タイニーエムエル

第1章 はじめに

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

本書の目的は、コマンドライン・ターミナルとコード・エディタの基本的な使用経験を持つ開発者であれば誰でも、組み込みデバイス上で機械学習（ML）を実行する独自のプロジェクトを構築し始めることができる方法を示すことである。

2014年にGoogleに入社したばかりの頃、私は存在すら知らなかった多くの社内プロジェクトを発見したが、最もエキサイティングだったのはOK Googleチームが行っていた仕事だった。彼らはわずか14キロバイト（KB）のニューラルネットワークを動かしていた！これほど小さくする必要があったのは、ほとんどのアンドロイド携帯に搭載されているデジタル・シグナル・プロセッサー（DSP）上で動作し、「OK Google」のウェイクワードを聞き続けていたからだ。メインCPUはバッテリーを節約するために電源がオフになっており、これらの特殊化チップは数ミリワット（mW）の電力しか消費しないため、チームはこの仕事にDSPを使用しなければならなかった。

ディープラーニングのイメージ側から来た私にとって、これほど小さなネットワークは見たことがなかったし、ニューラルモデルを実行するのにこれほど低消費電力のチップを使えるというアイデアは、私の心を捉えた。TensorFlow、そして後にTensorFlow LiteをAndroidやiOSデバイスで動作させることに取り組む中で、私はシンプルなチップでも動作する可能性に魅了され続けた。オーディオの世界（PixelのMusic IQのような）、予知保全の世界（PsiKickのような）、さらには構想の世界（クアルコムのGlanceカメラモジュール）でも、先駆的なプロジェクトがあることを知った。

MLを使ってノイズの多いセンサーデータを理解し、バッテリーやエネルギーハーベスティングを使って何年も動作し、コストはわずか1～2ドルという特徴を持つ、まったく新しいクラスの製品が出現していることは明らかだった。私が繰り返し耳にした用語のひとつは「ピール・アンド・スティック・センサー」であり、バッテリーの交換が不要で、環境のどこにでも貼り付けて忘れることができるデバイスのことであった。このような製品を実用化するには、生のセンサー・データをデバイス自体で実用的な情報に変える方法が必要だ。

そこでTinyMLのアイデアが生まれた。産業界や学界の同僚と長い間話し合った結果、1mW以下のエネルギー・コストでニューラルネットワーク・モデルを実行できれば、まったく新しいアプリケーションの多くが可能になるという大まかなコンセンサスが得られた。これはやや恣意的な数字に思えるかもしれないが、具体的な言葉に置き換えると、コイン電池で動くデバイスの寿命が1年ということになる。その結果、どのような本番環境にも適合するほど小型で、人の手を煩わせることなく有用な時間作動し続けることができる製品が生まれるのだ。

注

本書で取り上げる内容を説明するために、いくつかの専門用語にいきなり飛びつくが、聞き慣れない用語があっても心配しないでほしい。

この時点で、Raspberry PiやNVIDIAのJetsonボードのようなプラットフォームについて疑問に思うかもしれない。これらは素晴らしいデバイスであり、私自身も頻繁に使っているが、最も小さなPiでさえ携帯電話のメインCPUに似ているため、数百ミリワットを消費する。数日間でも稼働させ続けるには、スマートフォンと同じようなバッテリーが必要で、真に紐付けされていない体験を構築するのは難しい。 ...