Este artículo de Science destaca el creciente potencial de tinyML, una forma de aprendizaje automático (ML) que funciona con microcontroladores económicos y de muy bajo consumo. A diferencia de la IA tradicional, que se basa en enormes conjuntos de datos, servidores que consumen mucha energía y altos costes computacionales, tinyML lleva la inteligencia directamente a pequeños dispositivos integrados. Estos dispositivos impulsados por ML pueden revolucionar el diagnóstico médico, la gobernanza climática, la agricultura de precisión y las ciudades inteligentes al permitir la inteligencia en tiempo real de una manera rentable y sostenible.
La innovación de tinyML se basa en una combinación de tecnología protegida por patentes y desarrollo de código abierto, lo que requiere una cuidadosa consideración de las estrategias de patentes. Mientras que los modelos de IA basados en la nube permanecen bajo el control del desarrollador, los modelos tinyML se implementan directamente en dispositivos como sensores, wearables o drones. Una vez que un modelo se integra en el hardware, puede ser analizado, sometido a ingeniería inversa y replicado. Los marcos de código abierto aceleran aún más la innovación y la accesibilidad de los modelos tinyML, pero también dificultan a las empresas la protección y comercialización de la innovación. Las solicitudes de patentes de tinyML muestran que las partes interesadas buscan protección en torno a tecnologías cruciales para implementar y operar modelos tinyML, como aplicaciones de Internet de las cosas (IoT), procesamiento de datos y tecnologías de detección innovadoras. Las empresas que invierten en el desarrollo de tinyML deben considerar cuidadosamente las estrategias de tramitación de patentes y los enfoques de colaboración para equilibrar los intereses económicos, la innovación derivada de la colaboración y la accesibilidad.
La IA no tiene por qué ser grande para ser disruptiva. tinyML está demostrando que los modelos de IA pequeños y eficientes pueden impulsar una innovación significativa y tener un impacto real en el mundo. Sin embargo, para lograr esta innovación es necesario un equilibrio estratégico entre las patentes y la colaboración de código abierto.
A diferencia de los grandes modelos lingüísticos (LLM), que han acaparado las noticias por su versatilidad y su asombrosa habilidad para expresarse de forma similar a los humanos, los dispositivos tinyML tienen actualmente capacidades modestas y especializadas. Sin embargo, pueden ser transformadores. Los drones equipados con tinyML de Murugan, por ejemplo, han sido capaces de identificar hojas de anacardo afectadas por la enfermedad fúngica antracnosis con una precisión del 95 % al 99 %.
Ver artículo de referencia
