TinyML Nedir?
Yayın: · Son güncelleme:
TinyML Nedir? Kısaca
TinyML, makine öğrenmesi modellerinin mikrodenetleyiciler gibi çok az bellek ve enerjiyle çalışan küçük cihazlarda çalıştırılmasını sağlayan yaklaşımdır. Veriyi buluta göndermeden cihaz üzerinde tahmin yapmayı mümkün kılar.
TinyML, "tiny machine learning" yani küçük ölçekli makine öğrenmesi anlamına gelir. Birkaç yüz kilobayt bellek ve çok düşük güç tüketimiyle çalışan mikrodenetleyicilerde yapay zekâ modellerini çalıştırmayı hedefler.
TinyML nedir?
Klasik yapay zekâ uygulamalarında veri genellikle güçlü sunuculara gönderilir ve orada işlenir. TinyML'de ise model doğrudan sensörün bulunduğu küçük cihazda çalışır. Bu sayede cihaz, internet bağlantısına ihtiyaç duymadan ve pille uzun süre çalışarak basit kararlar verebilir.
Nasıl çalışır?
Model önce normal bilgisayarlarda eğitilir. Ardından küçültülerek cihaza yüklenir. Bu küçültmede şu teknikler sık kullanılır:
- Niceleme: Ağırlıkları daha az bitle saklayarak boyutu düşürmek.
- Budama: Önemsiz bağlantıları çıkarmak.
- Küçük mimariler: Az parametreli, verimli ağlar tasarlamak.
Cihaz üzerinde yalnızca çıkarım (tahmin) yapılır; eğitim çoğunlukla cihaz dışında gerçekleşir.
Kullanım alanları ve sınırlar
TinyML'in tipik örnekleri şunlardır: "uyandırma kelimesi" algılayan sesli cihazlar, makinelerdeki anormal titreşimi fark eden sensörler, giyilebilir cihazlarda hareket tanıma ve tarlada nem ölçen akıllı sensörler.
Sınırları ise açıktır: Bellek ve işlem gücü çok kısıtlı olduğu için büyük dil modelleri gibi ağır modeller bu cihazlarda çalışamaz. Model doğruluğu, küçültme sırasında bir miktar düşebilir. TinyML, daha geniş uç yapay zekâ yaklaşımının en küçük ölçekli ucunu temsil eder.
Sıkça Sorulan Sorular
TinyML ile uç yapay zekâ aynı şey mi?
Benzerdir ama aynı değildir. Uç yapay zekâ, modelin buluta değil cihaza yakın çalıştırılmasını genel olarak anlatır; TinyML ise bunun özellikle mikrodenetleyiciler gibi çok kısıtlı donanımdaki biçimidir.
TinyML cihazları internet olmadan çalışır mı?
Evet, temel avantajlarından biri budur. Model cihazın içinde çalıştığı için tahmin yapmak için bağlantı gerekmez; bu da gecikmeyi ve veri paylaşımını azaltır.