EMB_84

EMBEDDED 84 • MAGGIO • 2022 36 HARDWARE | TINYML TinyML: un’introduzione (1a parte) Questo articolo è il primo di una serie di tre focalizzati su TinyML: in sintesi l’utilizzo delle tecniche di apprendimento automatico (ML - Machine Learning) su microcontrollori a basso consumo e con un numero limitato di risorse a disposizione Mark Patrick Mouser Electronics L’ apprendimento automatico continua a incidere su molti aspetti della nostra vita quotidiana in ambito domestico, lavorativo e personale. Mentre parecchie ap- plicazioni di apprendimento automatico richiedono una significativa potenza di calcolo per poter elaborare com- plessi dati scientifici o finanziari, quelle sviluppate per il mondo IoT (Internet of Things) e altre applicazioni che richiedono l’elaborazione alla periferia (edge) della rete dispongono di risorse limitate in termini sia di connetti- vità sia di calcolo. AI e apprendimento automatico sono già parte integrante della nostra vita Se fino a non molto tempo fa parlare con il nostro oro- logio da polso oppure con un oggetto come il comuni- catore reso famoso dalla serie televisiva Star Trek era il frutto della fantasia degli scrittori di fantascienza, oggi è diventata una realtà quotidiana. Parliamo regolarmente con le app installate sullo smartphone, con il sistema di infotainment della vettura, oltre che con gli altoparlanti intelligenti (smart speaker) sempre più diffusi tra le pa- reti domestiche. L’intelligenza artificiali (AI – Artificial intelligence), ov- vero la scienza che si preoccupa di realizzare computer in grado di pensare, percepire, riconoscere e risolvere problemi rappresenta la base odierna dei settori dell’in- formatica e della scienza dei dati. L’apprendimento au- tomatico, un’area applicativa dell’intelligenza artificiale, si focalizza sull’uso di algoritmi che consentono ai com- puter di apprendere e migliorare le modalità di svolgi- mento di un’attività senza essere stati esplicitamente programmati per tal scopo. L’apprendimento automatico pervade oramai numerosi aspetti della vita quotidiana: dalle previsioni del tempo alla ricerca del percorso migliore per gli spostamenti quotidiani fino ad arrivare ai banner promozionali che appaiono sulle app dei nostri social media preferiti. Nu- merose aree della ricerca scientifica fanno ora affida- mento sull’apprendimento automatico che viene utiliz- zato per elaborare enormi quantità (dell’ordine dei pe- tabyte) di dati allo scopo di individuare nuove tendenze. Apprendimento automatico: principi di funzionamento Degli esempi appena sopra riportati, sono visibili sola- mente i risultati. Solitamente non riusciamo a indivi- Fig. 1 – Le fasi di addestramento e di inferenza (Fonte: Mouser)