Я вычислю тебя по бз-бз-бз: создали ИИ-устройство против малярии

Пока все внимание ^[1] приковано к гонке ИИ-гигантов и большим потреблениям энергии, денег и т. п., на противоположном конце технологического спектра происходит тихая революция. На прошедшем в Женеве саммите ООН AI for Good представили портативный прибор для борбы с малярией и лихорадкой денге, разработанный группой исследователей, включая доцента UOW Киранa Триведи.

Для эпидемиологов это прорыв: традиционный мониторинг требует сбора проб воды, транспортировки личинок в лабораторию и их ручного анализа под микроскопом. Но с инженерной точки зрения ^[2] куда интереснее другое — то, как именно полноценную нейросеть для обработки аудио удалось «утрамбовать» в микроконтроллер стоимостью $10.

Архитектура задачи

Все комары звучат одинаково только для человека, пытающегося заснуть. 

С точки зрения физики каждый вид имеет уникальную частоту взмахов крыльев и форму акустической волны:

• Aedes — переносчик лихорадки денге и вируса Зика;

• Anopheles — главный вектор малярии;

• Culex — переносчик вируса Западного Нила.

Устройство с точностью 88,3% идентифицирует опасных комаров в реальном времени по звуку их взмахов крыльев. Главная особенность системы — она работает автономно на платах класса Arduino без подключения к интернету.

Их базовые частоты и спектральные подписи различаются — зачастую на десятки герц и более, плюс по структуре гармоник. Задача звучит просто: взять сигнал с микрофона, построить спектрограмму и классифицировать ее нейросетью. Однако попытка запустить классическую CNN или CRNN на ограниченном железе упирается в жесткие ресурсы микроконтроллеров: сотни килобайт RAM вместо десятков гигабайт VRAM.

+------------------------------------------------------------------+
|                         FULL ML PIPELINE                         |
+------------------------------------------------------------------+
|  1. Обучение и подготовка (Cloud / GPU)                          |
|     Сырой звук -> Спектрограммы -> Обучение тяжелой CNN/CRNN     |
+------------------------------------------------------------------+
                                   |
                                   v
|  2. Оптимизация (Quantization & Pruning)                         |
|     FP32 -> INT8, удаление лишних весов, сборка в TFLite Micro   |
+------------------------------------------------------------------+
                                   |
                                   v
|  3. Offline-инференс (Edge / TinyML)                             |
|     Микрофон -> DSP (FFT) -> INT8-модель на MCU -> Результат     |
+------------------------------------------------------------------+

Как устроена разработка

Распространенное заблуждение о TinyML заключается в том, что микроконтроллеры делают все сами. По-настоящему же, процесс разделен на два этапа.

Этап 1. Тяжелое обучение и конвертация спектрограмм

Модель не может родиться на микроконтроллере. Первичный датасет (в случае исследования — публичные библиотеки аудиозаписей полета комаров) требует серьезной предварительной обработки.

Аудиосигнал нарезается на короткие фреймы и превращается в Mel-Spectrograms или MFCC (Mel-Frequency Cepstral Coefficients). Это переводит задачу из области аудио в область компьютерного зрения: нейросеть учится искать паттерны на «картинках» частотного спектра.

Чтобы модель научилась выделять паттерны крыльев на фоне шума ветра и тропического дождя, требуются сотни эпох обучения ^[4] и валидации. На этом этапе все еще используют GPU-кластеры ^[5], так как перебор гиперпараметров и аугментация аудиоданных требуют высокой параллельной вычислительной мощности.

Этап 2. Квантование и дистилляция 

Когда модель показала целевую точность (в эксперименте Триведи — 88,3%), начинается процесс ее жесткого урезания.

Начинается все с квантования, перевода весов из формата плавающей точки FP32 в целочисленный INT8. Это сокращает размер модели в четыре раза и позволяет выполнять математические операции на базовых ALU микроконтроллера без вызова программной эмуляции float.

Дальше Pruning, или удаление из нейросети связей и нейронов, имеющих близкий к нулю вклад в итоговый результат. 

Потом компиляция под C++. Итоговый граф переводится в код через фреймворки вроде TensorFlow Lite for Microcontrollers (TFLite Micro) или Edge Impulse. Модель превращается в обычный массив байтов, вшиваемый непосредственно в флэш-память чипа.

Как правило, после квантования и prunіng медианная модель для такой задачи занимает порядка сотен килобайт (например, 100–200 КБ)

Каталог готовых ИИ-моделей

Сервис для запуска и управления LLM в облаке Selectel. Выберите модель, конфигурацию и получите готовый эндпоинт для работы с ней.

Подробнее → ^[6]

Реальные инженерные ограничения

Несмотря на красивую демонстрацию на саммите ООН, при переносе такой системы из лаборатории «в поле» инженеры неизбежно столкнутся с двумя проблемами.

Прогноз: от изолированных чипов к IoT-сетям

Авторы проекта видят финальную цель не в создании отдельных приборов, а в построении распределенной сети датчиков.

Концепция похожа на работы сервисов вроде Waze или навигаторов: локальный чип определяет тип опасности, не тратит трафик на передачу аудиофайлов, а отправляет в сеть лишь короткий служебный пакет (координаты, timestamp, ID вида).

По замыслу авторов такие сети могли бы давать тепловые карты активности переносчиков и, потенциально, позволить реагировать ^[8] на вспышки раньше, чем это отражается в статистике заболеваний.

А как вы думаете, есть ли у Edge-вычислений шанс забрать ощутимую долю рынка у классических облачных API? Делитесь мнением в комментариях.