第 6 章. 理解和界定问题
本作品已使用人工智能进行翻译。欢迎您提供反馈和意见:translation-feedback@oreilly.com
接下来的五章将为使用边缘人工智能提供一个路线图。我们将建立以下方面的最佳实践:
-
从边缘人工智能的角度看待您要解决的问题
-
建立数据集,以便训练模型和评估算法
-
设计利用边缘人工智能技术的应用程序
-
通过迭代过程开发有效的应用程序
-
在现场测试边缘人工智能应用、部署和监控它们
在本章中,我们将首先介绍边缘人工智能项目的高级一般工作流程。这应该能让你了解所有工作是如何整合在一起的。之后,我们将学习如何评估项目,以确保它们适合边缘人工智能,然后逐步确定哪些类型的算法和硬件对特定问题有意义,并开始考虑规划我们的实施。
边缘人工智能工作流程
与任何复杂的工程项目一样,典型的边缘人工智能项目涉及多个工作轨道,其中一些轨道是并行的。图 6-1显示了它们的具体情况。
图 6-1. 边缘人工智能工作流程,分为 "发现 "和 "测试与迭代 "两个阶段
这个过程可以大致分为两块--在图中标记为发现、测试和迭代。第一块是发现,包括深入了解您要解决的问题、您可支配的资源以及可能的解决方案空间。这是你的前期工作,即弄清楚你想要实现什么(以及什么是现实的)。
第二部分是测试和迭代,这是一个不断完善的过程,从最初的原型一直到生产就绪的应用程序。它跨越了开发前后的时间--在机器学习中,应用程序永远不会真正完成,而是需要在部署到现场后进行监控、支持和迭代。这种持续改进贯穿于项目的各个部分--应用程序、数据集、算法和硬件。
这一过程中最重要的部分是反馈回路(见图 6-2),它可以实现持续改进。项目不同方面之间的反馈越多,项目就越成功。例如,您可以将模型在不同类型数据上的表现结果反馈到数据收集过程中,帮助您建立一个涵盖整个潜在输入空间的多样化、有代表性的数据集。
我们将在接下来的几章中介绍整个工作流程。第6、7 和8 章将介绍发现阶段,第 9和10 章将介绍测试和迭代阶段(包括部署和支持)。
图 6-2 应用程序、数据集、算法和硬件之间可能的反馈示例 应用、数据集、算法和硬件之间可能存在反馈的几个例子;这四个部分会随着项目的进行而变化和发展,其中一个方面的任何变化都需要在另一个方面得到反映
提示
任何技术项目(也可以说是任何一般项目)的成功都离不开风险管理。边缘人工智能项目由于结合了硬件和软件,并依赖于复杂的算法和数据驱动的开发,因此具有独特的风险性。
在工作流程的每一个阶段,我们都会学到一些技巧,让你把风险降到最低,提高成功的几率。
边缘人工智能工作流程中负责任的人工智能
我们已经了解到,人工智能应用特别容易传播社会危害。在现实世界中,有许多类型的问题会导致意想不到的不良性能。因此,仔细分析潜在风险及其造成危害的可能性是边缘人工智能开发工作流程的关键部分。
在项目开始时进行一次伦理审查或在项目结束时进行一次最终审查是不够的。由于在项目过程中会出现新的信息,做出的许多决定也会产生下游影响,因此需要在项目的每个阶段都进行风险分析,以便在需要时有时间进行纠正。 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access