Maskinlæring i mikroformat
Tiny ML – eller Tiny Machine Learning – er en af de nyeste trends indenfor intelligent maskinlæring. Tiny ML gør det muligt at få meget mere ud af egne data gennem meget små processorer med lavt energiforbrug. Derfor er det et af de specialistkurser, som TechCircle udbyder i efteråret 2024.
Når lektor på Institut for Elektro- og Computerteknologi ved Aarhus Universitet, Morten Opprud Jakobsen, skal undervise, bliver PC’en i tasken suppleret af en plastickasse fyldt med computerchips, ledninger og sensorer. Materialerne er et vigtigt element i at forstå, hvad Tiny ML går ud på.
”Tiny ML er resultatet af, at at regnekraften i moderne microcontrollere kombineret med et ultralavt energiforbrug muliggør implementering af små AI modeller i sensorer i stedet for i et datacenter. På den måde kan en uintelligent sensor, der sender rå-data til analyse, i stedet foretage analysen, der hvor dataene genereres,” siger Morten Opprud Jakobsen.
Tiny ML giver mulighed for forretningsudvikling
Maskinlæring – eller Machine Learning – er som sådan ikke et nyt fænomen. Hvis du ejer et smartwatch, en google home eller Alexa smart-speaker, eller bruger spam-filteret på din email-konto, er maskinlæring en helt central del af de produkter og services. For maskinlæring er i princippet analyse og genkendelse af mønstre i store mængder data. Den teknologi kan bruges til alverdens ting. Det som Tiny ML giver mulighed for er derfor at arbejde med maskinlæring helt lokalt.
”Noget af det, der er helt oplagt indenfor industrien, er overvågning af produktionsmaskiner. Ved at træne algoritmen til at finde bestemte mønstre i data, kan man eksempelvis arbejde med at overvåge – og til en vis grad forudsige – hvornår ens produktionsmaskine skal have eftersyn eller repareres, så man undgår nedetid på maskinen,” siger Morten Opprud Jakobsen,
Teknologien giver også mulighed for i større grad at arbejde med analyse på personfølsomme data. Eksempelvis at overvåge og genkende antal personer i et mødelokale, uden at gemme person-relevante eller følsomme data. Dette kan bruges til at spare på energiforbruget til rumventilation. Det kunne også være til at tælle antallet af brugere i en elevator og minimere ventetiden ved at træne en model der kan foreslå en optimal ”køreplan”.
”Det centrale er, at vi kan flytte dataanalysen ud, til der hvor tingene sker. Det giver hurtigere resultater, færre omkostninger og reducerede krav til infrastruktur og håndtering af store mængder data, end hvis man skal sende data på tværs af store afstande ind til store servere, før man har et resultat. Og det er en af grundende til, at Tiny ML, er interessant for danske virksomheder,” siger Morten Opprud Jakobsen.
Bliv klogere med TechCircle
Perspektiverne i at arbejde med Tiny ML er ret store. Derfor er det et område, som TechCircle har identificeret som et af dem, der skal laves et specialistkursus i.
”Derfor er vi også rigtigt glade for at vi har kunnet lokke en kapacitet som Morten Opprud Jakobsen til at undervise på kurset,” siger Jesper Askov, der ansvarlig for specialistkurserne i TechCircle.