如果我们可以将互联网从物联网中剥离出来会怎样？或者至少将互联网从某些产品中剔除？这就是 Useful Sensors 背后的想法，这家初创公司由 Pete Warden 创建，Pete Warden 是谷歌 TensorFlow Micro 团队的前技术负责人，也是谷歌收购的深度学习技术初创公司 Jetpac 的前任创始人。借助Useful Sensors，Warden希望解决困扰 Tiny ML 社区的问题——即除了自动唤醒词检测之外几乎没有著名的案例应用。
但是 Tiny ML 的前景是巨大的。通过将机器学习嵌入至传感器，因此数据保留在设备本地，工程师可以设计不需要互联网连接的智能产品，可以节省电力并提高隐私。这些好处可以体现在任何发生在边缘的机器学习上，例如手机或智能音箱，但Tiny ML 专为电源或内存的受限计算而设计。
Useful Sensors 的 10 美元初始传感器可以进行人脸检测。
要在微控制器驱动的设备上运行任何类型的机器学习，需要不同类型的算法，可能是不同的处理器架构，并且愿意接受模型准确性的不确定性。但好处仍然很强大，Warden 让我想象一台可以打开并显示我上次观看的内容的电视，或者根据我的喜好调整照明。他的团队还在建造一个可以跟随人脸摆动的风扇，根据他们的喜好将微风直接对准某人或远离他们。
Useful Sensor 的第一个产品是计算机视觉传感器（具有 110 度视野的微型相机），可以检测人并区分几张面孔。它对于照明的个性化或弄清楚谁在看电视等场景已经足够了，但不够准确，以至于 Warden 觉得在锁或安全敏感设备中不太能准确识别。该传感器可在 Sparkfun 网站上以 10 美元的价格发售。
低价、小批量以及更多功能使得从DIY到原型设计工程师都可以轻松利用它。Warden的希望是，可以看到传感器引发一波应用浪潮，让离线设备识别一个人会改变它的工作方式。例如，如果通用电气或博世在灶具中嵌入类似的东西，这样孩子们就无法打开他们。或者镜子里的传感器可以用来调出一个人当天的日程安排。汽车可以使用这样的传感器来确定司机的疲劳程度或是否有儿童留在汽车座椅中。
Warden说，这个 10 美元的人员检测传感器将使用“数十毫瓦”的功率。下个月，Warden 表示他计划推出另一个传感器，该传感器将跟踪基本手势。作为 Tiny ML 社区的教父之一，Warden 对更智能传感器的潜力充满热情和真诚。
他还担心隐私问题，并试图阻止日常麦克风和微型摄像机的不可避免的崛起变得“令人毛骨悚然”。他希望消费电子行业和政府能够就标签和透明度达成某种共识，以便购买设备的消费者准确了解他们的新产品上的传感器以及它们的使用方式。
对于图像传感器，Warden 让任何人都难以从传感器访问原始图像数据——他们只能获取有关人脸的元数据，例如检测、身份以及人脸是否正在注视传感器。该传感器也是预编程的，开发人员不允许对传感器进行闪存或重新编程，因此他们无法将其变成一个微型低功耗、低分辨率的间谍摄像头。 Warden 还设计了传感器，以便第三方可以对其进行审核，以防标准机构或政府试图围绕隐私和智能传感器制定规则。
Warden 的方法是深思熟虑的，可以帮助解决目前Tiny ML商用化不利的局面。从商业角度来看，Warden 知道他不会大量向DIY爱好者出售这一产品，但他希望他们的工作能够激励那些大公司，看看这项技术能做什么，并最终成为客户。
