TinyML: Kecerdasan Buatan(AI) Kecil dengan Dampak Besar
Kecerdasan buatan (Artificial Intelligence/AI) kini menjadi bagian dari kehidupan kita. Sekarang kita bisa memanfaatkan AI untuk membantu menghasilkan tulisan apa saja, seperti undangan, pengumuman, presentasi, artikel, jurnal bahkan buku. Bahkan AI juga mempu membantu menghasilkan produk gambar, audio dan video. Menganalisa tulisan, suara, gambar dan video untuk membuat pengelompokan, memprediksi bahkan mampu memproduksi karya baru dari suatu model. Namun, di balik kecanggihan tersebut, mayoritas AI saat ini masih bergantung pada komputer raksasa dan koneksi internet yang cepat. Di sinilah TinyML hadir sebagai satu solusi. Lewat TinyML, kecerdasan buatan 'diperkecil' agar bisa disematkan pada perangkat mikrokontroler tanpa butuh internet, tanpa boros baterai, namun tetap memiliki dampak yang besar."
Apa itu TinyML? Menurut situs https://www.mathworks.com/ TinyML adalah subset dari pembelajaran mesin yang berfokus pada penerapan model untuk mikrokontroler dan perangkat kecil berdaya rendah lainnya. Perangkat mikrokontroler biasanya mempunyai sumber daya yang kecil misalnya RAM 100k Byte s/d 16 Mbyte, kecepatan prosesor di sekitar 50 MHz sd 500 MHz. Menggunakan TinyML model AI dapat disematkan dalam chip mikrokontroler yang mempunyai sumber daya kecil sehingga sistem tersebut bersifat cerdas.
Gambar Board Pengembang TinyML, Arduino Nano 33 BLE Sense (https://www.rs-online.id/)
Pengembangan aplikasi TinyML dimulai dari:
1. Pengumpulan Data & Pra-pemrosesan misalnya mengambil data suara kambing, menggunakan sensor kemudian difilter agar ukurannya lebih kecil.
2. Perancangan & Pelatihan Model, hasil tahap 1 dilatih menggunakan suatu model AI. Misalnya suara kambing dikelompokkan ke dalam 3 kelompok, suara lapar, suara sakit dan yang lainnya. Kemudian dilatih agar mampu membedakan suara kambing sakit dan lapar.
3. Optimasi & Konversi Model, hasil pelatihan berupa model AI harus dioptimasi dan konversi agar ukurannya lebih kecil sehingga dapat diterapkan pada mikrokontroler.
4. Penerapan & Pengujian, hasil optimasi bisa langsung dimasukkan dalam chip mikrokontroler untuk pengujian hasilnya.
Aplikasi cloude semacam Edge Impulse (https://www.edgeimpulse.com/) mampu melakukan tahap 1 sampai dengan tahap 3, sedangkan tahap 4 menggunakan aplikasi pengembang mikrokontroler.
Apa keuntungan TinyML? Di antara keuntungan TinyML adalah:
- Lebih cepat karena data langsung diproses di lokal tanpa terkoneksi server.
- Hemat energi karena tidak perlu koneksi internet yang biasanya membutuhkan daya yang lebih besar.
- Privasi dan keamanan tinggi karena data tidak pernah keluar dari perangkat.
- Berkerja tanpa internet karena diproses di lokal. Cocok untuk daerah minim internet dan juga sistem stabil dari gangguan jaringan.
Penerapan Tiny Machine Learning (TinyML) pada sektor pertanian, peternakan, perikanan, dan kesehatan berpotensi mempunyai dampak yang besar. Berbeda dengan AI yang umumnya bergantung pada koneksi internet dan komputasi awan (cloud), TinyML bekerja langsung pada perangkat di lokasi sumber data (edge). Keputusan dapat diambil secara cepat tanpa harus mengirim data ke pusat pemrosesan. Karakteristik ini menjadikan TinyML sangat sesuai untuk diterapkan di wilayah pedesaan, daerah terpencil, maupun kawasan dengan akses internet yang terbatas. Dengan teknologi ini, manfaat kecerdasan buatan tidak lagi hanya dinikmati oleh masyarakat perkotaan, tetapi juga dapat menjangkau pelosok negeri, membuka peluang baru bagi peningkatan produktivitas, efisiensi, dan kesejahteraan masyarakat.
Mari bergabung dengan UTDI, khususnya Program Studi Teknik Komputer (S1).