По мере того, как предприятия все чаще используют технологии искусственного интеллекта, маленькое машинное обучение, или TinyML, становится прекрасным способом сократить ресурсы, необходимые для развертывания. TinyML — это метод машинного обучения, который может быть реализован в системах с низким энергопотреблением, таких как датчики или сенсоры, для выполнения автоматизированных задач. Очевидно, что это технология искусственного интеллекта, но с меньшим энергопотреблением и затратами и часто без необходимости подключения к Интернету.
Приложения для TinyML охватывают весь спектр, но наиболее популярны приложения для предприятий, розничной торговли и сельского хозяйства. В производственном секторе TinyML может предотвратить простои, предупреждая рабочих о необходимости проведения профилактического обслуживания в зависимости от состояния оборудования. А в сельском хозяйстве TinyML может контролировать жизненно важные показатели животных, чтобы выявлять ранние признаки болезней.
Ряд стартапов предлагают продукты, призванные помочь предприятиям внедрять решения TinyML, но среди наиболее заметных — Edge Impulse. Edge Impulse, запущенный в 2019 году, предоставляет платформу и услуги для разработки устройств, использующих встроенный искусственный интеллект и машинное обучение. Компания говорит, что почти 30,000 разработчиков из тысяч компаний, включая Oura, Polycom и NASA, создали более 50,000 индивидуальных проектов с использованием решений Edge Impulse.
Edge Impulse была основана два года назад Яном Джонгбом и Заком Шелби. Джонгбом ранее работал над операционной системой Firefox OS в Mozilla, выпуск которой сейчас прекращен, и выступал ведущим разработчиком для нескольких платформ Интернета вещей (IoT) в ARM. Шелби имеет опыт инвестирования, он был членом совета директоров Petasense и проптех-стартапа CubiCasa.
Edge Impulse позволяет разработчикам собирать или выгружать данные обучения с устройств, маркировать данные, обучать модели, а также развертывать и отслеживать модели в производственной среде. Платформа поддерживает машинное обучение для датчиков, аудио и компьютерного зрения, специализируясь на промышленных приложениях TinyML, включая профилактическое обслуживание, отслеживание активов и мониторинг.
«Точность, которая обычно используется для оценки производительности модели машинного обучения, говорит лишь об очень небольшой части истории. Вы должны знать сильные и слабые стороны своей модели, знать, когда она пропускает события или когда вызывает ложные срабатывания», — сказал Шелби. «Тем не менее, машинное обучение имеет огромный потенциал для всех предприятий, работающих с данными, связанными с датчиками, от экономии средств и лучшего обслуживания клиентов до создания нового поколения функциональных возможностей».
Чтобы повысить эффективность моделей, обученных на его платформе, Edge Impulse использует компилятор, который компилирует модели в C++. Компания утверждает, что это может снизить использование оперативной памяти на 25-55% и хранилища до 35% по сравнению с конкурирующими подходами.
«У нас есть корпоративные приложения, в том числе обнаружение ключевых слов на носимых устройствах с батарейками, профилактическое обслуживание в интеллектуальной сети, распознавание жестов с помощью радара в устройствах, мониторинг критически важного холодильного оборудования в полевых условиях, обнаружение глазных болезней в поле, мониторинг качества сварки с помощью звука и мониторинг безопасности строительства и производства с использованием компьютерного зрения и датчиков», — сказал Шелби. «Мы видели, как в начале пандемии клиенты замедлились, так как они не были не в тех местах, где им нужно было собирать данные, но сейчас бизнес очень сильно вырос».
По данным Gartner, к 2027 году машинное обучение в форме глубокого обучения будет использоваться более чем в 65% пограничных сценариях использования — по сравнению с менее чем 10% в 2021 году. Между тем, ABI Research прогнозирует, что рынок TinyML вырастет с 15.2 миллиона устройств в 2020 г. до 2.5 млрд в 2030 г.
Отражая рост сегмента, Edge Impulse сообщает, что база разработчиков на платформе увеличилась в четыре раза в прошлом году, а годовая выручка выросла в три раза. Сегодня компания объявила, что привлекла 34 миллиона долларов в раунде Серии B во главе с Coatue с участием Canaan Partners, Acrew Capital, Fika Ventures, Momenta Ventures и Knollwood Investment Advisory, утроив свою оценку до 234 миллионов долларов и общая сумма привлеченного капитала превысила 54 миллиона долларов.
Шелби говорит, что новые средства будут использованы для расширения команды Edge Impulse, состоящей примерно из 40 человек, и ее партнерской сети, которая уже включает Nvidia, Texas Instruments, Syntiant и Synaptics.