«A tinyML chip: Cutting AI down to size.» Science, 20 de febrero de 2025. https://www.science.org/content/article/what-s-tinyml-global-south-s-alternative-power-hungry-pricey-ai.
Muchos modelos de inteligencia artificial son caros y consumen mucha energía. Los investigadores del Sur Global están adoptando cada vez más alternativas de bajo coste y bajo consumo. TinyML es una subdisciplina del aprendizaje automático (Machine Learning, ML) que se enfoca en ejecutar modelos de aprendizaje automático directamente en dispositivos de bajo consumo y recursos limitados, como microcontroladores, sensores y otros dispositivos integrados.
El artículo de Science titulado «What’s TinyML? Global South’s Alternative to Power-Hungry, Pricey AI» pone de manifiesto cómo la tecnología TinyML está emergiendo como una alternativa innovadora y accesible a las soluciones de inteligencia artificial (IA) tradicionales, que suelen depender de infraestructuras costosas y un alto consumo de energía. Este avance está ganando especial relevancia en el Sur Global, es decir, en regiones del mundo que enfrentan desafíos relacionados con recursos limitados, infraestructura insuficiente y conectividad inestable.
TinyML es una tecnología que permite ejecutar modelos de aprendizaje automático (machine learning) en dispositivos de muy bajo consumo energético, como sensores, microcontroladores o dispositivos portátiles, sin necesidad de conectarlos a servidores poderosos en la nube. Esto se logra a través de la optimización de algoritmos de IA, que pueden ser ejecutados directamente en el hardware del dispositivo con una eficiencia energética mucho mayor que los enfoques tradicionales que dependen de grandes centros de datos.
Entre los principales beneficios de TinyML destacan la latencia reducida, ya que al procesar los datos directamente en el dispositivo, se elimina el retraso asociado con la transferencia de datos a servidores. Además, los dispositivos de bajo consumo como microcontroladores permiten que funcione durante largos períodos sin necesidad de recargarse. Otro beneficio importante es la reducción del uso de ancho de banda, ya que los dispositivos con esta tecnología no requieren transferir grandes cantidades de datos a servidores. Por último, la privacidad de los datos se ve reforzada, ya que los datos no se envían a servidores externos y son procesados localmente en el dispositivo.
TinyML está siendo utilizado en diversas áreas, especialmente en industrias que dependen de dispositivos conectados a Internet de las Cosas (IoT). Algunas de sus aplicaciones incluyen el monitoreo en tiempo real de cultivos y ganado utilizando dispositivos para gestionar de manera eficiente estos recursos en la agricultura. También se aplica en el mantenimiento predictivo industrial, donde los dispositivos TinyML pueden detectar fallas en máquinas antes de que ocurran, ayudando a reducir los costos asociados con el mantenimiento de equipos. Además, permite personalizar las interacciones con los usuarios en tiempo real, mejorando la publicidad dirigida y la comprensión del comportamiento del consumidor en la experiencia del cliente.
Esta tecnología está ganando popularidad gracias a su capacidad para integrar inteligencia artificial en dispositivos con recursos limitados, sin depender de conexión constante a internet o infraestructura costosa. Esta tecnología tiene el potencial de revolucionar áreas como el IoT, la agricultura, el mantenimiento industrial y la personalización de la experiencia del usuario.
Universo Abierto 