Dziedzina TinyML to obszerny, szybko rozwijający się obszar technologii i aplikacji uczenia maszynowego, który obejmuje sprzęt, algorytmy i oprogramowanie. Te osiągnięcia zbiegają się w celu umożliwienia przeprowadzenia analizy danych z czujników na urządzeniach, które zużywają bardzo mało energii. Często TinyML można zintegrować z projektem PCBA, używając sprzętu, który jest już znany.
Dzięki TinyML można tworzyć aplikacje, które są zawsze włączone, zwłaszcza w przypadku czujników zasilanych z baterii. Dzięki wbudowaniu sztucznego uczenia dostępnego w sprzęcie o stosunkowo niewielkim rozmiarze, rozpoczyna się nowa era rozwoju.
Przeniesienie wstępnego przetwarzania bliżej źródła danych powoduje kilka usprawnień architektonicznych. Każda z nich przyczynia się do zwiększenia wartości rozwiązania IoT, a jedna nie może istnieć bez drugiej:
- Opóźnienie — Przeniesienie obliczeń bliżej źródła danych minimalizuje opóźnienie sprzężenia zwrotnego do najmniejszego możliwego stopnia.
- Niezależność od połączeń — Poprzez wyeliminowanie konieczności stosowania stałego łącza, oferowany jest szeroki zakres nowych opcji.
- Oszczędność energii — TinyML oferuje ukierunkowane rozwiązania o możliwie najniższym zużyciu energii. Mikrokontrolery o minimalnych możliwościach oferują moc niezbędną do obliczeń, zużywając przy tym bardzo mało energii.
- Bezpieczeństwo danych — Dzięki utrzymaniu danych i przetwarzania na poziomie lokalnym, istnieje wyższa bariera dla włamań przestrzennych na poziomie czujników.
- Rozmiar — Wiele z dostępnych implementacji sprzętowych ma rozmiar małego patyczka do gumy, o wymiarach 45x18mm.
Wraz z szeroką akceptacją platformy programistycznej TinyML, oczekiwania dotyczące wzrostu są fenomenalne. ABI Research prognozuje, że wolumeny jednostek TinyML eksplodują z 15 milionów jednostek w 2020 roku do 2,5 miliarda jednostek w 2030 roku. Jest to niesamowita złożona roczna stopa wzrostu wynosząca 167% przez 10 lat.
Jednak nawet jeśli te prognozy są dokładne, TinyML nadal będzie stanowić mniej niż 10% wszystkich urządzeń IoT pomimo szybkiego tempa wzrostu. Niemniej jednak, powszechne zastosowanie TinyML prawdopodobnie doprowadzi do jego wykorzystania w wielu przyszłych projektach.