开源TinyML好处多
背景介绍
随着人工智能的兴起，微控制单元（MCU）的AI算力不断提升。TinyML（Tiny Machine Learning）作为一种新兴技术，带来了可移植性的革命。这项技术使得开发者能够将机器学习算法以低成本集成到各种设备中，它的一个主要优势在于能够在电池驱动、低功耗的MCU上运行。
SensiML的开源计划
SensiML，作为TinyML的领军者，最近宣布了一个大胆的开源战略：将公司核心知识产权（IP）及SensiML Analytics Studio作为开源社区协作项目的基础。这是一项重要的举措，旨在推动开源文化和加速AI技术在低端MCU上的应用。
商业解决方案的核心开源
SensiML是QuickLogic公司的一部分，提供多种软件工具，用以搜集数据、构建和测试机器学习模型。其软件支持广泛的硬件开发板，包括Arduino Nano 33 BLE Sense、Arduino Nicla Sense ME、M5Stack M5StickC PLUS、Nordic Thingy、Raspberry Pi等，甚至兼容8位的Microchip Technology AVR128DA48 Curiosity开发板。
SensiML的软件易用且功能全面，不仅可以部署在多种中低端MCU上，还可以与多种传感器（如惯性测量单元（IMU）、麦克风等）相结合，用于数据收集。因此，它在商业和社群开发中广受赞誉。
去年，QuickLogic正式启动了SensiML的开源计划，目标是在边缘、端点、物联网应用领域中巩固其AI领导地位，并在传感器数据接口协议及低功耗物联网边缘推理模型上提供更大的透明度。
开源带来的影响和好处
在宣布开源计划时，SensiML承诺将遵循一种双重许可策略，在维持商业许可证的同时，采用类似于RedHat对Linux的管理方式。
开源的主要驱动力是希望从开源协作开发模式中获得更快的创新速度，这不仅包括代码贡献，还涉及到代码质量的提升、新硬件的集成、预训练模型模板的增加、示例应用程序的改进、文档的完善、QA测试及错误报告的增强。
此外，SensiML还将继续提供其托管的云服务，并为客户提供高级支持，包括TinyML模型开发的顾问和定制工程服务。
TinyML开源的优势
SensiML在其公布的开源计划中强调了机器学习中的“黑箱”问题。他们看到了TinyML生态系统存在的挑战和相关的开源机会，并决定扩展开源计划，以解决这些问题。
Linux基金会在2023年对开源软件的调查显示，AI/ML技术被认为是行业内对未来最有价值的一员。然而，当前的开源AI/ML项目大多集中于框架、库和模型定义格式上，并没有提供完整的端到端工具链，特别是针对嵌入式物联网应用的AI/ML优化。
SensiML意识到这是一个机遇，可以帮助开发者跨越这一鸿沟，并加速那些缺乏数据科学技术从业者对于复杂步骤的采用和创新。开源能够帮助解决以下挑战：
数据集瓶颈
在TinyML领域，开发人员面临获取足够多样化训练数据集的挑战。例如，大型语言模型（LLM）可以依赖几乎无限的互联网数据源，但在传感器应用中，这种易得的数据源并不存在。
软件工具的碎片化
随着AutoML工具供应商被硬件供应商收购，导致了物联网开发生态系统的碎片化，使得开发人员在工具选择和硬件选择上受限。
降低开发门槛
开源的AI/ML工具可以降低端侧AI开发的门槛，有助于解决模型适应性问题和简化数据收集与优化。
国际和国内企业的行动
许多国际和国内企业已经开始开发和使用开源工具，这不仅为我们提供了更多选项，也为国产工具链指明了发展方向。
结论
SensiML的开源策略将对MCU AI领域产生深远的影响，并推动TinyML技术的创新与广泛应用。
相关文章
