Page 124 - Kỷ yếu hội thảo quốc tế: Ứng dụng công nghệ mới trong công trình xanh - lần thứ 9 (ATiGB 2024)

th
HỘI THẢO QUỐC TẾ ATiGB LẦN THỨ CHÍN - The 9 ATiGB 2024 115

TỔNG QUAN VỀ HỌC MÁY CỠ NHỎ VÀ

HƯỚNG PHÁT TRIỂN TRONG TƯƠNG LAI

INTRODUCTION TO TINY MACHINE LEARNING

AND FUTURE DEVELOPMENT DIRECTION

Trương Minh Đức , Trần Tuấn Anh , Lương Công Duẩn
1*
1
1
1 Học viện Công nghệ Bưu chính Viễn thông
1*
1
1
Truong Minh Duc , Tran Tuan Anh , Luong Cong Duan
1 Posts and Telecommunications Institute of Technology (PTIT); {ductm, anhtt, duanlc}@ptit.edu.vn
*ductm@ptit.edu.vn
Tóm tắt: Hệ sinh thái thiết bị IoT đang ngày càng phát Abstract: The ecosystem of IoT devices is developing
triển trong những năm gần đây, các thiết bị ngày càng gia rapidly in recent years, with an increasing number of
tăng số lượng và cập nhật công nghệ nhằm cung cấp một devices incorporating advanced technologies to provide a
nền tảng để hỗ trợ con người tương tác với cả thế giới thực platform for human interaction with both the real and virtual
lẫn thế giới ảo. Nếu giai đoạn đầu các thiết bị chỉ tập trung worlds. Initially, IoT devices focused on simple connections
dưới dạng kết nối thuần túy với việc những thiết bị đầu cuối with end devices or execution structures equipped with
hay cơ cấu chấp hành được trang bị các giao thức như wifi, protocols such as wifi, bluetooth, Lora, zigbee.... However,
bluetooh hay Lora, zigbee… thì hiện nay các thiết bị IoT nowadays IoT devices are becoming smarter by integrating
bắt đầu có xu hướng trở nên thông minh hơn, bằng cách kết artificial intelligence (often machine learning models) and
hợp với trí tuệ nhân tạo (thường là các mô hình học máy) và edge computing, making the IoT system more versatile.
điện toán biên, điều này càng làm cho hệ thống thiết bị IoT According to the latest statistics from ABI Research's white
có nhiều dư địa phát triển. Theo thống kê mới nhất của sách paper [1], it is predicted that there will be 2.5 billion smart
trắng ABI Research’s [1] dự đoán sẽ có 2,5 tỷ thiết bị IoT IoT devices by 2030, compared to only about 15 million
thông minh vào năm 2030, trong khi năm 2020 mới chỉ có devices in 2020. These devices can operate with machine
khoảng 15 triệu thiết bị. Những thiết bị này có thể hoạt learning models on the hardware resources of embedded
động với mô hình học máy trên cơ sở tài nguyên phần cứng systems, regardless of the limited memory and energy
của hệ thống nhúng, bất chấp điều kiện tài nguyên bộ nhớ resources. This article will focus on explaining the basic
và năng lượng rất hạn chế. Bài viết này sẽ tập trung trình concepts of TinyML and related development tools, as well
bày những khái niệm cơ bản nhất về TinyML và các công as forecasting some future development directions.
cụ hỗ trợ phát triển liên quan, đồng thời dự báo một số
hướng phát triển trong tương lai.
Từ khóa: IoT; TinyML; Model machine learning. Keywords: IoT; TinyML; Model machine learning.

1. TỔNG QUAN VỀ HỌC MÁY CỠ NHỎ IoT, thông thường dữ liệu từ các thiết bị IoT được thu
thập và được sử dụng để huấn luyện các mô hình học
1.1. TinyML là gì? máy, dữ liệu được tập trung hóa mức độ cao và nằm ở
Khi nói về học máy cỡ nhỏ (Tiny machine trung tâm xử lý, từ đó hình thành cơ sở hạ tầng phức
learning - TinyML) trước tiên cần nhắc lại về hệ tạp với các bộ xử lý mạnh mẽ và đắt tiền. Từ những
thống nhúng, đây là Một hệ thống máy tính được chế vấn đề nổi bật kể trên tạo điều kiện cho TinyML ra
tạo để đáp ứng một nhu cầu hoặc thực hiện một nhiệm đời [2], với định nghĩa là một lĩnh vực công nghệ và
vụ nhất định. Một hệ thống máy tính nói chung, được ứng dụng bao gồm các thuật toán, các thiết bị phần
thiết kế để có thể chạy đa năng và linh hoạt với nhiều cứng nhúng có thể thiết lập các thuật toán học máy
ứng dụng phần mềm khác nhau, chính vì vậy nên hệ nhằm xử lý dữ liệu với công suất tiêu thụ thấp
thống máy tính cơ bản thường có cấu hình tài nguyên (thường là 1-10 mW). Sự xuất hiện của TinyML là
mạnh mẽ. Trong khi đó, hệ thống nhúng thường được một sự thay đổi lớn trong AI, góp phần không nhỏ
xây dựng chỉ để phục vụ một số nhiệm vụ nhất định, thúc đẩy việc phá vỡ các giới hạn trong AI bằng cách
các tác vụ hay tập hợp các chức năng diễn ra trong sử dụng các thiết bị nhỏ như vi điều khiển để thực thi
môi trường hoặc bối cảnh cụ thể. Các hệ thống nhúng các thuật toán AI. Đồng thời, việc phát triển bài toán
cũng được thiết kế để kết nối chặt chẽ với IoT, các hệ xử lý điện toán biên (edge computing) giải quyết
thống IoT cũng dựa trên kiến trúc của hệ thống nhúng được vấn đề phân tán dữ liệu và nâng cao chất lượng
để phát triển. Việc trí tuệ nhân tạo ngày càng được ưa của các ứng dụng thời gian thực lên một tầm cao mới.
chuộng và phát triển công khai đã kích thích sự tiến Trong phát triển các hệ thống AI trên thế giới,
bộ trong phân tích dữ liệu thông qua các hệ thống việc huấn luyện những mô hình học máy lớn đòi hỏi

ISBN: 978-604-80-9779-0