Oggi un microcontrollore da pochi euro può riconoscere un gesto, una parola chiave o un rumore anomalo, senza connessione e con una batteria che dura mesi. Questo è il TinyML.

Perché l'IA sul microcontrollore

• Latenza minima: la decisione avviene nel dispositivo, in pochi millisecondi.
• Privacy: audio e misure non lasciano mai la scheda; viaggia solo il risultato.
• Consumi ridotti: trasmettere un evento costa molta meno energia che inviare un flusso continuo di dati.
• Funziona offline: ideale dove la rete è assente o inaffidabile.

Le schede che usiamo

La famiglia Arduino offre schede adatte a ogni fase: le versioni con sensori integrati (accelerometro, microfono, sensori ambientali) per sperimentare in fretta, le schede della linea Pro come Portenta e Nicla per prodotti professionali e industriali, e le schede più recenti con processori ARM per prototipi economici. Quando servono più memoria o connettività integrata affianchiamo microcontrollori della famiglia ESP32.

Come nasce un modello TinyML

1. Raccolta dei dati direttamente dal sensore che verrà usato in produzione, nelle condizioni reali.
2. Addestramento di una rete neurale piccola, pensata fin dall'inizio per pochi kilobyte di memoria.
3. Quantizzazione: i pesi passano da numeri in virgola mobile a interi a 8 bit, riducendo memoria e calcolo con una perdita di precisione minima.
4. Validazione sul campo: misuriamo accuratezza, falsi allarmi, tempo di risposta e consumo sulla scheda vera, non solo al computer.

Casi d'uso tipici

• Riconoscimento di parole chiave per comandi vocali locali.
• Classificazione di vibrazioni per la manutenzione predittiva di motori e pompe.
• Riconoscimento di gesti e movimenti per dispositivi indossabili.
• Rilevamento di anomalie su misure ambientali.

Quando il prototipo su Arduino è convalidato, lo stesso modello può passare su una scheda progettata su misura, con costi e dimensioni da prodotto finito.