Page 130 - 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 121

• Bài toán chăm sóc sức khỏe máy. Bước tiếp theo là đào tạo Mạng nơ-ron tích chập
Sự phát triển của TinyML chắc chắn đã chạm đến (CNN) cho hai trường hợp: a) ước tính Chỉ số diện
lĩnh vực chăm sóc sức khỏe, lĩnh vực này rất quan tích lá (Leaf Area Index-LAI) và b) dự đoán sự sinh
trọng đối với mọi thực thể trên toàn thế giới. Và vì cơ trưởng của cây trong từng giai đoạn. Sau giai đoạn
thể con người có thể được coi là nguồn tín hiệu được huấn luyện, mô hình học máy được nén và chuyển đổi
phát ra từ nhiều cơ quan khác nhau, nên các cảm biến sang định dạng TensorFlow Lite (TFLite) để triển
có thể được triển khai để thu thập những dữ liệu này khai trên thiết bị nhúng.
và sử dụng nó để giảm thiểu những tình huống khó xử 4. KẾT LUẬN
liên quan đến chăm sóc sức khỏe. Một ví dụ về bài Trong vài năm qua, chủ đề TinyML đã chiếm được
toán “Theo dõi huyết áp” [20], trong ví dụ này nhóm tập trung nghiên cứu to lớn ở cả mức độ học thuật và
tác giả đã áp dụng thiết bị biên để theo dõi huyết áp ở sản phẩm công nghiệp trên thế giới, với động lực mở ra
mức độ cao, được gọi là “TinyCare”. Các tác giả đã nhiều cơ hội mới cho các công nghệ này phát triển bền
phát triển giải pháp TinyML độc lập với đám mây, chỉ vững. Ở trong nước bên cạnh với sự phát triển của AI
dựa vào dữ liệu thu được từ bệnh nhân. Nhóm này đã đã có một số bài báo giới thiệu ngắn gọn về TinyML và
áp dụng một quy trình được hệ thống hóa để giải bày tỏ quan điểm ghi nhận về sự bùng nổ này [24].
quyết vấn đề, khởi đầu với xử lý trước dữ liệu dựa Trong toàn bài viết, nhóm tác giả đã trình bày góc nhìn
trên các tín hiệu sinh lý của cơ thể bệnh nhân và sau tổng quan về TinyML trong đó nhấn mạnh vào các kỹ
đó trích xuất các đặc điểm. Mô hình của họ sử dụng thuật để triển khai cùng với phần cứng tương ứng. Sự
nhiều thuật toán học máy được triển khai trên ba thiết nhấn mạnh đặc biệt đã được đặt vào việc xây dựng
bị: Arduino uno, ESP32 Wrover và AdaFruit PyBadge. phân loại các kỹ thuật TinyML đã được sử dụng cho
Phương pháp của nhóm cho phép kiểm tra nhiều mô đến nay để mang lại các giải pháp mới cho các ngành
hình khác nhau, không chỉ về độ chính xác mà còn về nghề khác nhau, chẳng hạn như y tế, chăm sóc sức
độ trễ và độ phức tạp. khỏe, nông nghiệp thông minh, môi trường… Sự phát
• Bài toán về nông nghiệp thông minh triển của TinyML trên thế giới và cụ thể tại Việt Nam
Theo Liên hợp quốc (UN) [21], dân số thế giới dự còn ở phía trước, khả năng triển khai các bài toán AI
kiến sẽ đạt 9,8 tỷ người vào năm 2050. Kéo theo đó, nhúng trên thiết bị IoT vẫn còn rất nhiều dư địa nhưng
nhu cầu ngày càng tăng cao về sản phẩm nông nghiệp không kém thách thức.
để phục vụ dân số trong tương lai. Tuy nhiên, dân số TÀI LIỆU THAM KHẢO
tăng nhanh, biến đổi khí hậu, suy thoái đất và cạn kiệt
tài nguyên nước [22] đều là những yếu tố ảnh hưởng [1]. TinyML Device Shipments to Grow to 2.5 Billion in 2030, Up
From 15 Million in 2020 abiresearch.com 13/05/2021.
đến sản xuất lương thực. Sự cần thiết phải có một nền
nông nghiệp tiến hóa để theo kịp nhu cầu ngày càng [2]. TinyML Foundation https://www.tinyml.org/.
tăng trong sản xuất lương thực. Nông dân, nhà khoa [3]. Recommendation ITU-T Y.2066 (2014), “Common
Requirements of the Internet of Things”.
học và các ngành nông nghiệp chuyển sang sử dụng
các công nghệ và giải pháp mới như IoT, máy bay [4]. Incapsula’s research team has been tracking trends in the DdoS
landscape and has seen a rapid surge in attacks 2014.
không người lái, học máy, dữ liệu lớn, điện toán đám
mây, điện toán sương mù và điện toán biên để chuyển [5]. R. T. Tiburski, C. R. Moratelli, S. F. Johann, M. V. Neves, E.
D. Matos, L. A. Amaral, and F. Hessel, “Lightweight security
đổi nông nghiệp truyền thống sang nông nghiệp thông architecture based on embedded virtualization and trust
minh, bền vững, hiệu quả và thân thiện với môi mechanisms for IoT edge devices,” IEEE Commun. Mag., vol.
trường. Một ví dụ hay được sử dụng đó là bài toán 57, no. 2, pp. 67–73, Feb. 2019.
“Quản lý cây trồng” đề cập đến các kỹ thuật khác [6]. S. Duan, D. Wang, J. Ren, F. Lyu, Y. Zhang, H. Wu, and X.
nhau được sử dụng để trồng và duy trì cây trồng một Shen, “Dis-tributed artificial intelligence empowered by end-
cách hiệu quả và bền vững. Điều này có thể bao gồm edge-cloud computing:A survey,” IEEE Commun. Surveys
Tuts., vol. 25, no. 1, pp. 591–624,1st Quart., 2023.
những việc như tưới tiêu và bón phân thích hợp, quản [7]. L. Greco, G. Percannella, P. Ritrovato, F. Tortorella, and M.
lý sâu bệnh và tối ưu hóa năng suất cây trồng. Vento, “Trends in IoT based solutions for health care: Moving
TinyML có thể được sử dụng để thu thập dữ liệu về AI to the edge,” Pattern Recognit. Lett., vol. 135, pp. 346–353,
các yếu tố như độ ẩm và nhiệt độ của đất, cũng như Jul. 2020.
phân tích dữ liệu này để đưa ra dự đoán và cung cấp [8]. Plant Village. Accessed: Feb. 5, 2023. [Online]. Available:
những hiểu biết sâu sắc có thể cải thiện năng suất và https://plantvillage.psu.edu/.
hiệu quả cây trồng. Các tác giả trong [23] đã thiết kế [9].V1.0Results.[Online].Available:https://mlcommons.org/en/infer
một hệ thống TinyML giúp nông dân và các nhà khoa ence-tiny-10/.
học kiểm tra thường xuyên sức khỏe của cây trồng và [10].Dawnbench.[Online].Available:https://dawn.cs.stanford.edu/be
sự phát triển của nó. Bước đầu tiên của quy trình là nchmark/CIFAR10/inference.html.
thu thập dữ liệu, trong đó các tác giả đề xuất các [11]. T. A. Wild, M. Wikelski, S. Tyndel, G. Alarcón-Nieto, B. C.
phương pháp phù hợp để thu thập dữ liệu từ các nhà Klump, L. M. Aplin, M. Meboldt, and H. J. Williams,
‘‘Internet on animals: Wi-Fi-enabled devices provide a
ISBN: 978-604-80-9779-0