இன்டர்நெட் ஆஃப் திங்ஸ் (IoT) துறையில், வளங்கள் குறைந்த எட்ஜ் சாதனங்களுக்கு, அடிப்படையான TinyML-இல் இருந்து மேம்பட்ட Tiny Deep Learning அணுகுமுறைகளுக்கு டெவலப்பர்கள் மாறுவதால் ஒரு அடிப்படையான மாற்றம் நிகழ்கிறது.
இந்த முன்னேற்றத்திற்கு மூன்று முக்கிய தொழில்நுட்ப கண்டுபிடிப்புகள் தூண்டிவைக்கின்றன. முதலில், குவாண்டைசேஷன் மற்றும் புரூனிங் போன்ற மேம்பட்ட மாதிரி மேம்பாட்டு நுட்பங்கள், நியூரல் நெட்வொர்க்குகளில் உள்ள எண்களின் துல்லியத்தை குறைத்து, மிகக் குறைந்த நினைவகமுள்ள சாதனங்களிலும் அவற்றை செயல்படுத்தும் வகையில் மாற்றுகின்றன. இரண்டாவது, டீப் லெர்னிங்கிற்குத் தேவையான மேட்ரிக்ஸ் பெருக்கலை திறமையாக செயல்படுத்தும் தனிப்பட்ட நியூரல் ஆக்ஸிலரேட்டர்கள் உருவாகி வருகின்றன. இது பொதுவான மைக்ரோகண்ட்ரோலர்களை விட அதிக செயல்திறனை வழங்குகிறது. மூன்றாவது, மேம்பட்ட மென்பொருள் டூல் சேன்கள், தானியங்கி மெஷின் லெர்னிங் கருவிகள் மூலம் இந்த மாதிரிகளை உருவாக்கவும், செயல்படுத்தவும் வசதியாக்குகின்றன.
இந்த தாக்கம் தொழில்நுட்ப சாதனங்களை மட்டும் அல்லாமல், பல்வேறு துறைகளையும் பாதிக்கிறது. மருத்துவத்தில், TinyML இயக்கும் அணிகலன்கள், முக்கிய உயிரணுக்குறிகளை தொடர்ச்சியாக கண்காணித்து, தரவு கிளவுட்-க்கு அனுப்பாமல், இடத்திலேயே தவறுகளை கண்டறிய முடிகிறது. தொழில்துறையில், உணரிகள் மூலம் நேரடி உபகரண கண்காணிப்பு மற்றும் கணிப்பான பராமரிப்பு செயல்பாடுகள் சாத்தியமாகின்றன. நுகர்வோர் சாதனங்களில், இணைய இணைப்பு தேவையில்லாமல், சாதனத்திலேயே இயங்கும் ஏஐ மூலம் மேம்பட்ட செயல்பாடுகள் கிடைக்கின்றன.
புதிய போக்குகள் இந்த எல்லைகளை மேலும் விரிவாக்குகின்றன. Federated TinyML மூலம், தரவு தனிப்பட்டதாகவே இருக்கும்படி, மையமற்ற தரவுகளில் மாதிரிகள் பயிற்சி பெற முடிகிறது. குறிப்பிட்ட பயன்பாடுகளுக்காக ஹார்ட்வேர் மற்றும் மென்பொருளை இணைந்து வடிவமைக்கும் Domain-specific co-design முறைகள் கூடுதல் செயல்திறனைக் கொடுக்கின்றன. பெரிய, முன்பே பயிற்சி பெற்ற foundation மாதிரிகளை எட்ஜ் சாதனங்களுக்கு ஏற்றவாறு மாற்றும் முயற்சிகள் இன்னொரு புதிய தளமாக உருவாகின்றன.
இந்த முன்னேற்றங்களுக்கிடையே சவால்களும் உள்ளன. பாதுகாப்பு குறைபாடுகள் கவனிக்கப்பட வேண்டும்; கணிப்பொறி திறனும், ஆற்றல் பயன்பாடும் சமநிலைப்படுத்த புதிய முயற்சிகள் தேவை. இருப்பினும், தொழில்நுட்பம் வளர்ச்சியடையும் போது, Tiny Deep Learning மற்ற மெஷின் லெர்னிங் நுட்பங்களுடன் இணைந்து, முன்பு சாத்தியமில்லாத சூழல்களிலும் பயன்பாடுகளிலும் ஏஐயை கொண்டு செல்லும் திறனை வழங்கும்.