5 façons TinyMl et Edge AI apporter l’IA à votre appareil

Auteur (s): Dulan Jayawickrama

Publié à l’origine sur Vers l’IA.

5 Utilisations réelles de TinyMl et Edge AI que vous devriez savoir

Imaginez votre téléphone ou montez avec un petit cerveau qui lui est propre. TinyMl et Edge Ai signifient exactement ce – Rendre apprentissage automatique sur l’appareil lui-même. C’est comme donner des gadgets tous les jours – votre thermostat, votre montre intelligente ou même une ampoule – leur propre intelligence embarquée. Vous n’avez pas à envoyer de données au cloud et au dos. Au lieu de cela, l’appareil traite les informations là où elle se trouve. Dans cet article, je vais briser ce que TinyMl (minuscule Apprentissage automatique) et Edge AI sont pourquoi ils comptent, et 5 exemples du monde réel de l’IA fonctionnant sur votre appareil que vous pouvez apprécier aujourd’hui.

Qu’est-ce que TinyMl et Edge Ai?

TinyMl et Edge AI visent à mettre l’intelligence sur l’appareil. TinyML fait spécifiquement référence à des modèles d’apprentissage automatique conçus pour un matériel ultra-petit et à faible puissance (comme les microcontrôleurs). Ces puces sont de minuscules ordinateurs à l’intérieur des gadgets – ceux qui fonctionnent sur une batterie de montre standard ou même moins d’alimentation. En pratique, TinyML «exécute des modèles d’apprentissage automatique sur des appareils ultra-low-puissance, comme les microcontrôleurs». Edge AI est le concept plus large de l’exécution de l’IA au «bord» du réseau (c’est-à-dire sur les appareils locaux) plutôt que dans les gros serveurs cloud.

Surtout, cette technologie n’est pas un avenir lointain. L’idée TinyMl a émergé vers 2018 et a grandi si vite qu’en 2024 même le «Fondation TinyMl»S’est renommé le «Fondation Edge AI» pour refléter la façon dont l’AI-sur-apparemment est devenu. En d’autres termes, aujourd’hui, votre smartwatch, votre appareil photo intelligent et même les appareils intelligents peuvent potentiellement exécuter l’IA sans Internet.

TinyMl fonctionne sur de minuscules jetons. Chaque petite puce peut emballer un «cerveau d’IA» – par exemple un microcontrôleur aussi économe en puissance qu’une batterie de montre. Cela rend les appareils de tous les jours plus intelligents sans le nuage.

Pourquoi l’IA sur l’appareil est important

Mettre l’IA sur les appareils (Edge AI) apporte de grands avantages. Vous obtenez des réponses instantanées, une meilleure intimité et d’énormes économies d’énergie car rien ne doit voyager loin. En bref, l’appareil peut agir de manière indépendante et immédiatement. Par exemple, si votre tracker de fitness portable détecte immédiatement un rythme cardiaque irrégulier (au lieu d’attendre le nuage), il pourrait vous alerter ou un médecin instantanément.
Maintenant, vous pensez peut-être: « Attendez, les montres intelligentes ne font-elles pas déjà cela? »
Vous ne vous trompez pas! Certains portables haut de gamme comme les montres intelligentes peuvent déjà détecter les rythmes cardiaques irréguliers et envoyer des alertes. Mais voici la capture: la plupart d’entre eux comptent toujours sur les services cloud ou les processeurs plus puissants pour faire le gros du travail.

Ce que TinyMl fait différemment, c’est apporter cette intelligence à des appareils encore plus simples, plus petits et plus économes en puissance – comme un petit patch de santé ou une bande de fitness à faible coût. Cela signifie pas besoin d’une connexion Internet constante, pas d’envoi de données de santé sensibles au cloud et beaucoup moins d’utilisation de la batterie. Fondamentalement, c’est comme donner même le gadget de santé le plus fondamental un mini médecin à bord. Assez cool, non?

Voici les avantages clés de TinyMl et Edge AI.

• Réponse en temps réel et à faible latence: Aucun aller-retour cloud signifie des réponses presque instantanées. Sauter le nuage donne des «résultats rapides», ce qui est essentiel dans les scénarios sensibles au temps (pensez aux alertes de santé).
• Hors ligne et large: Les appareils n’ont pas besoin d’Internet constant. Ils peuvent travailler n’importe où – zones souterraines, rurales ou endroits avec Wi-Fi tacheté. Par exemple, un capteur TinyMl dans une ferme peut fonctionner hors réseau toute l’année.
• Énergie et économies de coûts: Les puces TinyMl sirotent l’alimentation, de sorte que les appareils peuvent fonctionner pendant des siècles sur de minuscules batteries. Cela réduit la maintenance et vous permet de déployer des capteurs dans des endroits éloignés sans charger les tracas.
• Confidentialité et sécurité: Vos données restent sur l’appareil. Cela «minimise le risque de violations de données» car les informations sensibles (statistiques de santé, vidéo, voix) ne se diffuse pas vers le cloud. En d’autres termes, le traitement à la demande signifie que vos données personnelles sont plus sécurisées.
• Fiabilité: Les appareils Edge continuent de fonctionner même si le réseau baisse. Un capteur médical compatible TinyML continue de fonctionner pendant les pannes, contrairement aux systèmes dépendants du nuage.

