Qual è l'obiettivo principale di TinyML?

Il TinyML esegue modelli di machine learning già addestrati direttamente su chip microcontrollori minuscoli e a bassissimo consumo, invece di inviare dati a un server cloud lontano. Gli ingegneri riducono e semplificano i modelli in modo che richiedano solo una frazione della memoria e della potenza di calcolo tipiche, permettendo a un dispositivo di riconoscere una parola d'attivazione o un gesto usando appena qualche milliwatt, a volte funzionando per mesi con una pila a bottone.

Costruire il più grande data center del mondo è l'estremo opposto, strutture centralizzate enormi anziché piccoli chip embedded. Sostituire ogni programmatore è un'affermazione estranea sull'impatto sociale dell'IA, non su questa specifica tecnica ingegneristica.

Poiché l'elaborazione resta sul dispositivo invece che su un server, il TinyML offre reali vantaggi di privacy, dato che dati audio o video sensibili vicino al sensore non devono mai lasciarlo.