Is TinyML Sustainable? Assessing the Environmental Impacts of Machine Learning on Microcontrollers

要約

炭素排出量と地球規模の廃棄物の持続的な増加は、環境の将来に対する持続可能性に対する重大な懸念を引き起こしています。
モノのインターネット (IoT) の成長により、この問題がさらに悪化する可能性があります。
しかし、Tiny Machine Learning (TinyML) として知られる新興分野には、持続可能なコンピューティングの実践を通じてこれらの環境課題に対処する機会があります。
TinyML は、機械学習 (ML) アルゴリズムを低コスト、低電力のマイクロコントローラー システムに展開するもので、オンデバイスのセンサー分析を可能にし、多数の常時稼働の ML アプリケーションを可能にします。
この記事では、持続可能性の重要な課題に対処するためのこれらの TinyML アプリケーションの可能性と、この新興テクノロジーの環境フットプリントの両方について説明します。
完全なライフサイクル分析 (LCA) を通じて、TinyML システムは、他の部門の排出量を削減するアプリケーションを有効にすることで、二酸化炭素排出量を相殺する機会を提供することがわかりました。
それにもかかわらず、世界的に規模を拡大すると、TinyML システムの二酸化炭素排出量は無視できなくなり、設計者は新しいデバイスを開発するときに環境への影響を考慮する必要があります。
最後に、TinyML のさらなる持続可能な貢献を可能にする研究の方向性を概説します。

要約(オリジナル)

The sustained growth of carbon emissions and global waste elicits significant sustainability concerns for our environment’s future. The growing Internet of Things (IoT) has the potential to exacerbate this issue. However, an emerging area known as Tiny Machine Learning (TinyML) has the opportunity to help address these environmental challenges through sustainable computing practices. TinyML, the deployment of machine learning (ML) algorithms onto low-cost, low-power microcontroller systems, enables on-device sensor analytics that unlocks numerous always-on ML applications. This article discusses both the potential of these TinyML applications to address critical sustainability challenges, as well as the environmental footprint of this emerging technology. Through a complete life cycle analysis (LCA), we find that TinyML systems present opportunities to offset their carbon emissions by enabling applications that reduce the emissions of other sectors. Nevertheless, when globally scaled, the carbon footprint of TinyML systems is not negligible, necessitating that designers factor in environmental impact when formulating new devices. Finally, we outline research directions to enable further sustainable contributions of TinyML.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google