聯網(IoT)設備上運(yun)行機器(qi)學習模型(xing)成為可能。
物聯網
物(wu)(wu)聯(lian)網是一個(ge)(ge)物(wu)(wu)理對象（事物(wu)(wu)）的(de)(de)網絡，嵌入了傳感器、軟件和(he)其他(ta)用(yong)于數(shu)字(zi)化和(he)自動化的(de)(de)技術。這(zhe)些(xie)設備(bei)(bei)的(de)(de)范圍從普通的(de)(de)家(jia)用(yong)物(wu)(wu)品到復雜的(de)(de)工(gong)業(ye)設備(bei)(bei)不等。所有(you)物(wu)(wu)聯(lian)網設備(bei)(bei)的(de)(de)一個(ge)(ge)共同特征是，它們連(lian)接到一個(ge)(ge)平臺(tai)，有(you)時相互連(lian)接，以執行某種(zhong)功(gong)能。室外物(wu)(wu)聯(lian)網設備(bei)(bei)通常通過(guo)蜂窩網絡實(shi)現連(lian)接，而在(zai)室內(nei)或人口密(mi)集的(de)(de)市(shi)區(qu)，則可以使用(yong)WiFi、LPWAN或藍(lan)牙。這(zhe)個(ge)(ge)龐(pang)大(da)的(de)(de)市(shi)場擁有(you)超過(guo)70億臺(tai)設備(bei)(bei)，并(bing)且正(zheng)在(zai)不斷增長。一些(xie)行業(ye)專家(jia)預測，到2025年，這(zhe)個(ge)(ge)數(shu)字(zi)將增長到220億。毫(hao)無(wu)疑問，淘(tao)金熱出現了。
物聯網設備的機器學習
絕大多數物聯網設備的計算能力不及云計算。然而，機器學習（ML）的最新突破甚至允許最小的物聯網設備也能執行特定的ML任務。這個新興的機器學習領域被稱為tinyML。微型物聯網設備上的這種ML組合是將智能從云端轉移到“邊緣設備”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(wu)聯網(wang)設備上(shang)的一些開創性應用(yong)包括(kuo)：
●Alexa和Siri等語音命令
●具有物體和面部識(shi)別(bie)功能的智(zhi)能攝(she)像頭
●實時健康和活動監測
●智慧城市停車，自動計費
智慧城市應用
以(yi)智慧城市停車(che)(che)為例。優化停車(che)(che)的(de)一(yi)種(zhong)方法(fa)是在每個街角放置一(yi)個攝(she)像(xiang)頭(tou)（類(lei)似于監控攝(she)像(xiang)頭(tou)），并(bing)監測誰在何時何地(di)停車(che)(che)。這(zhe)使市政(zheng)(zheng)當局可以(yi)自動啟動停車(che)(che)位(wei)的(de)計(ji)(ji)費流程，并(bing)讓(rang)人們知道(dao)空閑車(che)(che)位(wei)的(de)位(wei)置。傳統上，這(zhe)需(xu)要(yao)(yao)將(jiang)實(shi)時視(shi)(shi)頻(pin)發(fa)送(song)到云(yun)端(duan)進行處理(li)。這(zhe)造(zao)(zao)成了(le)(le)一(yi)個巨(ju)大的(de)隱私問題：市政(zheng)(zheng)當局只需(xu)要(yao)(yao)知道(dao)汽車(che)(che)的(de)牌照(zhao)號碼就可以(yi)開始計(ji)(ji)費流程。但是，實(shi)時視(shi)(shi)頻(pin)包含很(hen)多信息，例如誰和(he)誰一(yi)起(qi)坐車(che)(che)，這(zhe)造(zao)(zao)成了(le)(le)巨(ju)大的(de)隱私問題。這(zhe)正(zheng)是tinyML發(fa)揮作用的(de)地(di)方：tinyML讓(rang)您可以(yi)在資源受限的(de)現(xian)場設備(bei)上實(shi)時處理(li)視(shi)(shi)頻(pin)，而(er)無需(xu)將(jiang)其發(fa)送(song)到云(yun)端(duan)。在這(zhe)種(zhong)情況下，唯一(yi)會(hui)被(bei)發(fa)送(song)到云(yun)端(duan)的(de)是車(che)(che)牌號碼，有了(le)(le)它(ta)，隱私問題就不存在了(le)(le)。而(er)原始視(shi)(shi)頻(pin)永遠不會(hui)離開攝(she)像(xiang)頭(tou)。
人工智能進化的環境影響
物聯網(wang)(wang)和(he)tinyML的結合(he)還將(jiang)在(zai)幫助組織實現(xian)環境(jing)、社會和(he)治理(li)(ESG)目(mu)標方面發揮核心作用(yong)。環境(jing)監測(ce)項目(mu)利(li)用(yong)物聯網(wang)(wang)技術(shu)來收集現(xian)場(chang)數(shu)據(ju)(ju)，如空氣質量(liang)、水質、噪音水平等。傳統上(shang)，掃描異常事件的數(shu)據(ju)(ju)需要將(jiang)數(shu)據(ju)(ju)傳輸到云端并(bing)應(ying)用(yong)異常檢測(ce)算法(fa)。借助tinyML，這些電(dian)池供電(dian)的物聯網(wang)(wang)設(she)備(bei)可以在(zai)現(xian)場(chang)執行異常檢測(ce)和(he)其(qi)他機器學習(xi)任務。這消除(chu)了將(jiang)數(shu)據(ju)(ju)傳輸到云端進行分析而帶來的延(yan)遲(chi)，并(bing)延(yan)長了設(she)備(bei)的電(dian)池壽(shou)命。
總結
在(zai)過去，將機器(qi)(qi)學習(xi)應用于這些微(wei)型設(she)(she)備幾(ji)乎是不(bu)可能的(de)(de)，因此，它只能在(zai)云中進行(xing)。隨著tinyML技(ji)術的(de)(de)成熟，數十億臺微(wei)型物(wu)聯(lian)網設(she)(she)備現在(zai)可以利(li)用機器(qi)(qi)學習(xi)。物(wu)聯(lian)網和機器(qi)(qi)學習(xi)的(de)(de)融合為各種行(xing)業的(de)(de)許多(duo)新應用打開(kai)了(le)大門。這反過來將增加物(wu)聯(lian)網技(ji)術的(de)(de)采用，并(bing)推動(dong)城市和其他傳統(tong)行(xing)業(如關(guan)鍵(jian)基礎設(she)(she)施、環境監測和交通)的(de)(de)數字化。
