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(she)備(bei)上運(yun)行機器學習模型成為可(ke)能。
物聯網
物聯(lian)網(wang)(wang)是一個(ge)(ge)物理對象（事物）的(de)(de)(de)網(wang)(wang)絡(luo)，嵌入了傳(chuan)感(gan)器、軟件(jian)和其他用(yong)于數(shu)字(zi)化和自動化的(de)(de)(de)技術。這(zhe)些設備的(de)(de)(de)范圍從普通的(de)(de)(de)家用(yong)物品到復雜(za)的(de)(de)(de)工業設備不(bu)等。所有(you)物聯(lian)網(wang)(wang)設備的(de)(de)(de)一個(ge)(ge)共同特征是，它們連接(jie)到一個(ge)(ge)平臺，有(you)時相(xiang)互連接(jie)，以執行某種功能。室(shi)外(wai)物聯(lian)網(wang)(wang)設備通常通過蜂窩(wo)網(wang)(wang)絡(luo)實現(xian)連接(jie)，而在(zai)室(shi)內或人(ren)口密集的(de)(de)(de)市區，則可以使(shi)用(yong)WiFi、LPWAN或藍牙。這(zhe)個(ge)(ge)龐大的(de)(de)(de)市場擁有(you)超過70億臺設備，并且(qie)正在(zai)不(bu)斷增長。一些行業專家預測(ce)，到2025年(nian)，這(zhe)個(ge)(ge)數(shu)字(zi)將增長到220億。毫無疑問，淘金熱出現(xian)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在物聯(lian)網設(she)備上的一些開創性應用包括：
●Alexa和(he)Siri等語(yu)音命令
●具有物(wu)體(ti)和(he)面部(bu)識別功(gong)能的(de)智能攝像(xiang)頭
●實(shi)時健康和活動監測(ce)
●智慧城市停車，自動計費
智慧城市應用
以(yi)智慧城(cheng)市停(ting)車(che)(che)為例(li)。優化停(ting)車(che)(che)的(de)(de)(de)(de)一(yi)(yi)種(zhong)方法是(shi)在(zai)每(mei)個街角放置一(yi)(yi)個攝像頭（類似于監(jian)控攝像頭），并監(jian)測誰(shui)(shui)在(zai)何時(shi)何地停(ting)車(che)(che)。這(zhe)(zhe)使市政當局可以(yi)自動(dong)啟動(dong)停(ting)車(che)(che)位的(de)(de)(de)(de)計費流(liu)程，并讓人們知道空閑車(che)(che)位的(de)(de)(de)(de)位置。傳統上，這(zhe)(zhe)需要將實(shi)時(shi)視頻(pin)發(fa)(fa)送到(dao)(dao)云端進行處理。這(zhe)(zhe)造成了(le)一(yi)(yi)個巨(ju)大的(de)(de)(de)(de)隱(yin)私(si)問題：市政當局只需要知道汽車(che)(che)的(de)(de)(de)(de)牌照號(hao)碼就(jiu)(jiu)可以(yi)開始(shi)計費流(liu)程。但是(shi)，實(shi)時(shi)視頻(pin)包(bao)含很多信息，例(li)如誰(shui)(shui)和(he)誰(shui)(shui)一(yi)(yi)起坐車(che)(che)，這(zhe)(zhe)造成了(le)巨(ju)大的(de)(de)(de)(de)隱(yin)私(si)問題。這(zhe)(zhe)正是(shi)tinyML發(fa)(fa)揮作用的(de)(de)(de)(de)地方：tinyML讓您可以(yi)在(zai)資源受限(xian)的(de)(de)(de)(de)現場設備上實(shi)時(shi)處理視頻(pin)，而(er)無需將其發(fa)(fa)送到(dao)(dao)云端。在(zai)這(zhe)(zhe)種(zhong)情況下，唯一(yi)(yi)會被發(fa)(fa)送到(dao)(dao)云端的(de)(de)(de)(de)是(shi)車(che)(che)牌號(hao)碼，有(you)了(le)它，隱(yin)私(si)問題就(jiu)(jiu)不(bu)存(cun)在(zai)了(le)。而(er)原始(shi)視頻(pin)永遠不(bu)會離開攝像頭。
人工智能進化的環境影響
物聯網和tinyML的(de)結合還(huan)將在幫助(zhu)組織實現(xian)環(huan)(huan)境、社會和治理(ESG)目標(biao)方面發揮核心作用。環(huan)(huan)境監測(ce)項目利用物聯網技術來收集現(xian)場數據，如空氣質量、水(shui)質、噪音水(shui)平等。傳統上，掃描(miao)異(yi)(yi)(yi)常事件的(de)數據需要將數據傳輸(shu)到云(yun)端并(bing)應(ying)用異(yi)(yi)(yi)常檢(jian)測(ce)算法。借助(zhu)tinyML，這些電池供電的(de)物聯網設備可以在現(xian)場執(zhi)行異(yi)(yi)(yi)常檢(jian)測(ce)和其他機器學習任務。這消除了將數據傳輸(shu)到云(yun)端進(jin)行分析而帶來的(de)延遲，并(bing)延長了設備的(de)電池壽命。
總結
在(zai)過去，將機器(qi)學習(xi)應(ying)用(yong)于這(zhe)些(xie)微型設(she)備幾乎是不可能的，因(yin)此，它只能在(zai)云中進行。隨著tinyML技(ji)術的成(cheng)熟，數十億臺(tai)微型物(wu)聯(lian)(lian)網(wang)設(she)備現在(zai)可以(yi)利(li)用(yong)機器(qi)學習(xi)。物(wu)聯(lian)(lian)網(wang)和機器(qi)學習(xi)的融合為各(ge)種行業(ye)的許多新應(ying)用(yong)打開(kai)了大(da)門。這(zhe)反過來將增加物(wu)聯(lian)(lian)網(wang)技(ji)術的采(cai)用(yong)，并推動城市和其他(ta)傳統行業(ye)(如(ru)關鍵基(ji)礎(chu)設(she)施、環境監(jian)測和交(jiao)通)的數字化。
