30、边缘AI项目开发：从迭代到部署的全面指南

边缘AI项目开发：从迭代到部署的全面指南

1. 硬件与数据收集

在边缘AI项目中，硬件设备的形状、大小和材料等因素会对数据收集产生影响。若不确定具体使用的传感器，可在数据收集阶段使用多种类型的传感器。例如，使用两种不同类型的麦克风收集数据，这样在后续硬件变更时，无需丢弃已有数据集重新开始，可在最终设计中灵活选择合适的传感器。此外，数据记录硬件与实际产品所使用的硬件可以是不同类型的设备。

2. 负责任的AI审查

部署和测试应用程序的端到端原型，能让我们开始评估性能，并更好地设想最终产品在实际场景中的运行情况。这也需要进行一些初始算法开发，这通常涉及对数据集及其局限性的进一步理解。通过初始测试得到的额外信息，可用于检验在确定道德可行性和设定基于价值的设计目标时所做的假设。例如，在巧克力工厂的质量控制系统中，原本假设系统能减轻员工负担，但通过原型系统的反馈发现，该系统可能因信息过载增加员工压力，导致倦怠。这一发现可指导产品设计，探索在不造成员工负担过重的情况下向他们传达信息的方式。

采用评估优先的方法，我们可以收集系统性能的关键指标，并根据目标和价值观进行分析。从公平性角度看，确保系统对所有员工都能良好运行非常重要。通过评估指标，可能会发现系统对某些员工的表现优于其他员工。因此，从项目开始就测量和收集相关数据十分关键。

3. 测试与迭代

测试与迭代是工作流程的核心部分，主要聚焦于四个方面：应用程序、数据集、算法和硬件。这四个部分是项目的关键组成要素，它们相互关联、相互影响，就像四个共同成长的兄弟姐妹，在由评估驱动的反馈循环环境中不断发展。

3.1 相互依赖关系

项目各组件之间