34、边缘 AI 应用的持续优化与长期支持

边缘 AI 应用的持续优化与长期支持

在边缘 AI 应用的开发与部署过程中，会面临诸多挑战与问题，同时也蕴含着持续优化和改进的机会。下面我们将深入探讨边缘 AI 应用在部署后的相关事宜，包括应用改进、算法优化、伦理与长期支持等方面的内容。

改进实时应用

当应用部署后，迭代开发过程并未停止，只是发生了变化。一旦设备投入生产运行，进行修改的灵活性就会降低。根据项目的不同，可能存在技术限制，导致应用部署后无法更新。即使有能力进行更改，也需要谨慎行事，以免影响用户体验。

利用反馈解决问题

在监控过程中收集的反馈类型对于识别和解决问题非常有用。以下是不同类型的反馈及其作用：
| 反馈类型 | 作用 |
| ---- | ---- |
| 数据样本 | 让我们了解现实世界数据的演变状态 |
| 分布变化 | 提供现实世界数据的洞察，还能帮助识别算法管道内的问题 |
| 应用指标 | 从技术层面帮助我们理解系统的高级操作 |
| 结果 | 帮助我们全面了解系统的行为，以及是否解决了预期的问题 |
| 用户报告 | 为产品的整体健康状况和实用性提供进一步证据 |

通过收集各方面的反馈，我们可以找出任何问题的原因。例如，如果结果数据表明系统对试图解决的问题没有产生积极影响，我们可以查看输入和输出分布的变化。如果输入分布与数据集相同，但输出分布与开发期间观察到的不同，那么设备上算法的实现可能存在问题。同时，观察监控方面随时间的变化也很重要，例如由于季节性因素，输入分布可能会有周期性变化，这需要在应用中加以考虑。

随时间优化算法

所有环境都会发生