Was ist das Hauptziel von TinyML?

TinyML lässt trainierte Machine-Learning-Modelle direkt auf winzigen, stromsparenden Mikrocontroller-Chips laufen, statt Daten an einen weit entfernten Cloud-Server zu senden. Ingenieure verkleinern und vereinfachen Modelle so, dass sie nur einen Bruchteil des üblichen Speichers und der üblichen Rechenleistung benötigen, sodass ein Gerät mit wenigen Milliwatt ein Aufweckwort oder eine Geste erkennen kann, manchmal monatelang mit einer Knopfzellenbatterie.

Den größten Rechenzentrums der Welt zu bauen ist das genaue Gegenteil – massive zentralisierte Anlagen statt winziger eingebetteter Chips. Jeden Programmierer zu ersetzen ist eine unabhängige Behauptung über die gesellschaftliche Wirkung von KI, nicht diese konkrete technische Methode.

Da die Verarbeitung auf dem Gerät bleibt statt auf einem Server, bietet TinyML echte Vorteile für die Privatsphäre, da sensible Ton- oder Bilddaten in der Nähe des Sensors diesen nie verlassen müssen.