Chacun de ces avantages – des décisions plus rapides, des besoins en énergie inférieure et en bande passante, et une meilleure confidentialité – est la raison pour laquelle TinyML est souvent décrit comme un changement de jeu pour l’Internet des objets.

5 cas d’utilisation AI-on-device du monde réel

Aujourd’hui, TinyMl et Edge IA alimentent les gadgets intelligents dans de nombreux champs. Voici quelques exemples de béton de tinyMl au travail.

• Maisons intelligentes et appareils personnels: De nombreux gadgets domestiques utilisent une IA à disque. Par exemple, les thermostats intelligents et les systèmes d’éclairage peuvent apprendre vos routines et ajustez automatiquement les paramètres. Les assistants vocaux utilisent également TinyMl. Ils détectent leur «Wake Word» (comme «Hey Siri») sur-périphérique sans diffuser toutes les données vocales au cloud. Même les caméras de sécurité à domicile peuvent exécuter la détection des personnes / visage localement, n’envoyant que des alertes au lieu de la vidéo brute.
• Santé et portables: Les appareils portables et les moniteurs de santé s’appuient sur TinyMl pour des informations en temps réel. Pensez à un tracker de fitness ou à un patch de santé qui regarde constamment votre fréquence cardiaque, vos étapes ou votre sommeil. TinyMl permet à ces appareils de soulever une alerte s’il voit quelque chose d’inhabituel (comme une arythmie cardiaque) immédiatement. Parce que l’analyse est locale, vos données de santé n’ont jamais à quitter les appareils de votre corps. Cela protège non seulement la vie privée, mais peut également sauver des vies en repérant les problèmes plus rapidement que les systèmes basés sur le cloud.
• IoT industriel (maintenance prédictive): Dans les usines et les centrales électriques, les capteurs TinyML prédisent les défaillances de l’équipement avant qu’elles ne se produisent. Par exemple, les usines mettent des vibrations et des capteurs sonores compatibles TinyML sur les moteurs ou les turbines. Ces capteurs «écoutent» pour des changements subtils – un changement de fréquence ou un motif de bruit qui signale une fissure – et le signaler tôt. Les capteurs de turbine TinyML de certaines entreprises peuvent détecter les fissures dans les lames uniquement par l’audio, ce qui permet d’économiser d’énormes coûts de réparation et de temps d’arrêt.
• Agriculture et environnement: Les fermes utilisent des dispositifs TinyML pour surveiller les conditions et le bétail sans contribution des agriculteurs. Les capteurs de soil-socture, les caméras de santé végétale et les trackers d’élevage utilisent l’IA sur disque pour fournir des données en temps réel. Par exemple, une entreprise Edge-Aai appelée Imaginermet des capteurs TinyMl dans des champs pour regarder les conditions du sol et la santé des cultures en continu. Les données (comme la sécheresse du sol ou le stress végétal) sont analysées sur place, aidant les agriculteurs à savoir exactement quand arroser ou fertiliser sans envoyer de requêtes de nuages. Dans le bétail, les étiquettes TinyML peuvent surveiller les signes vitaux des animaux, alertant tôt les agriculteurs de la maladie.
• Cities et sécurité intelligentes: Les villes déploient des caméras et capteurs EDI d’IA pour la sécurité publique. Un excellent exemple est de San Jose «Vision zéro» Projet: Des caméras compatibles AI (souvent sur les réverbères) analysent la circulation et les mouvements des piétons en temps réel pour améliorer la sécurité routière. TinyMl sur ces caméras peut détecter instantanément le jaywalking ou les modèles de conduite dangereux, aidant les autorités à intervenir. En traitant la vidéo à disposition, le système fonctionne en continu et en privé sans diffuser des aliments vidéo massifs à un centre de données. En bref, les gadgets de la ville deviennent des gardiens plus intelligents de la sécurité publique.

Chacun de ces cas montre que l’IA s’exécute localement sur l’appareil – aucun gros serveur nécessaire. Comme les analyses le notent, le TinyML dans la fabrication peut signifier un entretien prédictif, tandis que dans l’agriculture, cela signifie une surveillance des cultures ou du bétail en temps réel. Et dans les soins de santé, cela signifie «surveillance de la santé en temps réel» sur des appareils comme les appareils portables.

Conclusion

Vous n’avez pas besoin d’être un expert en IA pour essayer cela. Les outils pour TinyMl sont désormais accessibles (Tensorflow Micro lite, impulsion de bord, etc.), et de nombreux kits et cartes de démarrage existent. Les gens de tous horizons – pas seulement les experts – créent désormais leurs propres prototypes TinyML à l’aide de ces outils.

Ces jours-ci, vous n’avez pas besoin d’un centre de données pour devenir intelligent. TinyMl et Edge Ai Laissez les gadgets de tous les jours – du smartphone dans votre poche aux capteurs sur le terrain – pensez par eux-mêmes. Cela signifie des réactions instantanées, moins de soucis d’intimité et de nouvelles utilisations créatives. Imaginez que votre réfrigérateur apprenne vos habitudes d’épicerie, une bande de fitness gardant un œil sur vos signes vitaux sans taper le nuage, ou des lampadaires qui s’adaptent au flux de trafic – tout se passe directement sur l’appareil.

Publié via Vers l’IA