Sztuczna Inteligencja zwalczy malarię?

TinyML może mieć kluczowe znaczenie na obszarach Globalnego Południa, gdzie może on być bardzo pomocny w wielu dziedzinach, od ekologii począwszy, a skończywszy na kontroli wydobywania surowców naturalnych.

Czym jest TinyML?

TinyML to prawdziwa rewolucja w dziedzinie sztucznej inteligencji. Jest to rodzaj małych, energooszczędnych urządzeń, które umożliwiają przetwarzanie na nich bezpośrednio sieci głębokich.  Najbardziej znanymi aplikacjami przeznaczonymi do ich obsługi jest Siri, Alexa, czy Google Assistant. Jednak dzięki ograniczonym kosztom związanych z instalacją urządzeń TinyML, a także ich niewielkie rozmiary umożliwiają ich skuteczne wdrażanie w terenie. Co ciekawe technologia ta została już wykorzystana do wykrywania uderzeń skrzydeł komarów, co jak się okazało pomaga zapobiegać rozprzestrzenianiu się malarii.

Urządzenia TinyML charakteryzują się niewielkimi rozmiarami i niskimi kosztami instalacji. Chociaż wciąż działają one w ramach podobnych ograniczeń, co niegdyś komputery osobiste w okresie początkowego ich rozwoju. Ich pojemność pamięciowa jest mierzona w kilobajtach, a sam sprzęt można kupić za jedynie 1 dolara. Jest to możliwe dzięki temu, iż TinyML nie wymagają do działania laptopów, ani nawet telefonów. Zamiast tego działają one na prostych mikrokontrolerach, które są wykorzystywane do zasilania zwykłych komponentów elektronicznych na całym świecie. Biorąc pod uwagę, że na globie znajduje się łącznie około 250 miliardów mikrokontrolerów urządzenia obsługujące TinyML są już dostępne na dużą skalę, informuje portal „The Conversation„.

Podobnie jak to jest w przypadku klasycznego uczenia maszynowego, TinyML wykorzystuje gromadzenie danych, najczęściej z urządzeń Internetu rzeczy (IoT). Umożliwia on również akcje i szkolenia w chmurze. Ciekawym przypadkiem do rozpatrzenia w tym kontekście są aplikację do wykrywania obiektów na zewnątrz, które mają na przykład na celu liczenie liczby samochodów na ulicy, aby można było określić jak duże jest natężenie ruchu. W tradycyjnym procesie ML, obrazy muszą być gromadzone za pomocą kamery internetowej, gdzie następnie są przesyłane do serwera w chmurze – w ten sposób odbywa się szkolenie. Gdy wyćwiczony model zapewni zadowalający poziom dokładności, wówczas system jest przygotowany do wykrywania samochodów z nowych nagrań wideo. Model ML pracuje w chmurze, więc konieczne jest jego połączenie z internetem.

W przypadku jednak systemu TinyML model ten jest jednak wdrażany już bezpośrednio na samym urządzeniu, dzięki czemu może on wykrywać obiekty bez konieczności połączenia z internetem. Pierwsza faza tego procesu ( pozyskiwania danych i uczenia modelu w chmurze) odbywa się zgodnie z klasycznym modelem ML, ale faza wnioskowania (wykrywanie obiektów) przebiega na samym urządzeniu. W ten sposób TinyML różni się od tradycyjnych rozwiązań opartych na serwerach. Jego cechą charakterystyczną są zatem wyszkolone kompaktowe modele zoptymalizowane pod kątem ograniczonych zasobów na urządzeniach wbudowanych, co umożliwia analizę danych w czasie rzeczywistym i podejmowanie decyzji przy niskim zużyciu energii, niezależnie od łączności z chmurą.

Naukowcy podkreślają, iż zastosowanie TinyML może mieć kluczowe znaczenie na obszarach Globalnego Południa, gdzie może on być bardzo pomocny w wielu dziedzinach, od ekologii począwszy, a skończywszy na kontroli wydobywania surowców naturalnych. Urządzenia i system ten mogą być wykorzystane w monitorowaniu lokalnych populacji zwierząt, dzięki czemu lepiej będą mogły być chronione gatunki zagrożone wyginięciem, a także w prognozowaniu pogody, monitorowaniu zmian klimatu, badaniach oceanograficznych, czy zarządzaniu wydobyciem zasobów naturalnych takich jak ropa naftowa, czy gaz ziemny.

Marcin Jarzębski