José Vicente Sáez

TinyML ha demostrado ser una potente herramienta para implementar modelos de aprendizaje automático en dispositivos y entornos con recursos limitados. En este artículo exploramos su potencial en el sector químico y de refinerías.

Hemos visto especialmente durante los últimos meses cómo se han reproducido lanzamientos de modelos con miles de millones de parámetros que requieren una gran potencia de procesamiento. Por otro lado, también existe una tendencia creciente que gira en torno a la capacidad de ejecutar modelos ligeros en tiempo real sin necesidad de conexión constante en dispositivos de bajo consumo como microcontroladores, sensores y otros sistemas embebidos que también está revolucionando la industria de la IA. Esta tendencia se conoce como TinyML.