TinyML 可持续吗？评估机器学习在微控制器上的环境影响
机器学习
2023-11-22 v3 硬件体系结构
计算机与社会
摘要
碳排放与全球废弃物的持续增长引发了我们对环境未来的显著可持续性担忧。不断扩张的物联网(IoT)有可能加剧该问题。然而，一个名为微型机器学习(TinyML)的新兴领域有机会通过可持续计算实践帮助应对这些环境挑战。TinyML 是将机器学习(ML)算法部署到低功耗、低成本的微控制器系统上，从而实现片上传感器分析，解锁众多常开 ML 应用。本文既讨论了这些 TinyML 应用解决关键可持续性挑战的潜力，也讨论了该新兴技术的环境足迹。通过完整的生命周期分析(LCA)，我们发现 TinyML 系统可通过赋能减少其他行业排放的应用，来抵消自身的碳排放。尽管如此，当在全球尺度上扩展时，TinyML 系统的碳足迹不可忽略，这要求设计者在研制新设备时将环境影响纳入考量。最后，我们概述了使 TinyML 进一步作出可持续贡献的研究方向。
引用
@article{arxiv.2301.11899,
title = {Is TinyML Sustainable? Assessing the Environmental Impacts of Machine Learning on Microcontrollers},
author = {Shvetank Prakash and Matthew Stewart and Colby Banbury and Mark Mazumder and Pete Warden and Brian Plancher and Vijay Janapa Reddi},
journal= {arXiv preprint arXiv:2301.11899},
year = {2023}
}
备注
Communications of the ACM (CACM) November 2023 Issue