tinyML Summit 2019: i leader del settore discutono del futuro delle tecnologie Power ML

2 giorni fa p Luke James Dopo il successo di tinyML 2019, tinyML 2020 tornerà di nuovo quest'anno e invita gli esperti di machine learning a basso consumo - dell'industria, del mondo accademico, del governo e delle start-up in tutto il mondo - a unirsi per condividere le ultime e le migliori sul campo e per far avanzare collettivamente l'intero ecosistema. Il 12-13 febbraio, ricercatori ed esperti si riuniranno da Google, Samsung, Microsoft e Qualcomm, nonché da diverse università, per riunirsi a San Jose, in California, e discutere delle ultime sfide nel portare l'apprendimento automatico ai margini della rete . Il tema caldo di quest'anno: microprocessori funzionanti su sensori e dispositivi alimentati a batteria. Il piccolo machine learning è un campo in rapida crescita di tecnologie e applicazioni di machine learning che includono hardware, algoritmi e software in grado di eseguire analisi dei sensori sul dispositivo a bassissima potenza, in genere nell'intervallo mW e inferiore. Ciò consente una varietà di casi d'uso sempre attivi e dispositivi di destinazione gestiti da batterie. Il summit tinyML (machine learning) è stato stabilito con l'obiettivo principale di capire come eseguire algoritmi di machine learning sul più piccolo dei microprocessori. Al limite, l'apprendimento automatico sarà in grado di guidare migliori pratiche sulla privacy, ridurre il consumo di energia e creare nuove applicazioni nei dispositivi futuri. L'anno scorso, il summit di tinyML ha rivelato che: Sebbene molte aziende si concentrino sulla costruzione di silicio specializzato per l'apprendimento automatico per addestrare le reti all'interno dei data center, l'obiettivo del vertice tinyML e della comunità più ampia è quello di dedurre il più piccolo dei processori, come un microcontrollore a 8 bit all'interno di un sensore remoto. Informazioni sull'evento Summit tinyML, inclusa la posizione e le date dello spettacolo. Credito di immagine: tinyML. C'è di più in tinyML del suo vertice annuale. La più ampia comunità tinyML sta conducendo ricerche ed esperimenti in una serie di aree chiave. Come idea, un'area principale in cui i ricercatori di tinyML stanno attualmente sperimentando è quella di una migliore classificazione dei dati utilizzando l'apprendimento automatico su dispositivi periferici alimentati a batteria. Il CEO di AI latente, Jags Kandasamy, afferma che la sua azienda è attualmente in trattative con aziende che stanno costruendo cuffie con realtà aumentata e realtà virtuale che vogliono prendere le loro masse di dati e classificare le immagini viste sui dispositivi. Ciò garantirà che solo i dati utili vengano inviati al cloud per la formazione successiva. La classificazione su dispositivo potrebbe ridurre in modo massiccio la quantità di dati raccolti e inviati al cloud, risparmiando su risorse quali larghezza di banda ed elettricità, quest'ultima essendo una risorsa di cui l'apprendimento automatico e la formazione richiedono molto. Quest'anno, il vertice tinyML continuerà su quanto stabilito lo scorso anno: conferenze di alta qualità tenute da relatori ospiti, presentazioni di poster e demo, discussioni aperte e stimolanti e significative opportunità di networking. Lo scopo del vertice tinyML è quello di coprire l'intera gamma di tecnologie, dai sistemi agli algoritmi e alle applicazioni software, a livelli tecnici profondi. Questa è una caratteristica unica del vertice, affermano i suoi organizzatori. Proprio come l'anno scorso, la maggior parte dei partecipanti e dei relatori ospiti provengono dall'industria e dai principali progetti di ricerca accademica. Tuttavia, quest'anno, verrà prestata particolare attenzione ai più recenti progressi nello sviluppo di algoritmi e nelle applicazioni e casi d'uso per l'apprendimento automatico di piccole dimensioni. tinyML Summit 2020 sarà organizzato in quattro sessioni tecniche - Hardware, Sistemi, Algoritmi e Software - e ci saranno circa 20 presentazioni di ospiti invitati insieme a sessioni di poster e dimostrazioni di importanti aziende di machine learning e sponsor.