TinyML: stato dell’arte e applicazioni

Il Tiny Machine Learning (TinyML) è un ramo emergente di ricerca che si concentra sull'esecuzione di modelli di machine learning on edge su dispositivi embedded con risorse limitate, come microcontrollori e sensori a bassa potenza. L’esecuzione di tecnologie di intelligenza artificiale direttamente nei dispositivi finali consente di minimizzare il consumo energetico e i costi computazionali dei modelli, e apre nuove possibilità per applicazioni nell'Internet of Things (IoT), nella manutenzione predittiva e in altri settori che richiedono soluzioni efficienti e autonome. Il professor Francesco Conti dell'Università di Bologna offrirà una panoramica approfondita e aggiornata sulle ultime evoluzioni del TinyML. Verranno innanzitutto illustrate le principali tecniche di riduzione dei modelli da ML a TinyML, quali la quantizzazione o il pruning, evidenziando benefici e sfide associate a ciascuna di esse. Successivamente, verranno presentate architetture hardware ad alta efficienza energetica per il TinyML, offrendo una panoramica di soluzioni presenti sul mercato. Infine, il professor Conti presenterà un caso studio concreto relativo a un progetto di droni realizzato dal suo gruppo di ricerca. Francesco Conti è Tenure-Track Assistant Professor presso il dipartimento di ingegneria dell'energia elettrica e dell'informazione (DEI) dell'Università di Bologna. I suoi principali interessi di ricerca riguardano il TinyML, studiato sia dal punto di vista software che hardware per applicazioni a bassissimo consumo energetico.