TinyML：下一轮人工智能革命

由NASA引领的小型化风潮已经席卷了整个消费电子产品产业。现在，一个领针中即可保存全部贝多芬作品，并可使用耳机聆听。
———天体物理学家、科学评论员Neil deGrasse Tyson

……超低功耗嵌入式设备的普及，以及用于微控制器的TensorFlow Lite等嵌入式机器学习框架的推出，意味着人工智能驱动的IoT设备将得到大规模普及。
———哈佛大学副教授Vijay Janapa Reddi

图1 嵌入设备上的TinyML概览图

模型并非越大越好。

本文是TinyML系列文章中的第一篇，目的是向读者介绍TinyML概念及其未来潜力。本系列的后续文章中，将深入介绍一些特定的应用、具体实现和教程。

引 言

过去的十年中，由于处理器速度的提高和大数据的出现，我们见证了机器学习算法的规模呈指数级增长。最初，模型的规模并不大，在本地计算机中运行，使用CPU的一或多个内核。

此后不久，GPU计算使人们可以处理更大规模的数据集，并且通过基于云的服务，例如Google Colaboratory等SaaS平台，Amazon EC2 Instances等IaaS，GPU技术变得更易于获取。与此同时，算法仍可在单机上运行。

最近，专用的ASIC和TPU已可提供大约8个GPU的处理能力。这些设备的发展，增强了将学习算法分布到多个系统中的能力，满足了规模不断增大的模型需求。

原文链接:【https://www.infoq.cn/article/Ihfwg4Lc9GEm349NSeK7】。未经作者许可，禁止转载。