TinyML – Fremtidens intelligente edge-løsninger 

I en verden, hvor kunstig intelligens (AI) traditionelt kræver store mængder databehandling og strøm, er TinyML dukket op som en revolutionerende teknologi. TinyML står for “Tiny Machine Learning” og refererer til evnen til at køre maskinlæringsmodeller på ekstremt små og energieffektive enheder. Teknologien muliggør avanceret dataanalyse direkte på mikrocontrollere og edge-devices uden behov for konstant cloud-forbindelse. 

Mjølners Embedded-afdeling inviterede for nylig en lovende dansk forsker, Ph.d.-studerende Emil Njor fra DTU, til at holde et oplæg og dele sin viden inden for TinyML. Det udviklede sig til en spændende teknologisk diskussion, hvor værktøjer som compilere, modeller, algoritmer, data og hardware blev berørt. Emil understregede, hvordan teknologien kan anvendes på tværs af sektorer, og hvordan udviklingen inden for hjælpeværktøjer gør det lettere at udvikle TinyML ud fra eksisterende systemer. En meget konkret ting der er kommet ud af Emil’s Ph.d. arbejde er et framework for hvordan man laver bedre datasæt til at evaluere kvaliteten af en TinyML-algoritme. 

Hvad er TinyML? 

Forskningen inden for TinyML fokuserer på at tage velkendte algoritmer og optimere dem, så de kræver minimalt med processorkraft og strøm. Det gør det muligt at implementere intelligente funktioner i enheder, der tidligere var for begrænsede til at håndtere AI-beregninger. Dette åbner døren for en række nye anvendelser inden for IoT, industrielle systemer, sundhedsteknologi og smarte produkter. 

En af de store fordele ved TinyML er den ultralave strømforbrug, hvilket betyder, at enheder kan køre AI-løsninger i måneds- eller endda årevis på en enkelt batteriopladning. Dette er en gamechanger for IoT og embedded systemer, hvor batterilevetid ofte er en stor udfordring.

Embedded og TinyML: Gør små enheder klogere  

Embedded udvikling hos Mjølner handler om at skabe effektive, brugervenlige og optimerede systemer til specialiseret hardware. TinyML passer perfekt ind i denne kontekst, fordi det gør det muligt at integrere maskinlæring direkte på små, ressourcebegrænsede enheder uden behov for cloud-forbindelse eller meget lavt cloud-behov. 

Hvorfor bør virksomheder overveje TinyML? 

Hos Mjølner har vi allerede projekter og kunder, der arbejder med TinyML, men vi oplever også, at mange virksomheder endnu ikke er modne til at implementere det fuldt ud. Derfor er de fleste kundeforløb startet med en teknologiafklaring, som bl.a. har belyst hvilke kompetencer virksomheden har til at søsætte TinyML-projekter. At starte op for projekter med TinyML kræver tekniske kompetencer in-house, men det åbner det også op for spændende muligheder. Med specialviden inden for embedded ressourcer, kompileringsoptimering og hardwaretilpasning kan virksomheder skabe mere effektive og innovative løsninger, der giver dem en mærkbar konkurrencefordel.  

4 fordele ved TinyML:  

• Reducere behovet for konstant cloud-forbindelse og dermed forbedre privatliv og sikkerhed, da data ikke nødvendigvis behøver flyttes til cloud. 

• Minimere latenstid, da AI-beregninger udføres direkte på enheden. 

• Opbygning af robuste systemer, der kan fungere selv i offline-miljøer. 

• Spare energi og ressourcer, hvilket har betydning for både drift og bæredygtighed. 

Vi har spurgt eksperterne:  Muligheder og begrænsninger ved TinyML 

Udviklerne i vores embedded afdeling har et indgående kendskab til TinyML, og har arbejdet sammen med flere kunder om at introducere det i projekter. Derfor kender de også til de muligheder og begrænsninger som teknologien bærer med sig.  

Fremtiden for TinyML 

Vi står kun ved begyndelsen af TinyMLs potentiale. Efterhånden som teknologien modnes, og flere virksomheder får adgang til de nødvendige kompetencer, vil vi se en eksplosion af nye anvendelsesmuligheder. For virksomheder, der ønsker at være på forkant, er det nu, de skal begynde at udforske TinyML og de fordele, det kan bringe. 

Hos Mjølner følger vi udviklingen tæt og hjælper virksomheder med at forstå og implementere TinyML i deres løsninger. Vil du høre mere om, hvordan TinyML kan gøre en forskel for din virksomhed?